录取环境（L0）· 学科实力（L1）· 高校招聘需求（L2）· 就业结果（L4）· 专业需求热力，共 17 个数据维度，全部口径来自官方渠道归集的分省数据契约与消费大表，随采集持续刷新；本页为静态快照。
本省院校整体格局：层次分布、办学规模与招生体量，以及高教资源在省内城市间的集中程度。
数据来源：高校基础信息库。左侧为办学层次结构，右侧为城市分布（本科/专科分色堆叠）。
给定一个分数能排到全省多少名——这是把「估分数」换算成「定位次」的基础尺子，判断冲稳保全靠它。
数据来源：一分一段统计。按科类切换，点击图例可隐藏单条年份曲线。
目标院校近三年要多少分、排到多少名——判断一所学校是「稳」还是「今年跳了」，靠这条曲线的走向。
把核心校 × 近三届铺成一张表：颜色越深竞争越烈，一眼看出哪些学校近年在持续升温。
口径：核心校 × 近三届（理工类 avg min_score），数据来源：分省分校录取数据。
这所学校最卷的专业是哪个、要多少分——专业层面的真实天花板，比校级平均分更有参考意义。
选定院校录取分最高的 25 个单专业（已剔除专业组编组），按科类切换查看。
哪所学校的出口更宽——就业率高说明直接就业能力强，升学率高说明更多选择继续深造。
数据来源：高校就业质量年报（四川校中有就业数据的院校），按就业率降序。
这些学校的毕业生都去了哪里——留省比例是家长最常问的问题之一，本省就业机会是否真的够用。
核心校 region_distribution 规范化后拆成两张单维度表：按省份（城市并入所属省）与按大区（省/市上卷到 7 大区+海外），互不混用。
毕业生主要流向哪些行业、进了国企还是民企——这决定了这个学校给的是「饭碗」还是「本事」。
核心校 industry_distribution 与 employer_type_distribution 聚合。单位性质已标准化清洗为 5 大类（国有 / 民营 / 三资外资 / 机关事业 / 其他），消除各校分类粒度不一致导致的重叠。
哪所学校最容易拿到实习 offer——线下岗位量是招聘活跃度最硬的量化信号。
数据来源：四川高校招聘公告。统计口径=线下宣讲与招聘会岗位，在线岗位仅并排参考；深色柱=核心校。
招聘岗位是在变多还是变少——看本省校招市场的整体温度，以及哪所学校三年里一直在扩招。
数据来源：四川高校线下招聘岗位的发布日期。届定义：Y届 = (Y-1).09.01 ~ Y.08.31；仅统计含有效日期的岗位，无日期数据单列、不参与趋势对比。
| 高校 | 日期未知 | 近三年小计 |
|---|
来校招聘的企业具体在招什么——行业、招应届还是招实习、进什么性质的单位，三张图拆开看。
四川院校线下校招岗位的维度拆解。招聘形式与单位性质均已做清洗归并（与 A8 同一标准化映射）。
每个学生分别通过来校宣讲、双选会、线上投递找到机会——三条路线的比例决定了各自该把重心放在哪。
每校三渠道真实构成：onsite 来校 + jobfair 双选为线下分析口径（堆叠），online 仅参考（浅灰）。
本省高校强在哪几个学科——学科评估是官方口径的硬指标，直接影响选专业方向。
数据来源：教育部学科评估结果（核心校）。左侧为总体等级分布，右侧为各校等级堆叠。
哪所学校的哪个学科强——按学科逐个横向比对，避免被「综合排名」掩盖真实强弱。
核心校 × TOP10 学科，色深代表评估等级（A+=9 … C-=1），直观呈现各校优势学科集群。
招聘市场当下最缺哪类专业人才——这是「学什么更好就业」最接近需求端的一份证据。
数据来源：近三年核心高校来校招聘岗位。需求指数按岗位出现频次归集。
把这所学校放进录取难度、就业、升学、校招、学科、保研六个维度同时看——雷达图的形状就是它的性格。
六维归一化（0–100）：录取难度(位次逆)、就业质量(就业率)、升学(深造率)、校招活跃(log岗位量)、学科实力(A类数)、保研率。右侧为原始指标表。
哪些学校是「分数不算高、但就业不差」——右上角之外、左上象限里往往藏着性价比更高的选择。