1.研究背景

由于很多公司都需要数据分析，所以就想研究一下最近比较火热的岗位，希望通过本文的分析能够给广大求职者一个借鉴。

2.分析思路

（1）明确分析思路

想要了解数据分析类岗位招聘现状，可以从一下几个维度去进行现状下描述性分析：

招聘数据分析的公司有哪些特点？——公司基本信息

招聘薪酬待遇如何？——职位基本信息

招聘有什么要求？——职位要求信息

（2）搭建指标分析体系

针对以上分析维度问题搭建维度指标体系

3.数据采集

（1）采集工具

在八爪鱼采集器或者python爬虫。

（2）数据来源

采集拉勾网“数据分析”岗位，具体操作可从网络上学会。

4.数据清洗

（1）数据预处理

第一步先备份数据，隐藏不需要的列，修改列名。

第二步理解表中行列数据，观察数据有没有缺失值，有无错位，或者一些影响分析的脏数据，根据相关的观察并处理数据。

第三步经过上一步的的简单清洗，心中应该有此数据元清洗加工的大致方向。

（2）数据清洗

a 处理重复值

在excel数据-删除重复值，检测到78条重复项，故删除。

b 处理缺失值

查看计算每列是否存在缺失值，如果一个字段数据确实超过40%，就要考虑删除重新获取数据或作其他措施。通过数据发现该数据并没有缺失值，所以无需处理。

c 处理异常值

公司所在地区是城市加地区，需将它们进行分析才能刚好地进行分析。利用分列功能将他们进行分列，并查看数据是否规范。

d 数据加工

观察到薪资列为文本数据，将其转换为数值型。通过观察数据，可以看到这列数据都有一个共同的特质，都是XXk-XXk。可以通过分列将数据分为最低工资和最高工资，替换k，就可以将数据变成数值了。

提取后的部分数据如图所示

5.数据可视化

（1）招聘公司分析

招聘数据分析的公司有什么特点呢？主要从招聘公司所在地区、公司规模，以及公司所属行业等维度指标来进行分析。

a 招聘的公司主要分布在那些城市？

从上述结果来看，北京是数据分析岗位占比最大的，占比高达30%，其次是上海，占比也到了26%，再然后就是深圳、广州、杭州、成都。其他城市的需求较少。

b 招聘企业都属于那些规模？

由此可知，公司规模越大，招聘的数据分析职位就越多。符合企业规模越大，产生的数据量级越大的一般规律，数据分析/挖掘的需求也越旺盛。

从以上结果可以了解到，数据服务是招聘数据分析岗位最多的行业，其次就是金融/游戏/电商等行业是招聘数据分析的主要行业，如果大家需要选择行业的话，也可以以此为参考。

以便于同时观看城市和行业对招聘的需求影响，且由于数据比较分散，故通过城市筛选出北上广深杭五个城市。

（2）薪资待遇分析

招聘的薪资待遇如何呢？一般通过城市、行业、学历、经验等密切相关，针对不同的影响因子，进行简单的描述性分析。

a 城市的不同，对需求和薪资的影响分布

由上述结果可知，香港的薪资最高，但是企业所招聘的数量较少。而对于北京、广州、深圳、上海、杭州的招聘数量较多，薪资水平也不低。

b 行业的不同，对薪资的影响的状况？

标出行业前10%的数据，以便于更好地进行分析。除了电商平台和内容咨询这两个行业，其他行业薪资前10%的行业大多都是招聘数量较少的行业，例如薪资最高的区块链行业，岗位招聘的占比才0.27%。所以说热门做数据分析的行业薪资不一定是最高，但是也不会差到哪里去，从数据上看，反而是冷门的行业做数据分析反而薪资最高。

c 经验与学历的不同，对薪资的影响

在不限经验的时候，博士的工资在几个学历中是最高的，5-10年经验的本科和硕士的工资在25-30k，1年以下的薪资最低。1-3年和在校的薪资都差不多，10年以上经验的硕士工资最高。由此看来，工作经验的提升和学历的提高，薪资待遇也会越来越高。

（2）岗位要求

招聘岗位有什么要求呢？主要从工作经验、学历、软件技能等维度进行分析，但由于数据中没有软件技能的数据，所以只对工作经验和学历进行分析。

a 经验的不同，对需求和薪水的影响

经验	平均值项:平均工资	计数项:招聘岗位
10年以上	45	0.27%
1-3年	16.92553191	25.47%
1年以下	14.6	1.36%
3-5年	24.06462585	39.84%
5-10年	29.74489796	13.28%
不限	22.68181818	14.91%
在校	17.41666667	4.88%
总计	22.39837398	100.00%

符合一般规律：基本上符合工作经验越高，薪资越高。工作经验3年以下的占比高达50%以上，说明该行业对对求职者的工作经验是比较包容的。

b 学历的不同，对需求的薪资的影响

学历	平均值项:平均工资	计数项:招聘岗位
本科	22.85648148	87.80%
博士	45	0.27%
不限	26	1.90%
大专	11.9375	2.17%
硕士	20.31818182	2.98%
应届	17.41666667	4.88%
总计	22.39837398	100.00%

该岗位对本科的招聘数据达到了87.8%，在各项数据中相对占优势的硕士学历占比为2.98%，说明数据分析岗位对学历的要求标准为本科。且本科和硕士的薪资相差不大明显，也就是新兴的岗位学历要求不高，对求职者是利好的消息。

6.总结

各城市的岗位需求北京>上海>广州>深圳>杭州>成都，可以按照以上顺序去找工作，在以上顺序下也可以按照数据>服务金融>游戏>电商顺序去找工作，比较好找。

从招聘需求和薪资来看，招聘本科的需求占87.8%，工作经验也主要集中在1-5年经验，并且经验的积累是明显大于学历提升对薪资的影响。建议重点提升自我的工作经验和能力。

不足之处在于没有抓取到职位的软件技能，其实对于初级数据分析师，excel可以解决80%的问题；对于中高级数据分析师，后期必须多积累经验并掌握编程工具：sql、tableau、python等。

数据来源于拉勾网，而拉勾网是比较偏向互联网招聘，可能会影响城市/行业/薪资的需求分布，以上也仅仅作一个参考。

基于excel的数据分析相关推荐

《数据分析实战：基于EXCEL和SPSS系列工具的实践》——3.3　耗时耗力的数据整理过程...
本节书摘来自华章计算机<数据分析实战:基于EXCEL和SPSS系列工具的实践>一书中的第3章,第3.3节,作者纪贺元,更多章节内容可以访问云栖社区"华章计算机"公众号 ...
《数据分析实战基于EXCEL和SPSS系列工具的实践》一3.4　数据量太大了怎么办
本节书摘来自华章出版社<数据分析实战基于EXCEL和SPSS系列工具的实践>一书中的第3章,第3.4节,纪贺元著,更多章节内容可以访问云栖社区"华章计算机"公众号查 ...
《数据分析实战基于EXCEL和SPSS系列工具的实践》一第2章数据分析的理论、工具、模型...
本节书摘来自华章出版社<数据分析实战基于EXCEL和SPSS系列工具的实践>一书中的第2章,第2.1节,纪贺元著,更多章节内容可以访问云栖社区"华章计算机"公众号查 ...
《数据分析实战:基于EXCEL和SPSS系列工具的实践》一3.4　数据量太大了怎么办
本节书摘来华章计算机<数据分析实战:基于EXCEL和SPSS系列工具的实践>一书中的第3章 ,第3.4节,纪贺元著更多章节内容可以访问云栖社区"华章计算机"公众号查 ...
《数据分析实战基于EXCEL和SPSS系列工具的实践》一3.2　用“逐步推进法”推测需要的数据...
本节书摘来自华章出版社<数据分析实战基于EXCEL和SPSS系列工具的实践>一书中的第3章,第3.2节,纪贺元著,更多章节内容可以访问云栖社区"华章计算机"公众号查 ...
2020年最强悍的EXCEL插件！基于EXCEL的云端数据分析平台
EXCEL一直是非常流行的个人计算机数据处理工具,它可以处理多种多样的数据,操作非常简单,支持丰富的函数.统计图表,在工作中更是非常得力的生产力工具.然而随着时代的不断演进,现如今由于大家对于数据工具 ...
《数据分析实战：基于EXCEL和SPSS系列工具的实践》——2.3　在分析需求和模型之间搭起桥梁...
本节书摘来自华章计算机<数据分析实战:基于EXCEL和SPSS系列工具的实践>一书中的第2章,第2.3节,作者纪贺元,更多章节内容可以访问云栖社区"华章计算机"公众号 ...
[论文阅读] (26) 基于Excel可视化分析的论文实验图表绘制总结——以电影市场为例
<娜璋带你读论文>系列主要是督促自己阅读优秀论文及听取学术讲座,并分享给大家,希望您喜欢.由于作者的英文水平和学术能力不高,需要不断提升,所以还请大家批评指正,非常欢迎大家给我留言评论,学 ...
R与Excel之数据分析
R与Excel之数据分析 Excel 是一款很好用的数据分析工具,但是你分析数据时只有 Excel 这一款工具的话,则会大大影响工作效率.相比之下,R 工具更好用,而且提供的工具集模块更完整. 我从事 ...

基于excel的数据分析