选专业时，一边是较高的就业率，一边是更亮眼的升学率，还有一张按月薪排序的表。很容易想给它们各打一个分，算出哪个专业“前景最好”。但动手排序前，先要弄清每个数字在回答什么：毕业生去了哪里、多少人继续读书，还是部分已经工作的人挣多少。几个问题混在一起，表格越精细，结论也可能越偏。
可以先把候选院校的公开报告放在一起，每个数字旁边记下统计对象、人数、时间和定义。信息对齐后再比较；对不齐的项目留作待问问题。下面以重庆师范大学涉外商贸学院2018届毕业生年度就业质量报告为历史阅读示例，用来说明怎样看数据，不据此推荐今天的专业。
想毕业后直接工作，就要继续拆开“已就业”
报告中的指标名称不能代替定义。这份报告把升学、出国境、创业、自由职业等去向也纳入“已就业”。所以，看到就业率较高，还需要继续查毕业去向表，才能回答自己最关心的“有多少人进入单位工作”。这一口径属于该校该届报告，读其他学校或其他年份时，要重新找脚注。
如果你计划本科毕业后直接找工作，值得追问的是：进入了哪些行业和岗位，主要在哪些地区，采用什么就业形式。若你准备继续深造，则要看升学去向与准备条件。把所有去向合并后的比例放在最显眼的位置，无法替你完成这两种不同的判断。
升学率同样要看“在谁当中”。该报告的专科升学人数为105人，占专科毕业生的20.23%；全校升学人数为258人，占全校毕业生的6.53%。两个比例对应不同分母，都不能当作参加升学考试者的录取率。准备问学校“考上有多难”时，还需要报名或报考人数等资料。
薪资表先核对收入口径，再看平均数
收入比较最容易出现一种错觉：两个数字都写着“元/月”，看上去就能相减。实际还要核对税前或税后、包含哪些项目、调查对象和调查时间。上述报告专科薪酬采用税前月收入，并包含可折算为现金的工资与福利。拿这样的数字与另一份报告的到手基本工资比较，差额并不能直接解释为专业优势。
平均数还需要和分布一起读。报告在列出月均收入的同时，也给出收入区间比例；这两类信息分别描述总体平均水平与人群分布。若另一份材料只给一个平均数，可以继续找中位数或收入区间。材料没有披露时，就保留这个缺口，不能用平均数推算“多数人都能拿到”的工资。
还有一个更隐蔽的对象差别：毕业去向可能来自全体毕业生的行政记录，薪酬可能来自问卷。这份报告明确分开了两种数据来源，行政数据截止于2018年11月20日，问卷有效回收率为57.77%。这不等于薪酬题也有同样的有效回答比例；薪酬题实际有多少人回答、未回应者情况如何，仍需继续核对，未知信息不能靠猜测补齐。行政统计截止日也不能自动当成问卷调查日。
把无法直接比较的地方写在表里
对比学校时，可以给同一个指标单独做一行。下面这些信息最好紧挨着数字记录，别只存在于报告末尾的脚注里。
| 准备比较的项目 | 先核对什么 | 尚不能得出的结论 |
|---|---|---|
| 就业或毕业去向比例 | 同届、同一统计时点、同一学历与专业层级，分子包含哪些去向 | 去向已经落实，就一定在单位工作 |
| 升学比例 | 分母是全体毕业生、某专业毕业生，还是参加考试的人 | 占毕业生比例，就是考试录取机会 |
| 薪资 | 收入组成、税前税后、调查时间、有效人数、就业地区及分布 | 平均收入，就是自己毕业后的工资 |
| 专业相关度 | 哪些回答算“相关”，是否排除了无法评价者 | 同名比例相差几个点，就代表培养质量相差同样多 |
最后一行尤其值得留意。示例报告把“很相关”“比较相关”和“一般”合并计算相关度，并排除“无法评价”的回答。另一份材料若只把前两项算作对口，即使名称接近，两个比例也不适合直接排高低。先读评价选项，才能知道数字描述的是怎样的工作联系。
专业层面还应同时抄下人数。有的分组人数很少，百分比就需要更谨慎地解释；有的报告会因样本不足省略某些专业或地区。空白处写“未披露”或“未纳入分析”，不要填成零，也别据此把它排到末位。学校整体数据只能说明学校层面的情况，不能替代你正在考虑的那个专业。
带着这张记录去咨询时，问题会具体得多：“这个收入包含哪些项目？”“这一项实际有多少人回答？”“能否提供同一届、同一时点的专业去向？”拿到可比资料后，再看毕业生主要进入的岗位，需要怎样的课程与实践准备。就业数据能够帮助你缩小需要核实的范围；从历史群体表现走到自己的报考决定，中间仍有这些必须问清的条件。