EXCEL——數據分析師崗位分析

EXCEL——數據分析師崗位分析

來自專欄猴子聊數據分析4 人贊了文章

本文主要應用EXCEL對招聘網站上數據分析職位的相關信息進行分析，數據來源於網路。

數據分析一般有五個步驟：提出問題，理解數據，數據清洗，構建模型，數據可視化。那麼，每一個步驟如何進行呢？在開始分析前我先製作了一份思維導圖，一份思維導圖幫助我們了解整個分析工作，避免遺漏要分析的信息，以及減少分析過程中出現的問題。

一、提出問題

一切數據分析都是以業務為核心目的，而不是以數據為目的，因此，我們首先要明白的就是我們分析的目的是什麼?也就是提出問題。本文主要分析以下幾個問題：

1.不同城市對數據分析師的需求如何？

2.數據分析師的薪資水平如何？

有了目標，我們就可以進行分析了。

二、理解數據

首先，我們先看一下columns的含義：

city 城市

companyFullName：公司全名

companyId：公司ID

companyLabelList：公司介紹標籤

companyShortName：公司簡稱

companySize：公司大小

businessZones：公司所在商區

firstType：職位所屬一級類目

secondType：職業所屬二級類目

education：教育要求

industryField：公司所屬領域

positionId：職位ID

positionAdvantage：職位福利

positionName：職位名稱

positionLables：職位標籤

salary：薪水

workYear：工作年限要求

在提出問題階段以及通過我們的思維導圖，可以得出我們主要需要以下數據：city、industryField、positionName、salary、workYear。餘下的數據：

①companyFullName、companyId、companyShortName都是區分公司的留下一個companyID；

②positionId作為唯一標示，先不刪除；

③companySize、businessZones companyLabelList、firstType、secondType、positionAdvantage、positionLables這次分析都用不到，這些信息先隱藏，不要刪除；

以下大概就是我們需要的數據：

再仔細看一下：

①positionName里的職位真是非常多，有些數據工程師，數據專員等並不是我們需要分析的職位，還需要對職位進行篩選。

②salary一列數值格式不正確，這樣的數據我們並不能用來分析，還需要對數據進行一致化處理，對與salary我們採用平均工資進行分析。

三、數據清洗

1. 去除無關數據列

首先整理好我們需要的數據，對於原數據最好單獨保存一份，誰知道以後還會不會用到，把我們需要的數據取出來，這裡只保留我們需要的數據。

2.刪除重複值

以positionId/companyID作為唯一標示進行擴展，刪除重複項，可以看到有1845個重複值，已經刪除。

3.數據格式一致化處理

①salary列一致化處理

在理解數據階段，我們已經確認了用平均工資作為薪水分析，首先要先求出最高與最低工資，在進行平均求值，先建三個輔助列

最低工資就是第一個「k」之前的內容，輸入函數 「=--LEFT(H2,FIND("k",H2,1)-1)」。首先用Find函數找到第一個「k」的，我們不需要「k」，所以在減1，再用left函數截取，位置公式前加入「--」將結果變為數值，方便後面運算。

最高工資思路相同，由於是「-」』和第二個「k」中間的內容，這裡要用MID函數，使用公式「=--MID(H2,FIND("-",H2,1)+1,LEN(H2)-FIND("-",H2,1)-1)」。使用find函數找到「-」位置，加1，這也就是MID函數第二個值，再用len函數求出字元串長度減去「-」前長度，減一求出MID函數第三個值。

最後使用Ctrl+D進行填充求出所有值，用公式「=AVERAGE(I2:J2)」求出。

我們檢查一下是否有臟數據，對平均工資一列進行篩選發現竟然有錯誤值，why？？？仔細看原來「salary」一列數據格式不一致，「k」有大寫，還有「8k以上」，幸虧有檢查數據結果，另一方面也說明我們理解數據工作做得不到位，看來理解數據還是十分有必要的。

使用替換將「K」替換為「k」，由於「8k以上」沒有準確數值，最高最低都取「8k」，對錯誤值篩選，Top salary列公式和low salary列公式一樣就OK了，在檢查一下數據，現在沒有錯誤值了，處理OK。

② positionName列一致化處理

positionName有很多不是我們要分析的職位，先找出我們要的職位，建立輔助列輸入「=IF(COUNT(FIND({"數據分析","數據運營","分析師"},K19)),1,0)」，找出{"數據分析","數據運營","分析師"}職位，是結果為1，否則為0，最後對輔助列篩選，找出符合條件的數據。

四、構建模型

1. 不同城市對數據分析師的需求如何？

①根據城市與工作年限、崗位數建立數據透視表，我們可以發現北京的需求最大，其次是上海、、深圳，最後是杭州、廣州等城市，說明目前數據分析師這一職業還主要在一線城市及次一線城市，對於求職者，專註於一線城市更容易找到一份滿意的工作。

②通過數據透視表我們還發現1-3年和3-5年兩個時間段的缺口更大，說明數據分析師這一行業對於對於人才的需求已經逐漸增加，發展前景還是比較好的。此外，我們發現應屆畢業生似乎比1年一下經驗的更吃香，不過這也說明了這一行業對於新人也是有一定的需求的，對於應屆畢業生也是一個選擇方向。

2.數據分析師的薪資水平如何？

①薪資水平是我們比較關心，也是最在意的的了。總體來看，數據分析師的薪資還是挺高的，北京、深圳、上海達到了19k左右，杭州、蘇州、廣州達到了15k左右，其餘地區也達到了10k左右。不過，工作經驗對薪資水平的影響還是很大的，一年及以下大概在7k~8k，1~3年達到了13.8k，3~5年達到了20k，5~10年達到了26.84k，10年以上達到了37.17k。說明崗位的升值空間還是很大的，薪資水平也是比較高的，未來發展較好。

②我們發現工作的前五年薪資的漲幅是比較的大的，這說明工作前幾年是我們成長變化的最佳時期，對於數據分析師來說，充分利用這段時間成長，對於未來會有很大幫助的。此外我們發現廣州和深圳零經驗與一年工作經驗的漲幅比較大，排除數據量的影響，這說明對於應屆畢業生愛說，廣深是個不錯的選擇。

五、 數據可視化

最後是數據可視化。任何一項分析的最終都是要得出分析結果，展示給客戶或者老闆，那麼，採用何種方式展示以及展示圖表，展示流程也是很重要的，在文章的最後分享一下對於兩個問題製作的部分圖表，當然，可視化過程不止這些，如何有效的展示也是數據分析師必備的能力。

1.不同城市對數據分析師的需求如何？

2.數據分析師的薪資水平如何？

推薦閱讀：