金融狗和IT狗

1 非同类比较

题目最明显的一个问题，就是将两个非同类概念进行了比较。资深土木工程师的年薪，（先不论数字是否正确），是一个群体的平均值（或者说中值也可以）；而当描述金融和 IT 工程师「经常」在百万以上的时候，并没有严格定义「金融」和「IT 工程师」的范畴（楼下银行的柜员算不算「金融」业的呢？中国联通的上门维修工程人员算不算「IT」业？）。如果题目指的是那些外资投行、顶尖对冲基金、一流互联网公司员工的收入，本质上就是用一个行业的平均水平和另一个行业的顶峰水平比较，这是不合理的。也许行业内最顶尖的土木工程师收入也不会太低。

2 凸现效应

之所以会有上面的现象，是人类常是「凸现效应」的受害者。「凸现效应」是指，人们更加容易受那些更不符合常规、引人注目的显著信息的影响，也更容易记忆这类现象——其实整个新闻行业基本就建构于此。老得不能再老的 cliché 「狗咬人不是新闻，人咬狗才是」就是例证。某个人「年薪百万」这个特征，比起「年薪20万」，显然更容易被人类的大脑记住，而当那些年薪不是百万的金融从业人员出现的时候，人们会更容易忽略他们。

3 孕妇效应

「凸现效应」很容易带来的另一个现象就是「孕妇效应」。「孕妇效应」是指由于自己的额外关注，人们会把偶然现象认知为普遍现象——当你自己是孕妇的时候，你会觉得满大街都是孕妇；当你买了某一个品牌车的时候，你会觉得街上全是这个牌子的车。对于「年薪百万」这个现象，我们很容易在建立了初步认知之后，每次再遇到「年薪百万的金融从业人员」，就更加加深这个印象，从而愈加深信不疑——但遇到一些不符合自己认知的现象时，大脑就会自动忽略。

4 睡眠者效应

「睡眠者效应」是说：随着时间的推进，人们容易忘记信息的传播来源，而只对内容本身保留模糊的记忆——这个心理学现象是整个广告业的基础。对于「金融行业员工基本都是年薪百万」这个认知，我们很有可能从一开始听到的就是二手三手的信息，但传的人多了，我们就不会再辨别信息来源，而只会认定这个事实。所以如果真的统计一下金融行业从业人员的平均年薪和土木工程从业人员的平均年薪，也许差距并没有我们想象得大。

5 忽视概率偏见

从第1点可以延伸出一个很有意思的现象，即「忽视概率偏见」。人类的大脑是天然比较难理解「概率」这件事的。比如，我们的大脑能理解一件事绝对不会发生（0%）和非常小几率会发生（比如1%）的区别，但很难理解一件事有18%和有46%的可能性会发生的区别。于是，我们看到了「有人年薪百万」，但是很少去想「如果自己去做这个行业的话，拿到这个年薪的概率有多大？」

6 均值回归理论

如果把时间尺度拉得足够长远，也许金融行业的平均收入和土木工程类的平均收入应该是相似的——理论上，在市场有效的假设下，任何行业的长期平均收入都应该相似。因为如果金融行业和土木行业平均收入相差过大的话，必然引起人才向金融行业的流动，于是土木从业人员就会变得稀缺，于是他们的价值/收入也会上涨。如果目前金融行业平均收入比较高，按照均值回归理论，这种状态未来一定无法长期持续。

7 单一归因谬误

啊，终于来到了我最喜欢的思维误区「单一归因谬误」简直每天都发生在我们身边。概念很好理解——人类天然喜欢给事情寻找一个原因，而且这个原因越单一越好。股市今天为什么上涨了？因为昨天央行降息；昨天巴萨为什么赢了皇马？因为梅西后撤到了中场，起到了奇兵作用；苹果为什么濒临倒闭又力挽狂澜？因为乔布斯当年搞出了 iPod但事实上，真实世界远比这些复杂得多。我们容易把某个人「年薪百万」归因到「TA做的是金融业」，但也许，不管TA去做哪个行业，都是最 (zheng) 优 (zui) 秀 (duo) 的一批。

写到这里，一定要说明几点：

1 虽然上面列举了各种题目可能有的思维误区，但这不意味着原题的结论就是错误的。事实上没有更加详实的数据，我们很难判断题目的说法是否正确。只是在得出一个结论前，思考一下自己是否陷入了一些思维误区，可能是有好处的；

2 上面所述的很多「效应」，其实并不是严格的心理学概念。甚至相反，它们中很多都是一些经验性的总结，很难算作学术性的严肃结论。正如在研究「思考」这件事上我颇喜欢的 @采铜 老师所言：

“假装并非无知”的另一个表现是，你用对事实的归纳来代替对事实的解释。当一卡车的水果掉落到地上，大家一哄而上争抢之时，你会说这是“从众效应”；当你喜欢上了戴头巾，然后看到街上不少戴头巾的人时，你说你知道这是“孕妇效应”；如果小区的一个角落开始堆了一些垃圾，之后在此处倾倒的垃圾就会越来越多，你说这就是“破窗效应”。你的说法都没错，并且你以为你看懂了这些现象。但实际上，你并没有懂，你只是指认出了一组事件的标签，知道如何用一个名词来指代一类现象罢了，你并没有真的对这些现象作出解释。你无法回答为什么会有“从众效应”，它是如何、何以发生的，为什么会有“孕妇效应”，它是如何、何以发生的，为什么会有“破窗效应”，它是如何、何以发生的。[1]

所以，对事物的探知不应止于学习一些煞有介事的名词。这个答案至多是起到一些抛砖引玉的作用。

3 这些现象或「效应」往往不是孤立，而是交织着运作的。如果仔细思考，「萧敬腾是雨神」这个半开玩笑的结论，其实背后蕴含着七八个相互重叠的认知误区。

最后。

最后，我们假设题目的结论是正确的，那有可能的原因是什么呢？

我能想出来一个可能的原因：如果一个行业平均每人创造的价值很大的话（这里的价值就通俗地理解成钱好了），那么这个行业从业人员的平均收入就会比较高。举个例子：

有这么一个行业，它每年平均创造的收入可达 50-60 亿美元，而这个行业的最主要从业人员（可以称之为「核心员工」），每年只有 4-500 人左右。于是这些员工的收入是怎么样的呢？行业规定，任何人只要被录取为核心员工，最低年薪也要在50万美元以上，如果有 1-2 年的工作经验，起薪可以达到70-100万美元/年。而核心员工里面能力的佼佼者，最高年薪可以达到 2000-3000 万美元。

这个行业的名字叫，NBA。

金融行业好还是IT行业前景好

金融和it的行业前景都是非常好的，但是相比较的话，it行业的其实薪资会比较高。

行业好还是IT行业前景好

IT行业发展日趋迅猛，IT产业的产值成倍增长，发展必然带来人才的需求，因此众多人群想要进入IT行业发展。下面分析下IT行业发展前景。第一，高薪的职位IT行业涵盖的范围是很广的，包括了IT硬体装置、软体开发、IT的相关行业如：网路营销、电子

金融行业好还是IT行业前景好？微软和摩根大通哪个更值得投资？

微软创造世界首富，摩根大通统治世界经济。自己选吧！

金融行业好还是贸易行业好？

自我觉得贸易行业好，虽然有一定的风险但是把专业知识学好了这些风险都是可以避免的，而且工资待遇也还不错，出国发展机会也多．对开阔视野是有帮助的

好还是IT行业前景好

有些专家指出，中国的IT队伍存在严重的结构失衡，既缺乏高阶IT人才，也缺乏技能型、应用型资讯科技人才，以及一大批能从事基础性工作的技术人员。

中国软体人才的“金字塔”型合理结构并未实现，软体产业健康、快速发展所需要三类人才：既懂技术又懂管理的软体高阶人才、系统分析及设计人员（软体工程师）、熟练的程式设计师（软体蓝领）这三类由高到低的人才结构并未呈金字塔型。除此之外，人才的地区分布差异也比较明显，一些发达城市人才有供过于求现象，而边远城市人才则普遍匮乏。

目前，软体开发主要分两类，一类是通用软体开发；另一类是软体定制服务。未来国内IT企业将需要大量的通用软体开发人才。同时，针对各行各业的软体定制服务也将对软体人才提出更高的要求，最好是该行业的从业人员能够进入IT业设计适合行业特征的软体

金融行业和IT行业哪个行业的就业前景更好发展前途更大

还要看一点就是入门的容易程度 - IT行业更好

与国际化接轨的程度 - IT行业更好

金融行业和IT行业哪个好？

金融行业最好有后台就行，IT 行业发展快，竞争大，如果后台不稳选这个比较好

金融行业，建筑行业，it行业哪个好

这几个行业都是非常不错的，it行业算是起步薪资比较高的行业。

做金融行业好还是车险

车险属于金融行业。

金融行业包含银行，证券，保险等细分行业。其中，保险又分为财产险，车险，人寿保险等分类。

金融行业发展前景？

大圣带你看金融

IT狗IPO之前都没金融狗工资高，当然是同等级别。金融狗香港的话一般底薪70万人民币，还有奖金看年成。要是升职的话升一级翻一倍。美国的IT狗工资比国内高一些，硅谷一个程序员据说年薪9万刀，几乎可以和金融狗持平。要是IT狗一把上市成功或者像whatapp一把卖公司成功，又比金融狗混十年挣得多。具体的话还是要看个人实力和机遇。

以上就是关于为什么金融、IT工程师年薪比资深土木工程师高很多全部的内容，包括:为什么金融、IT工程师年薪比资深土木工程师高很多、金融行业好还是IT行业前景好、金融狗和IT狗等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！