爬取6874条数据，告诉你数据分析师的薪资待遇~！

公众号：中国统计网

01 报告背景

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。5-10年的岗位急剧下降，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，10年以上工作经验的人，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：