一、分析背景及目的

近年来，企业对数据分析师的需求越来越大，因此，想要从事数据分析工作的求职者也越来越多，那么问题来了：

国内哪些城市对数据分析师的需求较多？哪些领域对数据分析师的需求较多？该职业对学历有何要求？该职业的收入情况如何？

二、数据收集和分析工具

本文的数据来源：https://pan.baidu.com/s/12Y3SCvUoFwGdlMcJjerYgw

分析工具：Excel 2016

三、理解数据

理解每个字段（列）的意义和数据分析的意义，隐藏（不建议删除）对分析无意义的字段，其中：

城市：岗位所在城市，用于比较各城市对数据分析师的需求；

公司全名、公司ID、公司简称：发布该岗位的公司，保留任意一个即可；

公司大小：即公司规模，用于比较不同规模的公司对数据分析师需求；

教育要求：即学历，用于分析该职业对学历的要求；

公司所属领域：用于分析不同领域对数据分析师的需求；

职位ID：唯一标识每一条记录（行），用于去掉重复项目；

职位名称：判断该职位是否为数据分析，用于识别异常值；

工作年限：即工作经验，用于分析该职业薪资涨幅；

其余未提到的字段，如：公司所在商圈，对本文分析无意义，隐藏即可，最终筛选出以下字段。

四、数据处理

1.删除重复值

方法一：

利用“数据”选项卡下，“删除重复项”按钮删除，最终保留了有5031个记录。

方法二：

首先，利用COUNTIF函数构造一个基于“职位ID”字段的辅助列：辅助列1，在单元格02输入图中函数并按回车；

然后，双击02单元格的右下角进行自动填充，选中辅助列1，确认数据已填充完毕，如图：计数为6875。

接着，选中辅助列1，利用“筛选”，勾选数值为2、3、4的选项框，删除筛选出来的记录；

最后，选中区域，按照辅助列1，升序排列，最终所得5031条记录，与方法一结果一致。

2.缺失值的处理

首先，通过“Ctrl+H”快捷键打开替换窗口，在图示位置输入空格，再点全部替换即可将所有空格删去，该操作主要是为了防止存在输入了空格的单元格被计数。

然后，通过列的计数，逐列查看每一列是否存在缺失值。最终发现，该数据集只有A列存在缺失值，且缺失值为2。

由于A列的缺失值数量较少且位置集中，可按住“ctrl”选取，通过“Ctrl+Enter”一键输入“上海”即可；

当缺失值数量较多且位置分散时，先通过“条件格式”—“新建规则”，来标注为空值的单元格；

然后，根据“城市”，即A列，并依据单元格颜色—按无单元格颜色在前排序，空值单元格将集中出现在数据尾部。

在缺失值的单元格输入内容，然后选中A列，通过“条件格式”—“清除规则”，清除所选单元格规则，即可去掉多余标红的单元格。

3.检查数据逻辑错误

有些职位不属于数据分析师，如：“大数据开发工程师”，对于这些不符合要求的数据，先利用IF函数来查找；

再利用筛选功能，筛选出R列值为“是”的记录，将筛选出的记录复制到新的一页；

4.数据加工

1）为了分析不同领域的数据分析师岗位需求，需要对“公司所属领域”字段进行加工，以便于分类。观察该列数据可以发现，该列数据通过”，”（逗号）进行分隔，因此通过“分列”功能抽取不同领域的名称。

步骤如下：

首先，将“公司所属领域”列复制到O列（分列功能会覆盖右边单元格），并隐藏原列，再进行“分列”；

第一步：

第二步：

第三步：直接点击“完成”，并对两列进行命名。

2）为了分析该岗位的收入情况，需要对“薪水”字段的数据进行加工；

方法一：由于薪水是以“-”作为分隔，通过“分列”将薪水分为最低薪水和最高薪水两列，方法同上；

再利用“Ctrl+H”将k替换掉，

然后，在后面新建一列“平均薪水”，用AVERAGE函数计算Q、R两列的平均数。

注意：

由于一些薪水数据为“XX以上”、”XX以下”格式，此类单元格以数字部分作为平均薪水，通过“Ctrl+H”将“以上”、“以下”替换掉即可；

方法二：函数法

首先，利用SEARCH或FIND函数查找最低薪水对应的“k”的位置，并自动填充；

然后，利用LEFT函数抽取最低薪水；

接着，利用SEARCH或FIND函数查找分隔符“-”的位置；

再者，利用LEN函数得到T列单元格中字符的总长度；

最后，见证奇迹的时刻到了，利用MID函数抽取最高薪水；

但对“XX以上”、“XX以下”格式的数据，用该方法抽取最大薪水时会出错，因此，先利用“筛选”选出错误值；

利用定位条件“Ctrl+G”—公式—错误值，选中所有错误值，删除即可；

此时，所得到的数据为文本型，利用“选择性粘贴”将其转化为数值；

最后，利用AVERAGE函数求平均薪水即可。

五、数据透视与数据展现

1.不同城市对数据分析师的需求如何？

利用数据透视表+柱状图：

城市字段拖入行，职位ID字段拖入值并把汇总方式设为“计数”、显示方式设为“总的百分比”，再用所得数据绘制柱状图。

由此可知，北京对数据分析师的需求在全国范围内最大，其次是上海、深圳、广州、杭州。

2.哪些领域对数据分析师的需求较多？

利用数据透视表+柱状图：

由此可知，移动互联网领域对数据分析师的需求最大，其次是金融、电子商务；

3.该职业对学历的要求何如？

利用数据透视表+饼图：

由此可知，72.28%的公司要求数据分析师拥有本科学历，15.32%的公司要求数据分析师拥有大专学历，要求数据分析师的学历水平达到硕士及以上的公司仅有6.84%。

4.该职业的收入情况如何？

1) 随着工作年限的增长，该职业的收入变化如何？

数据透视表+柱状图：

把拖入工作年限行区域，把平均薪水拖入值区域，并把值区域的计算类型设为平均值，显示方式设置为百分比，并以“工作年限要求”作为基本字段、“应届生毕业生”作为基本项；

由此可知，随着工作年限的增加数据分析师的平均薪水不断提高；

2）不同城市间的数据分析师的薪水情况如何？

数据透视图+柱状图：

由图可知，北京、上海、深圳的数据分析师薪水较高，其次是杭州，一线城市中只有广州的数据分析师薪水低于杭州、苏州；

六、总结与建议

1）从地区来看，一线城市的北上广深对数据分析师的需求较大，其次是杭州；数据分析师岗位的求职者在这些城市能遇到更多的工作机会。

2）从领域来看，移动互联网领域对数据分析师的需求最大，占总需求的49%，其次是金融、电子商务领域；应届毕业生或转行作数据分析的求职者可以考虑从事移动互联网领域的数据分析工作。

3）有七成的公司要求数据分析师的达到本科学历，要求数据分析师达到博士学历的公司不到一成，因此，从学历来看，数据分析师的门槛并不高。

4）一线城市数据分析师的薪资一般要高于其它城市，只有广州数据分析师的薪资水平低于杭州和苏州，因此，如果广州的公司想要吸引和留住更多的数据分析师，可能要考虑提高其薪资水平。

5）随着工作经验的增加，数据分析师的薪水也不断提高，且工作十年以上的数据分析师薪水十分丰厚。