数据分析就业指南_数据处理

数据分析类岗位目前的就业形势是怎样?早在2017年,马云在IT领袖峰会上就曾说:“在未来,一切业务数据化,一切数据业务化,企业才更有出路”可见数字化的道路已经成为未来企业发展的必经之路,数据分析已经包含在我们生活的方方面面。

数据分析就业指南_数据_02

2017年IT领袖峰会-马云演讲

数据分析类岗位目前的就业形势是怎样?要回答这个问题,最好用数据说话,本文爬取猎聘网的数据,告诉你未来的数据分析岗就业形式,对于即将从事数据分析的你给予部分经验。


数据获取

公众号后台回复

0530

获取本节PowerBI分析看板及数据

数据导入

爬取数据分析岗就业数据后,使用PowerBI软件做处理,打开PowerBI软件后点击Excel工作簿导入数据。

数据分析就业指南_数据_03

从工作路径选择要导入的数据文件。

数据分析就业指南_数据分析_04

在导航器勾选数据源,点击转换数据进行数据处理。

数据分析就业指南_数据分析_05

数据预处理

PowerQuery会默认的添加一个列名,点击将第一行用作标题,即可将表头提升。

数据分析就业指南_数据处理_06

薪酬这列是按照最低和最高工资给了一个范围,但实际公司招聘是按照最低工资招聘的,所以为了数据更加贴近实际工资,这里取最低工资,点击拆分列,按分隔符拆分。

数据分析就业指南_数据处理_07

按照分隔符拆分,在拆分符中选择自定义,本次按照短杠进行拆分。

数据分析就业指南_数据处理_08

点击确定后将薪酬拆分为最高和最低薪酬两部分,我们选择最低工资作为研究。

数据分析就业指南_数据处理_09

薪酬这一列默认为文本类型,点击数据类型选择整数,做数据类型变化。

数据分析就业指南_数据处理_10

在做数据类型转化时,面议转为数值型时会报错,点击删除行删除错误。

数据分析就业指南_数据_11

将薪酬数据整理好后点击添加列,使用条件列对薪酬数据做一个薪酬分组。

数据分析就业指南_数据分析_12

添加条件列,依次写入条件,将薪资分组进行输出。

数据分析就业指南_数据_13

同时发现地区这一列也包含短杠,使用拆分列功能进行拆分。

数据分析就业指南_数据处理_14

数据清洗后点击关闭并应用上载数据。

数据分析就业指南_数据_15

研究数据分析岗的学历情况

点击可视化对象中的柱形图,将学历拖入到轴,公司名称拖入到值。

数据分析就业指南_数据处理_16

由图可以看出目前的数据分析岗大多是本科及以上学历。

数据分析就业指南_数据_17

研究数据分析岗的薪资分布

点击可视化对象中的饼图,将薪资分组分别拖入到图例和值中。

数据分析就业指南_数据分析_18

由图可以看出,目前大部分数据分析岗的薪资在一万以下或者一万到两万的区间,薪资占比最高,这个取决于工作年限以及个人的数据分析技能水平。

数据分析就业指南_数据处理_19

研究数据分析岗的工作年限分布

点击可视化对象中的条形图,将工作经验拖入到轴,公司名称拖入到值。

数据分析就业指南_数据处理_20

由图可以看出,从事数据分析岗目前大多在3-5年的工作经验。

数据分析就业指南_数据分析_21

研究数据分析岗的就业分布

点击可视化对象中的地图,将地区拖入到位置,将公司名称拖入到大小。

数据分析就业指南_数据_22

由图可以看出,数据分析岗的就业需求主要集中在北上广深这些一线城市。

数据分析就业指南_数据_23

为了将数据结果更好地呈现出来,可以在视图中自定义一个图表模板。

数据分析就业指南_数据处理_24

搭建的数据可视化的结果如下所示。

数据分析就业指南_数据处理_25

我们可以得出结论:

  • 目前数据分析岗大多是本科及以上学历
  • 数据分析岗的薪资范围集中在一万左右
  • 数据分析岗目前工作经验在3-5年的居多
  • 从地域来看主要分布在北上广深一线城市

现在不管是互联网公司还是传统企业,基本都转成信息化办公,这对员工的数据处理和分析能力要求非常高,特别是要想升职加薪,数据分析+逻辑思维已成为了一个必要条件,用数据去说话也是成熟企业/公司的要求,关注我,一起向高阶数据分析进发。

后台回复数据分析入门,获取数据分析入门资料

加入数据分析资料群,一起交流数据分析知识

和作者一起学习数据分析!


👆点击关注干货速递👆


三年互联网数据分析经验,擅长Excel、SQL、Python、PowerBI数据处理工具,数据可视化、商业数据分析技能,统计学、机器学习知识,持续创作数据分析内容,点赞关注,不迷路。