一個簡單的例子·如何使用excel進行數據分析？

來自專欄猴子聊數據分析6 人贊了文章

數據分析是的終極目的是解決現實問題，因此要從需求方的具體要求出發。

假設業務部門提供給我們一組關於數據分析師招聘崗位的相關信息，並且向我們提出如下問題:

1）在哪些城市找到數據分師工作的機會比較大？

2）數據分師的薪水如何？

在整個進行操作的過程中，我們應該時刻保有一種歷史，就是每一步操作都為之後的操作做準備。因此每一個動作都是有用的，這是一種結果導向型的思維。

我們首先應該複製一份原數據的，副本，然後在副本上進行操作，而將原數據保留。

然後應該根據這三個問題，找出其中的關鍵詞，也就是理清楚我們到底要什麼樣的結果。

1）在哪些城市找到數據分師工作的機會比較大？ （城市）

2）數據分師的薪水如何？ （薪水）

3）根據工作經驗的不同，薪酬是怎樣變化的？（工作經驗與薪水的關係）

（數據分析師——職位名稱）

括弧里標出來的就是我們從這幾個問題裡面提取的關鍵詞。這就是所謂的理解問題。由此推出我們需要重點關注的列包括：「城市」「薪水」「工作經驗」「職位名稱」

下一步我們就要根據實際需要進行數據清洗。一般來說，數據清洗包括以下的幾個步驟，但是我們在具體操作時，可以根據實際情況靈活運用。

為了可以清晰明了的看整個表格，我會給其中關鍵的幾項增加顏色背景，給表格加邊框。

仔細觀察後發現，與我們所要研究的問題有關的幾項，包括城市職位名稱，薪水，和工作年限要求。我們把這幾項高亮。

下一步祛除冗餘內容和刪除重複值，仔細觀察後發現公司名稱，公司ID和公司簡稱表達的是同一個意思，因此我們可以保留最為簡便的公司簡稱，而將其他兩項隱藏掉。

接著要刪除重複值，尋找所有列中沒有重複性的一列，以此為基準來刪除重複值，如在本例中，職位id是唯一，因此我們以它為基準刪除重複值。

然後重點觀察一下，我們高亮的那幾列。是否存在缺失值的問所謂一句話處理就是將某一列中所有題。存在的話把缺失值補全。這裡會用到excel的「開始」-「查找和選擇」-「定位條件」

PS：處理缺失值的四種方法：

a手動補全缺失值，適合確實數值比較少的情況

b刪除缺失數據

c用平均值代替缺失值

d用統計模型計算出的值代替缺失值

所謂一致化處理，就是將一列中，所有的單元格中的內容形式進行統一，在本例中，公司所屬領域一列中，而部分內容是只有一項，而另一些有兩項。這時可使用分列功能，將其處理為兩列，但在本例中，沒有這樣的需求，因此不做處理。

這裡我們重點要處理薪水那一列。原始數據只給出了每一個具體職位的薪資範疇，這樣的數據我們不能直接運用，因此我們要將它轉成，最高數據和最低數據，然後求得平均數據。最後運用平均數據這個數值來進行一些相關的，薪水方面的分析。這裡除了可以用分列功能來進行之外，還可以用函數來實現這一過程。

這裡主要會應用到以下幾個函數，主要是定位和截取字元串的函數。

Find（find text，within text，start_num）

LEN（text）

LEFT（text，Num_chars）

RIGHT(text，Num_chars)

MID(text，start_num，Num_char)

關於函數的運用，可具體參考excel相關文件。在此不做贅述。

已知薪水為xk-yk，薪水的起始單元格為P2

那麼最低薪水R列的演算法

思路：從左起截取k前的數字x ---> 使用LEFT函數 ---> 算出text，Num_chars

text=P2

Num_chars=k前面的字元數n=k前一個字元位於第n個數=FIND("k",P2)-1

從左起截取k前的數字x=LEFT(P2,所在位置)=LEFT(P2,FIND("k",P2)-1)

此時的得出的結果是數字表示的字元串

那麼最高薪水S列的演算法

思路：截取y ---> y在中間用MID函數 ---> 算出text，start_num，Num_chars

text=P2

start_num=分隔符後一位數字y的位置=分隔符的位置+1=FIND（「-」，P2）+1

Num_chars=字元串總長度 - y前面的字元數 - 第二個k的長度（就是1）

= LEN(P2)- FIND("-",P2)-1

從中間截取y =MID(P2,FIND("-",P2)+1,LEN(P2)-FIND（"-",P2)-1)

檢查Q、R兩列中出現錯誤的原因，最終發現，是由於P行數字的問題，因此，將P行中大小寫統一，再將「……以上」的行中，最高薪水等同於最低薪水。最後求得平均值。

在職位名稱一列，仔細觀察後，會發現，某些不屬於數據分析的一些職位，也被歸入到制這個表格的數據中，因此要把這些數據剔除掉。

這裡使用幾個函數

IF(Logical_test,Value_if_true,Value_if_false)

COUNT(value1, [value2], ...)

Find（find text，within text，start_num）

在職位名稱右側插入列，並命名，在L2插入函數

IF(COUNT(FIND({"數據運營","數據分析","分析師"},L2)),"是","否")

最後再用「數據」-「篩選」功能，篩選出符合條件的數據

數據清洗完畢，將最後的數據複製粘貼到另一張表格中，開始利用數據數據透視表等工具建構模型。

1）在哪些城市找到數據分師工作的機會比較大？

2）數據分析師的薪水如何？

3）根據工作經驗的不同，薪酬是怎樣變化的？

關於問題一，我們以城市分組統計了各個城市數據分析人員的崗位需求，得到左上角的圖表，結論是數據分析崗位需求前五的城市分別是北京、上海、深圳、廣州和杭州。而在這五個城市中，需求最多的是具備1-3年工作經驗的崗位。

結論：我們選擇數據分析師相關崗位時，去北京、上海、深圳、廣州和杭州這五個城市會獲得相對較多的工作機會。這類型崗位是一個新興的職業，因此選擇現在加入這一行業是具有可行性。

關於問題二和三，數據分析師崗位的平均薪水約為12k，與其他行業相比較高。在行業內薪水最高的是具有5-10年經驗的人，約為21k。而薪水漲幅較大的倆個階段分別是工作1-3年和3-5年。並且隨著工作經驗的增長，工資也持續增長。

結論：這是一個可長期發展的職業，不存在吃「青春飯」的問題。

推薦閱讀：