python数据分析就业市场调查报告

就业市场调查报告

基于Python语言的特性,加上历史和文化上的原因,Python发展出了一个大型、活跃的科学计算及数据分析社区。近些年,Python提高了对数据类库的支持,使得它成为数据分析任务的一个流行选择。再综合考虑Python在通用软件工程上的总体实力,它便成为数据分析的首选语言。

一、Python数据分析师的行业需求

图片来自网站搜索

python数据分析就业市场调查报告_第1张图片

python数据分析就业市场调查报告_第2张图片

Python数据分析适用于众多行业,包括并不局限于网站运营、销售竞争、新媒体传播、互联网公司对数据的分析等。Python数据分析人员主要担任的岗位:企业运营人员、数据分析师、python工程师、数据挖掘工程师。据分析师岗位行业区别分布差异较大,具有鲜明的行业特点,其中 IT互联网、通信需求量最大,其次,金融、银行、保险、教育咨询及第三方服务业的范围较过往有所增长,该几类行业在短期内无论是产品端、用户端、运营端等都实现大大数据的原始积累,数据增长速度依然可观。 随着大数据的火热发展,各行各业均呈现出了数字化转型的要求与趋势,更多行业及其细分行业对数据分析师岗位的需求增大。

二、Python数据分析师技能要求

行业应聘指标

python数据分析就业市场调查报告_第3张图片

从事数据分析的python人员需要掌握的技能:

1、数学知识
数学知识是数据分析师的基础知识。Python数据分析需要学习重要的数学知识。对于初级数据分析师,了解一些描述统计相关的基础内容,有一定的公式计算能力即可,了解常用统计模型算法则是加分。对于高级数据分析师,统计模型相关知识是必备能力,线性代数(主要是矩阵计算相关知识)最好也有一定的了解。
而对于数据挖掘工程师,除了统计学以外,各类算法也需要熟练使用,对数学的要求是最高的。所以数据分析并非一定要数学能力非常好才能学习,只要看你想往哪个方向发展,数据分析也有偏“文”的一面,特别是女孩子,可以往文档写作这一方向发展。
2、分析工具
对于初级数据分析师,玩转Excel是必须的,数据透视表和公式使用必须熟练,VBA是加分。另外,还要学会一个统计分析工具,SPSS作为入门是比较好的。对于高级数据分析师,使用分析工具是核心能力,VBA基本必备,SPSS/SAS/R至少要熟练使用其中之一,其他分析工具(如Matlab)视情况而定。对于数据挖掘工程师,主要靠写代码。
3、编程语言、数据库语言
4、业务理解

数据的获取方案、指标的选取、乃至最终结论的洞察,都依赖于数据分析师对业务本身的理解。对于初级数据分析师,主要工作是提取数据和做一些简单图表,以及少量的洞察结论,拥有对业务的基本了解就可以。对于高级数据分析师,需要对业务有较为深入的了解,能够基于数据,提炼出有效观点,对实际业务能有所帮助。对于数据挖掘工程师,对业务有基本了解就可以,重点还是需要放在发挥自己的技术能力上。

5、逻辑思维
编写程序需要严密的逻辑思维,精妙的逻辑结构有利于程序的运行和数据分析的准确性提高。

6、报告分析与业务管控能力
数据分析师要求的三大能力:

  • 统计学基础和分析工具应用
  • 计算机编码能力
  • 特定应用领域或行业的知识

三、Python数据分析师的工作内容

数据获取

数据预处理

数据可视化

提供数据支持、团队目标制定的引导等

四、薪酬

2020年北京python行业从事人员平均工资

python数据分析就业市场调查报告_第4张图片

数据分析师岗位的薪资水平随着工作年限的增加,专业技能优势尤为凸显,持续上涨走势明显。1年以下工作经验,月基本薪资在7K左右;1-3年工作经验,月基本薪资在3k 左右;3-5年工作经验,月基本薪资15.5k左右;5-10年工作经验,在20k左右;10年以上工作经验,在29K左右。

以企业性质看,数据分析师岗位的月平均薪资水平,外商独资企业平均在17.5k,上市公司在14.5k,民营公司在 16.5k,合资企业在 12.5k,国企平均是9k。除基本月薪标准外,根据企业不同的薪资架构体系影响,员工的年薪范围会存在一定差异。

五、发展路径

原文链接:https://blog.csdn.net/Lyun911/article/details/110766241(仅限发展路径)       

 CSDN博主「Lyun911」的原创文章

1、明确问题 Business Understanding(洞见,领头羊)(管理岗)

对应岗位

商业分析师 Business Analysis(BA)

数据分析师 Data Analylist(DA)

商业智能分析师 Business Intellligence(BI)

常见技能要求

基于业务从数据中找到问题

分析问题

解决问题

(找到问题-分析问题-解决问题)

2、抓取数据 Data Acquisition(15k初学者)

对应岗位

数据分析师 Data Analist(DA)

数据工程师 Data Engineer(DE)

常见技能要求

SQL、爬虫

掌握一门常见语言(Python)

3、数据清理 Data Cleanup(20k资深)

对应岗位

数据分析师 Data Analist(DA)

常见技能要求

掌握SQL、Python

熟练掌握Numpy、Pandas等数据包

4、建模分析 Data Modeling&Analysis(25k高阶)

对应岗位

数据分析师 Data Analist(DA)

机器学习算法工程师

常见技能要求

统计建模类

对数理知识要求高:统计、回归、概率、建模、时间序列等

机器学习类

集成学习、监督学习、深度学习、NPL等各种模型

5、执行 Deployment(可视化呈现,报告)(初学者)

对应岗位

iness Analist (BA)

常见技能要求

Tableau(dashboard)

Power Bl

Excel    

六、积累经验、追求工作:

1、基本理论知识的学习

2、线上教学视频题目的练习

3、使用python进行日常学习中的帮助

4、借鉴博客博主学习的经验

你可能感兴趣的:(python数据分析就业市场调查报告)