一、分析目的

1、数据分析师当前的岗位招聘要求；

2、数据分析类工作当前的行业分布；

3、数据分析师的职业的发展情况；

二、数据来源

数据来自招聘网站爬虫，由猴子老师提供。

三、数据分析步骤

（一）理解数据

目的：查看数据信息，理解数据/字段含义。

数据集1.76MB，CSV格式，共计6874条数据，因本次主要对职位进行分析，将职位ID作为表格主键。公司名称、公司ID、公司简称3个字段均为描述公司的字段，字段重复，隐藏公司名称、公司ID。

（二）列名重命名

目的：将含有外文、特殊字符等的列名重命名为中文、常用名称方便分析。

操作方法：查看表格字段，均为中文字段，不用对列名进行英文转中文等重命名操作。

（三）数据清洗：重复值处理

目的：对数据集的主键 “职位ID”做删除重复值处理

操作方法：

1、选中数据区域-功能区-数据-删除重复项-取消全选-选择职位ID列-确定

1、选中数据区域-功能区-数据-筛选-高级-选择不重复的记录-确定

3、对重复项的处理也可通过函数实现。需要通过函数计算职位ID列每个职位出现的次数，同时，为了方便筛选，职位ID出现的次数从上至下分别按照“1,2…”依次排序。由此，采用countif函数，并对列向下绝对引用。通过筛选功能，去掉筛选计算结果非1的行。

（函数为：=COUNTIF(J2:J$5032,J2)）

（四）数据清洗：缺失值处理

目的：真实的反映总体数据的情况，缩小偏差

处理方法：

对于缺失值，一般有以下处理方法：

①删除缺失值，适用于小样本情况；

②人工手动补全数据，适用于小样本情况；

③插补缺失值，如平均值，统计模型计算值（同类均值、极大似然估计）插补。

操作方法：

数据集去重后有5031条数据，在理解数据的时候，已经发现缺失值出现在城市列；缺失两个值，可通过手工补全的方式补充。除此之外，可通过选择数据区域-“CTEL+G”快捷键输出定位-定位条件-定位空值-确定-在空白单元格输入等于上一行-按CTRL+ENETER

补全空值。

（五）数据清洗：一致化处理

1、用筛选功能查看字段，公司所属领域列存在一个公司多个领域的情况，后期会，在公司所属领域后插入新列，命名为公司所属领域2，使用数据栏-分列-分隔符号-逗号进行分列。

2、查看职位名称列，除了职位分析岗位外，还有数据系统工程师、大数据算法工程师等岗位，我们需要通过函数，过滤出列名数据分析、数据运营、分析师相关的岗位。

公式1：=IF(OR(COUNTIF(M2,"*"&{"数据分析","数据运营","分析师"}&"*")),1,"0")

公式2：=IF(COUNT(FIND({"数据分析","数据运营","分析师"},M2)),1,"0")

筛选结果为1的数据集。

3、查看薪水列，薪水爬取的是一个区间，不是具体值。为方便分析，我们可以通过数据分列功能，分列出最高和最低薪水，然后通过求取平均薪水。也可以通过文本查找函数查找出最高和最低薪水。

①最低薪水：公式：=LEFT(N2,FIND("k",N2,1)-1)

使用公式后，通过筛选功能查找到有运用公式不成功的，原因是薪水的K为大写，通过替换功能将K替换为小写的k。

②最高薪水：公式=MID(N2,FIND("-",N2,1)+1,LEN(N2)-FIND("-",N2,1)-1)

使用公式后，通过筛选功能查找运用公式后的结果，发现运用公司不成功的，是在录入时将薪资写成15K以上的，将最高薪水统一等于最低薪水。

③将计算后的最高薪水和最低薪水值统一处理成常规格式，然后运用AVERAGE函数求平均值。

四、数据分析

通过以上步骤，数据清洗已加工完毕，下面开始对数据进行进本分析。下图总结了数据分析的一般方法。

（一）描述性分析

描述分析方法：数据-数据分析-描述统计-确定

箱型图方法：插入-图表-全部图表-箱型图

结论：数据分析师的众数是15K，平均薪资14K左右，北京和深圳的分析师薪资差异较大。

（二）数据分析师岗位需求分析

经验维度：

学历维度

结论：数据分析师需求最大的城市分别是一线的北上广深，接着是杭州和成都。一线城市数据分析师岗位较多，占全部13个城市需求量70%以上，仅北京就占整体需求的46%。1-3年，和3-5年的缺口需求较大，从现在开始转型不晚。招聘时，学历要求最多的是本科以上。本科以上更容易通过公司的招聘门槛。

（三）数据分析类工作当前的行业分布

结论：数据分析师岗位需求量最大的行业是移动互联网、金融、电子商务，占岗位需求75%以上，如需转型，可考虑先从移动互联网、金融、电子商务行业找工作。如在这3个行业已有沉淀，这3个行业就业形势较好，可继续在行业发展，提升自己的专业技能。

（四）数据分析师的职业的发展情况

平均薪水

总结：一线城市的平均工资较高。分析师的平均薪资主要集中在6K-17K左右，19K以上应该是经验5年以上的薪资分布。可以看出随着经验的增加，数据分析师的薪资是增加的。

注意事项：

1、此次分析是实操练习，老师已提供相关数据。但数据分析师应在理解业务的基础上，提出问题，然后再采集数据进行分析。需避免成为业务部门的取数分析师。

2、养成良好的操作习惯，原始数据一定要备份，以便后续对数据检查；每个小的分析步骤完成后，需保存数据，以防因意外情况发生后要重新开始处理数据；保存操作痕迹，如函数公式，为便于后期复盘。

3、操作时，多余的字段不要删除，可隐藏，以便后期复盘。

4、数据的清洗或称数据预处理，一般情况下会清洗数据集里面的无效值、重复值、缺失值；查看数据是否有乱码、错位的现象；如有多张表，是否有统一的数据口径。经过清洗后的数据在进行数据转化，将数据规整为统一格式处理。

5、以下是总结的步骤和方法：