01 报告背景公众号:中国统计网
随着互联网大数据的日益火热,各大企业对于数据的需求逐日增加。大数据浪潮的袭来,带来了数据分析师岗位的就业。基于此,对前程无忧关于数据分析师岗位招聘的数据进行系统的分析。02 分析目的本分析报告解决以下三个问题:1. 数据分析师岗位在哪些城市需求量较大?2. 数据分析师岗位的薪资待遇情况是如何?3.数据分析师岗位薪资待遇的发展趋势如何?03 分析报告
1. 准备数据源利用爬虫工具对前程无忧进行数据分析岗搜索结果进行爬虫,提取分析字段:职位名称、公司名称、工作城市、薪资待遇、学历要求、工作经验以及公司规模。2. 数据清洗2.1. 清洗学历要求字段因前程无忧学历项不是必填项,在爬虫过程中会抓取错误数据,需要清洗掉。结果如下。处理过程:将包含“招”的单元格直接替换为“无要求”2.2. 清洗工作城市将类似于“广州-天河区”调整为“广州”,便于后期统计城市数据。处理过程:利用数据分列直接调整。2.3. 删除数据重复项职位ID是唯一识别码,所以对职位ID进行排重。处理过程:利用删除重复项功能进行删除。
2.4. 清洗薪资待遇
将日薪直接删除,日薪234个数据均为同一家公司发布的招聘信息,对整体数据会存在一定的干扰性。
将年薪直接删除,年薪234个数据均为同一家公司发布的招聘信息,对整体数据会存在一定的干扰性。
将月薪的区间范围调整为最低值和最高值。
处理过程:最低薪资:利用FIND函数求得“-”从左开始第几位,然后利用LEFT函数从左开始取值,取值范围比“-”位数少1即可;加入IF函数和ISNUMBER函数,判定如果薪资待遇包含“万”,那么计算需要乘以10。最高薪资:利用LEN函数求得单元格字符总长度,再减去利用FIND函数求得“-”的位数,即可求得“-”以后的字符总长度。利用MID函数取值“-”以后的字符再减去3(3即为千/月)。加入IF函数和ISNUMBER函数,判定如果薪资待遇包含“万”,那么计算需要乘以10。平均薪资:利用AVERAGE函数直接求平均值。删除【薪资待遇】列2.5.清洗异常值将不包含“数据分析”、“数据运营”和“分析师”等字符的职位删除掉。
处理过程:利用FIND函数查找特殊字符并返回结果值,利用COUNT函数计数,利用IF函数判定,如果计数成功则为“是”,表示符合数据分析师岗位;如果计数失败则为“否”,表示不符合,可以删除。剩余2293条数据。3. 数据结果可视化3.1. 数据分析师岗位在哪些城市需求量较大?
依据柱形图所示,数据分析师岗位在上海、广州、深圳和北京需求是偏多的。
依据饼形图所示,数据分析师在上海、广州、深圳和北京的需求量接近总数的67%。
小结,如果从事数据分析师岗位,在北上广深可以提升成功的概率。3.2. 数据分析师岗位的薪资待遇情况是如何?
依据柱形图所示,数据分析师岗位大部分集中在1-3年和3-5年,属于年轻化和朝阳化的行业。5-的岗位急剧下降,也就是意味着如果5年后没有能力的提升,那么你的就业竞争就会很大。
依据柱形图所示,数据分析师薪资待遇深圳和北京最高,其次是上海和杭州。追求高薪可以去这些城市发展。3.3. 数据分析师岗位薪资待遇的发展趋势如何?依据折线图所示,随着工作年限的逐步增加,薪资待遇也会逐步增加。
报告总结
1)从就业需求来讲,大量的工作机会集中在北上广深和新一线城市。如果想从事数据分析工 作,去这些城市将提升你成功的条件概率。
2)从薪资待遇上看,数据分析师留在深圳发展是个不错的选择,其次是北京、上海。
3)数据分析是个年轻的职业方向,大量的工作经验需求集中在1-3年和3-5年。对于数据分析师来说,5年的就业岗位数量急剧下降,如果在5年之内没有提升自己的能力,以后的竞争压力会比较大。
4)随着经验的提升,数据分析师的薪酬也在不断提高,以上工作经验的人,能获得相当丰厚的薪酬。
注:因特殊原因,数据图表均未标识数据来源以及爬虫工具名称,请忽略此点。
请扫码关注: