每天上班前衝去便利商店買個化工早餐、 披星戴月回家吞下買回來的便當、還是要連續工作 30 年存款才湊得出房子的頭期款；或是大學要畢業了仍不知道念什麼研究所，畢業後才能在這城市繼續生活？或是大學志願都還沒填，但前面兩種聽得倒背如流的恐怖故事，已經讓你萌生對於填志願賭錯系的恐懼？
就算你願意犧牲夢想、休閒、或是樂趣，來換取台北的一間房，人生的青春要寄居在什麼系所，才能換到自己想要的收入呢？聽說寫程式很好賺、未來屬於能召喚程式碼人工智慧大數據機器學習霹靂卡霹靂拉拉區塊鍊類神經網路皮卡丘的人。那麼，我該拋下其他的選項，投向程式設計的懷抱嗎？
判斷的依據：一葉知秋、趨勢權威、還是統計預測？
談到人生走向這種「他皮卡丘的為什麼我非得聽你講」的話題，總有人樂意發揮助人精神分享他們的看法。這些人大致可以分為兩派：
- 一葉知秋派：「我鄰居的表哥的外甥的舅媽打道館認識的朋友他兒子，當 XX 師年終 20 萬。現在大學文憑不值錢了啦，當 XX 師最好！」
- 引述權威派：「那個內線交易被起訴現在身上還有 30 個案子的逃漏稅專家，昨天有寫社論介紹 XX 師這個職業。現在學 XX 是趨勢！」
這些人不見得想害你，但萬一他們的預言出錯了，對他們來講也沒什麼成本。難道你的未來就這麼任憑 Line 抓寶社團和陌生人左右？如果你關心的是不同領域畢業後的平均就業狀況，台灣目前已有教育部的大專畢業生就業薪資分析。不過這也只有這些系所的畢業生目前的平均狀況；談到自己要不要跳下去轉行，除了這行的人目前過得怎麼樣，我們更關心的是當我自己跳進去後，到時候自己會怎麼樣？
沒有人有辦法預知未來，但我們可以根據手上已知的資訊嘗試預測可能的走向。美國勞動統計局（Bureau of Labor Statistics，以下簡稱 BLS）最近公布了兩年發行一次的「職業前景手冊 (Occupational Outlook Handbook)」，預測 2016-2026 之間美國 336 個產業中 819 種職業在這 10 年間的就業人口和薪資變化，外加介紹工作內容、環境、還有入行的方式。雖然是美國的資料，但大概少有國家能提供這麼詳細的職業介紹和就業預測，我們就來看看吧！
寫程式好賺嗎？
BLS 報告裡專家最感興趣的大概是就業人口、勞動參與率、性別與種族等統計結果，但細分各個職業的預測可能對多數讀者來說更有趣。336 個產業、819 種工作，職業從核電工程師、伐木工（還分成 8 種）、賭場莊家、到公司 CEO 都有，另外還附上教師手冊幫助老師向學生說明如何利用這些資料進行職涯規劃。
所以，轉行寫程式真的有賺頭嗎？
| 職業 | 2016 中位數收入 （美元） | 2016 從業人口 | 預期 10 年從業人口 成長率 | 預期 10 年人數 成長 |
|---|---|---|---|---|
| 資訊系統主管 | $135,800 | 367,600 | 12% | 43,800 |
| 硬體工程師 | $115,080 | 73,600 | 5% | 4,000 |
| 軟體研發工程師 | $102,280 | 1,256,200 | 24% | 299,500 |
| 網路工程師 | $101,210 | 162,700 | 6% | 10,400 |
| 資安分析師 | $92,600 | 100,000 | 28% | 28,400 |
| 系統分析師 | $87,220 | 600,500 | 9% | 53,000 |
| 資料庫管理員 | $84,950 | 119,500 | 11% | 13,700 |
| 碼農 | $79,840 | 294,900 | -8% | -22,600 |
| 網路系統管理員 | $79,700 | 391,300 | 6% | 23,900 |
| 網站工程師 | $66,130 | 162,900 | 13% | 21,300 |
雖然這裡只有中位數和全體就業人口，和 Google、Facebook 的天價年薪還有一大段距離。不過美國 2016 年 5 月的全國中位數收入是 37,040 美元，所有職業平均預期十年人數成長率為 7%；看來就算資訊類的工作裡只看中位數左右的收入，寫程式相對於其他職業選項，在美國仍是筆不錯的投資。碼農是表上少數就業人口衰退的工程師族群，BLS 認為是因為這類工作可能會持續被外包到海外。
然而就算你打算拿 BLS 的預測當人生指引，事情就解決了嗎？使用資料的重點不只在於拿到手，怎麼用也是關鍵。
好賺，但是轉行就賺得到嗎？
BLS 說軟體研發的中位數收入預期超過十萬美元。但是，如果你去寫程式，你賺得到十萬美元嗎？
別誤會，我不是針對你；我的意思是，在座的美國軟體工程師有一半賺不到這數字。這不是什麼深奧的原理（雖然某幾位政界人士似乎不太了解），單純就是根據定義，中位數收入會高於一半的人的收入。然而如果你跳槽去寫程式，你的收入會不會高於中位數的機率並不是一半一半，而是根據你自己的表現和運氣。
如果你是烏龜，和兔子賽跑的時候就要抓緊他睡覺的時間跑。但如果你是烏龜，更好的決定是一開始就別和兔子賽跑，比游泳才是上策。人都有自己做起來相對於其他事情比別人不費力、有趣、或有成就感的事。如果你痛恨線性邏輯的思考方式，跑去寫程式不只痛苦，被老闆修理的機會可能比現在還要來得更高。如果你真的去寫程式，你覺得自己在工程師之間會排在 PR 多少呢？隨著在職業上逐步累積經驗和本領，你覺得過個幾年後又會在 PR 多少？下面這張圖一網打盡所有 PR 值，告訴你美國大學不同的主修在每個百分位預期的終生收入各是多少。
你看看你看看，雖然 PTT 留學版上談論如何從電機轉資工的文章橫行，但以 computer science 和 electrical engineering 而言，兩者之間的關係基本上亦步亦趨，轉行潮可能來自人們對趨勢的預期心理，只是這趨勢還沒有反映在資料裡。1 再看看我們學經濟的，在 PR 75 以上穩居各系預期收入第二名（從來不知道原來唸經濟這麼好賺），但在 PR 5 以下也落後差不多半數的科系。轉行的薪資變化不能只看行業：轉了後會落在分布上哪裡也是重點。
所以轉行是不是真的就能換來較高的收入呢？這其實和我們之前〈唸碩士可以加薪多少？〉談的邏輯是一樣的：目前資工領域的收入分布，來自已經選擇跑去寫程式的人的收入。這些人之所以已經在寫程式領高薪，可能是因為他們本來就相對擅長這類的工作。如果你轉行下去分一杯羹，可能會比多數的工程師厲害，也可能不會。但目前你的薪水與工程師之間的差距，並不只是工作崗位的不同，有一部分也來自你們領域興趣、就業偏好、所學與能力的不同。
如果你對自己成為一名優秀的工程師的潛力很有把握，那是不是跟著 BLS 的建議轉行，就可以抵達飄著股票和錢的地球天龍國呢？問題這樣問，各位就知道答案不是這麼簡單了。
但是預測會準嗎？
雖說沒有非得相信經濟學家的預測不可，但預測畢竟也是應用目前已知資訊的辦法。只是，不做假設就沒辦法做預測：所有的預測，都需要假設預測模型、也需要假設手頭資料裡的規律，足以代表未來的可能發展。但有時候就是運氣不好、假設不適用。再嚴謹的估計，只要碰到過去資料裡不曾出現的例外狀況（像是恐怖份子開飛機撞大樓、說謊成性的地產大亨選上總統等），舊有的資料就很難提供關於未來的資訊。例如 BLS 在 2008 年的同一份預測就預估：
[金融業] 就業在 2006 至 2016 間預期成長 14.4%。
這份報告於 2008 年 1 月出版。2008 年 9 月雷曼兄弟倒閉，金融海嘯全面爆發。結果 2007 年 12 月到 2009 年 6 月間，金融業的就業非但沒有成長，還跌了 5.8%。
所以我到底要相信誰？
看來就算我相信 BLS 的預測和收入 PR 值的統計，還是無法擺脫賭錯職業的可能性。難道我們要回頭去找一葉知秋的 Line 社團代表或電視上的名人，來為我們指點迷津嗎？
然而不論是一葉知秋還是引述權威，依賴的也是數據，但是只有少數幾筆的數據，像是自己或周遭親友的經驗，或是媒體上看來的說法。我們很難超越自己有限的經驗去推測整體的就業與經濟情勢，更難以窺探未來的發展。使用資料庫提供的統計和預測，可以多少克服經驗有限的困難，但仍無法擺脫這世界充滿不確定性的本質；此外，資料反應的是各種交互作用下最終的觀察結果，不是職業或是學歷與收入間的因果關係。調查統計與預測面臨的困境的啟示，不是有資料也沒有用，而是使用任何形式的資料，從街談巷議到政府統計，都不能忽略產生這些資料的過程與現實。
所以，轉職寫程式到底有沒有賺頭？你還覺得這題有確定的答案嗎？
延伸閱讀
參考資料
圖片來源：照片中為居於新加坡的程式設計師林鼎文。根據 BBC 於 2009 年的報導，當時 9 歲的林鼎文成功開發一款 iPhone app。By Lim Thye Chean. - Own work., CC BY 3.0, https://commons.wikimedia.org/w/index.php?curid=14730205
圖表中屬於資訊類主修的科系類別不只一種，此處以 computer science 舉例。其他名稱相近的領域如果收入有落差，反映的可能是不同類型與排名區間的大學在設計主修與分類上的差異。 ↩︎