前言
你好，我是可乐
是想和大家持续分享好文章的苦逼数据girl
上周#公众号：大数据架构师 的彭老师给了我一份他社群里数据人薪资调查的数据，让我来做个分享，该如何分析这份数据。
然后我就从一个完整的数据分析流程出发，写了这篇文章，也在彭老师的社群里做了分享，彭老师的社群真不错，经常邀请大佬来进行经验分享，也欢迎大家关注他。
下面就是正文了
数据探查
之前彭老师在群里做了一个数据人薪资情况的小调查，今天我们就通过一个完整的数据分析流程来解读一下这份数据。
明确目的
带着问题出发，明确我们的目的是探索不同岗位、城市、公司数据人薪资是怎样的，所以是一个探索性分析。
数据处理
1、查看并理解字段
拿到数据，大概看一下，总共有184条记录，量不大，那我们就直接用Excel来处理即可。样本量虽然有点少，但贵在真实、有效。
有8个字段：
-
序号：对一条记录的唯一编号
-
提交时间：用户提交问卷的时间，没有特别的含义
-
大佬是什么岗：岗位名称，如数据仓库、大数据开发等7个类别
-
大佬在什么厂：公司类型，如一线巨厂、三线小厂等4个类别
-
大佬的月薪多少：月薪，有1w以下，1~2w等6个区间可选
-
你还有啥想问、想说的：留言
-
递交地点：城市，可以理解为工作所在城市
2、缺失值处理
缺失值只在留言一列中存在，但这是正常现象，没必要做任何操作
3、重复值处理
对于重复值，这里我们认为所有字段都重复的才为重复值，即可删除。通过【删除重复值】的功能来实现，这份数据里没有重复值。
4、异常值处理
关于异常值的处理，一个是对数值型数据的统计学意义上的异常来看，常用的方法是直接画出箱型图来观察。
另一个则是根据业务经验来判断，这里我们可以对城市字段进行分组，方便后续的分析，同时在分组过程中，也发现了一些异常值，这是基于常识经验。
把城市分为一线、新一线、二线、三线、四线、五线，有50个值是没有归属的，情况也不一样。
有的是地点直接显示为国别，如中国、美国，有的是地点显示为省份，如广东、浙江。把省份用其省会城市代替，做一些处理。
最后得到规整的城市对应分组城市类型的数据。
由于数据源是从调查软件中导出，所以整个数据比较规范，在缺失值、重复值、异常值的处理上都比较方便，基本无需做多余的操作，直接拿来用都可以。
数据分析
初级段位：数据罗列
1、单一特征分布
查看这份调查问卷每个字段的情况
根据对单一特征的分析可以知道：
-
在这份样本中，有7个类别的岗位，其中数据仓库岗位的用户最多，占比24.46%，算法类岗位填写问卷的最少，只有3个，其余的如大数据开发、数据分析、产品类等岗位分布大致相同。
-
有近一半的人（42.93%）是在默默无闻的血汗工厂工作。
-
本次调查的人中有约95%的人月入过万，有超过2/3的人是月收入在1~2、2~3W的区间内。
-
在北上广深等一线城市工作的人超过一半（51.63%），其次是新一线城市。
-
底层码农占比44.57%
2、离散型数据分布
查看了单个字段的大致分布后，别忘了我们的目的：薪资！所以要看每个字段和薪资的情况
可以看出：
-
从岗位&薪资上来看，数据分析类岗位1~2w的薪资占比达到了70%，大数据开发岗位2~3w薪资占比60%，其余数据仓库、产品岗等2~3w较多。所以，想要工资高，选择赛道很重要！
-
从级别&薪资上来看，底层码农1~2w薪资水平占比较多（49%），主管/中级工程师同样也是1~2w占比较多，54%的人到了经理/高级工程师的级别后其薪资水平可达到2~3w，总监/架构师及以上的薪资在5~8w和8w以上的人数占比达到了61.5。所以，要想多加薪，升职要上心。
-
从公司性质&薪资上按，一线巨厂和非一线但是听过名字的大厂薪资2~3w的人较多，默默无闻的血汗工厂和三线小厂的薪资在1~2w的人较多。
-
从城市&薪资上看，可以看到，一线和新一线城市的薪资结构差不多，1~2、2~3w占据了大多数，2345线城市2~3w薪资的就不多了。所以，哪儿的工资多？大城市里找工作。
中级段位：多特征联合
4、交叉分析
薪资不单单和某一因素有关，不同的城市、岗位、级别，薪资水平肯定会不一样，因此要进行多个维度的交叉分析。
-
大厂里岗位分布比较均匀，三线小厂和默默无闻的血汗工厂数据仓库岗位尤其多，数据分析类岗位在各个厂都是1~2w人数居多，数据仓库岗在默默无闻的血汗工厂、三线小厂里主要是1~2w、2~3w居多，大胆猜测为彭老师人脉受众主要是做数据仓库的，比较成熟了，所以样本多薪资高。
-
不同城市里岗位的分布，一线城市大数据开发类、数据仓库岗位较多且薪资在1~2,2~3w，其他城市岗位分布比较散，当然也可能和样本有偏有关。
查看各岗位的城市分布及薪资情况
-
大数据开发岗在北京、深圳的薪资较高（5~8w及以上）
-
相比其他数据类岗位，偏管理岗在其他城市也有了分布，整体薪资较高，在一线城市反而也有1w左右的，猜测1线城市用工不愁？
-
数据仓库岗样本量多，分布也较广，在各个城市基本都是1~2w,2~3w较多
-
数据分析岗没有5w及以上的，主要是因为样本中没有级别总监及以上的，所以拉低了数据分析岗位的平均薪资
-
算法岗由于样本量太少（3个），城市薪资差异也较大
查看级别的城市分布同薪资情况
-
底层码农在深圳1~2w的居多，上海北京1~2w和2~3w的分庭抗礼
-
主管/中级工程师在一线城市2~3w的会多一些，其他二线城市主要是1~2w
-
经理/高级工程师在各个城市基本上都是2~3的居多
-
总监/架构师及以上基本在3~5w及以上，青岛、广州、上海有1~2w的
总结一下：
-
4个最多：数据仓库岗位人群最多，一线城市工作的人最多，默默无闻的血汗工厂工作的人最多，月入2~3w的人最多（与样本群体相关）。
-
薪资水平：以这份调查样本来说，数据人平均薪资在2.5w左右。
-
岗位选择：一线城市较其他城市提供的岗位有更多的选择性，除了数据分析岗薪资是1~2w，其他数据岗位薪资均在2~3w较多。
-
职业发展：在职业阶段初期，底层码农和主管/中工薪资结构差不多，再往上薪资水平就可提升一大截。
-
城市选择：大厂主要集中在一线城市，各个岗位分布较为平均且整体薪资较高。
高级段位：一些思考
让我们抛开这份样本来思考，从整个行业来看，数据人的薪资、岗位、职业、城市又有着怎样的趋势？可以带着3个问题来思考。
Q1：数据类岗位薪资最高的是？
数据类岗位应属于信息传输、软件和信息技术服务这类职业中，可以看到，除了管理层和金融服务外，它的工资排名第三，有90%的人能拿到17.28w的年薪，整个行业向好。
图片来源：https://baijiahao.baidu.com/s?id=1685844303517109782&wfr=spider&for=pc
细分到数据类岗位，可以参考的是，数据分析岗年中位数薪资为14.6w，数据仓库18.1w，大数据开发21.4w，产品经理19.3w，算法工程师23.8w，要努力精进自己的技术。
图片来源：薪智
Q2：是否职位越高，薪资越高？
从人社局公布的分岗位等级从业人员薪资分位值上可以看出，不管是技术类还是管理类，职位越高，薪资也会随着增长，但我们也发现，就算是高层管理岗有10%的人拿着5w年限左右的薪资，也有38万年薪就超过了90%的人，所以打铁还需自身硬，数据人，加油！
数据来源：人社部2019年企业薪酬调查信息
Q3：哪些城市的薪资最高？
通过统计各大城市的平均薪资和薪资中位数可以看到，北京、上海、南京、深圳、广州、杭州等一线、新一线城市平均薪资过万，当然平均值过于被极值影响了，从薪资中位数上看，只有北京、上海薪资中位数超过了6000，要高薪，还是要到大城市去。
数据来源：国家统计局2019年各地市工资/镝数聚
数据展示
简单地用Excel做了一个可视化大屏，做了2个动态交互效果，一个是通过列表框控件的选择显示的圆环图，可以看到起分布占比。
另一个交互效果是数据透视表里切片器，通过将数据透视表联动，选择不同的岗位，可得到相应的图形。
参考:
1.https://baijiahao.baidu.com/s?id=1685844303517109782&wfr=spider&for=pc
2.http://www.mohrss.gov.cn/SYrlzyhshbzb/laodongguanxi_/fwyd/202011/t20201127_399756.html
3. https://www.sohu.com/a/437246584_120179484
4. https://hizdm.cn/salary/list.html
5. https://data.stats.gov.cn/easyquery.htm?cn=E0105
结语
这篇文章就到这里了，参与了一次彭老师社群里的分享，也给我自己带来了许多思考，既提升自己又帮助他人，这才是公众号应有的价值吧，彭老师的社群真的不错，还是非常推荐大家关注他的公众号并参与他的社群，看他分享的内容。
