数据分析师相关岗位招聘情况分析

本文数据来源于某招聘网站，有关数据分析师岗位的招聘信息，作为数据分析师初学者，仅作为练习之用，如有侵权，请联系删除~

一、数据基本信息

该招聘信息包括了城市、职位名称、公司名称、公司规模、附近商圈、职位类别、行业信息、学历要求、职位优势、公司福利、薪资待遇、工作年限要求等，共计6876条。

直接爬取的数据，如薪资待遇，多表示为一个范围，并不能直接用于数据分析。因此还需要借助Excel进行简单的数据清洗，如薪资待遇，首先将薪资数据拆分为薪资上限和薪资下限，其中单边范围的薪资数据统一按照上下限相同进行处理，然后求取薪资平均值用于后续分析。

二、利用Excel数据透视表进行简单分析

对于招聘信息，我们最关心的数据无非是薪资待遇和岗位分布情况，那么这些具体与哪些因素相关呢？其实可以先通过Excel中的数据透视表，对我们比较感兴趣的方面进行一下简单的分析。

1. 薪资的影响因素

（1）城市

由上表可以看出，北京、深圳、上海、杭州的数据分析相关岗位的薪资待遇明显高于其他地区。

（2）行业

由上表可以看出，数据分析相关工作的薪资在金融和游戏行业较为突出，其他数据较为分散，不能很直观的看出结果，需要进一步进行整合。

（3）公司规模

由上表可以看出，规模大的公司薪资待遇要普遍高于规模小的公司。

（4）学历

由上表可以看出，博士生的薪资待遇是明显高于其他学历的，本科生和研究生的薪资差距并不明显，大专毕业学生薪资待遇则普遍较低一些。

（5）工作经验

由上表可以看出，工作以上和工作5-的薪资待遇明显提升，应届生和工作经验1年以内的薪资较低，这也符合实际情况。

综上所述，数据分析岗位的薪资待遇在一线城市较高，选择的行业对薪资也会有一定的影响，毕竟行业赚钱效应明显才能给员工开出高工资，当然规模大的企业给的薪资待遇也会相应的较为丰厚，如果你的学历较高，工作经验比较多，对应的薪资待遇也会得到提高。

2. 岗位数量的影响因素

（1）城市

由上表可以看出，北京、上海、深圳对数据分析人才的需求量要高于其他城市，尤其是北京，需求量远远高于其他城市。身在广州的我，不由得投去了羡慕的眼光。

（2）行业

由于行业数据较为分散，数据分布也较为分散，但是还是能看出金融行业和互联网行业对数据分析岗位的人才需求量较大。

（3）公司规模

由上表可以看出，公司规模和数据分析岗位的人才需求基本是成正比的，也就是公司越大，需要的人才越多。这也告诉我们，找工作的时候大的公司可能岗位数量更多，结合前面的分析，大公司的待遇也较好，相应的可能对人才的要求也更高，竞争也会相对更加激烈。

（4）岗位

由上表可以看出，技术类的岗位对数据分析人才的需要比较多，其次是产品类、金融类、设计类、市场类、运营类的岗位。

进一步进行细分，可以发现，技术类中后端开发类的岗位占了较大比重，其他数据较为分散，不易观察。

三、利用Power bi进行深入分析

Excel 进行分析有一定的局限性，有些不易观察的数据很难得出结论，这时候需要借助专业的可视化工具（哈哈，其实主要是为了练习一下作图的技能）。

1. 薪资分析

（1）城市

上图为各个城市数据分析相关工作薪资范围所占比重，其中可以明显看出在北京、上海、深圳、杭州拿高工资（20k以上）的概率是远高于其他城市的。

比如在天津，35%的数据分析相关工作薪资在6k以内，35%在6-10k，15%的在10-15k，剩下15%的在15-20k，这就意味着，在天津这个城市，即使你学历高，能力强，工作经验丰富，大概率你的工资不会高于20k，但是同样条件的你如果在北京的话，薪资可能会高出很多，这可能就是大城市对人才的吸引力所在吧。

再来看看我所在的城市广州，6k以内的17.31%，6-10k的19.70%，10-15k的30.15%，15-20k的18.21%，25k以上的8.36%，相比于北京、上海、深圳和杭州稍逊一筹，可能是由于广州没有那么多的超级大公司和独角兽公司，和广州的互联网环境有一定的关系，而且距离深圳比较近，容易出现企业和人才被分流的现象。但是，整体来说还是不错的，处于发展阶段，有一定的上升空间。（给自己加油鼓劲！！）

（2）行业

上图为在各个行业中，数据分析相关岗位薪资范围所占比重。可以看出在移动互联网、金融、O2O、数据服务以及电子商务等行业中薪资在15k以上的比重较高，也就意味着选择这些行业，你的待遇相对较好。

（3）公司规模

上图为公司的规模和薪资范围及所占比重的关系图。

由上图可以看出，规模较大的公司开出的高薪水的比例也是相对较高的。如500-2000人规模的公司开出的薪资在15k以上的比重为：18.7%+24.59%+24.59%=67.88%，而2000人以上规模的公司开出的薪资在15k以上的比重为：18.51%+27.16%+25.56%=71.23%。对比小规模的公司，少于15人的公司薪资在15k以上的比重为：18.35%+18.35%+8.23%=44.93%，15-50人的公司薪资在15k以上的比重则为：17.33%+15.26%+10.33%=42.92%。

所以，大规模的公司在薪资待遇方面具有非常大的优势，这也是为什么大家在找工作的时候都想去大公司的原因吧。

（4）学历

上图为不同学历和薪资范围及其所占比重的关系图。由上图可以上看出，

大专学历薪资在10k以下的所占比重为：19.92%+24.68%=44.6%，接近一半，10-20k所占比重为：22.37%+15.94%=38.31%，20k以上的比重仅为：10.28%+6.81%=17.09%。中低段占比较大，高薪水的占比较小。本科学历薪资在10k以下的比重为：5.72%+10.4%=16.12%，占比较小，10-20k所占比重为：17.29%+20.01%=37.30%，而20k以上的比重为：25.08%+21.56%=46.64%。低薪水占比较小，中高段占比较高。硕士学历薪资在10k以下的比重为：10.07%+14.39%=24.46%，10-20k所占比重为：13.43%+14.63%=28.06%，20k以上所占比例为：18.94%+28.54%=47.48%。中低段薪资比重较小，高薪水比重较大，同时还可以发现，其实本科学历和硕士学历薪资差距并不明显。博士学历薪资在10k以下的比重为零，10-20k的比重为12.5%+12.5%=25%，20k以上所占比例为37.5%+37.5%=75%。博士的薪资低段没有，中段占比小，普遍高薪资。

（5）工作经验

上图分别为不同工作经验和薪资范围所占比重的关系 及 不同工作经验结合不同学历 与薪资范围所占比重的关系。由上表可以看出，

应届生薪资在10k以下的比重为：50.28%+29.83%=80.11%，占绝大多数的比重。这其中，应届本科生的薪资分布要优于应届大专生，而应届硕士生优于本科生，应届博士生待遇最好，能达到25k以上。工作经验在1年以内的，薪资待遇有细微的提高，但10k以下的比重为：31.08%+48.65%=79.73，低段薪资仍旧占据大多数。工作经验在1-3年的，薪资提高较为明显。低段比重减小，中高段薪资所占比重逐渐增大。工作经验在3-5年的，薪资提高更为明显。低段比重持续减小，中高段薪资所占比重继续增大。工作经验5年-的，低段薪资所占比重非常小了，20k以上薪资所占比重达到了80%以上。而工作经验以上的，薪资普遍已经到了20k以上，25k以上比重达到了87.5%！随着工作经验的增加，学历的影响也在逐渐变小。这也说明学历在你刚步入社会的时候可能是一块敲门砖，但是决定你未来发展的还是你的个人能力！【(▽)~继续加油吧！打工人！】

2.岗位分析

（1）城市与岗位数量的关系

上图分别为数据分析相关岗位招聘数量在空间上的分布图和柱状图。

由上图可以明显看出，数据分析相关岗位招聘数量在北京具有绝对领先优势，上海其次，然后分别是深圳、杭州和广州。这里的分析结果和前文用数据透视表分析的结果基本一致。

（2）不同行业对岗位需求量的关系

上图为不同行业与数据分析相关岗位的招聘数量的关系图。

由图中可以看出，在移动互联网、金融、数据、电子商务以及数据服务等行业对数据分析人才的需求量比较大，在文化娱乐、广告营销、游戏行业对数据分析人才也有一定量的需求。这也正好与北京、上海、深圳、杭州招聘数量较多相对应，因为这些城市正好也是互联网、金融等行业扎堆的地方。

（3）公司规模对岗位数量的影响

上图为公司规模与数据分析岗位招聘数量的关系。

如图中所示，规模大的公司招聘数据分析人才的数量也会相应增多，而小企业也同样因为规模小，对数据分析人才的需求量也小。这个和公司规模和薪资的关系基本一致，所以应聘的时候还是应该尽量选择规模大一点的企业，一是招聘的数量多，二是以后发展的空间会比较大。

3.招聘细则

（1）具体招聘岗位详情

上图为数据分析相关招聘时的具体岗位名称依据招聘数量绘制的词云图。

上图为数据分析相关招聘时的具体岗位名称和招聘数量的关系图。

如以上两图所示，数据分析相关岗位招聘数量最多的是数据分析师，其次是数据产品经理和大数据开发工程师，还有诸如需求分析师，大数据工程师，分析师，高级数据分析师等职位。

数据分析师算是近年来兴起的新兴岗位，需求量大。数据产品经理则是数据分析和产品经理的结合，要求除了产品经理除了要懂产品还要懂数据，但侧重点在产品。大数据开发工程师偏重于数据挖掘方面，对算法和程序相关技能要求较高。

（2）福利待遇

除了薪资外，找工作不得不关注的一点，还有福利待遇。

上图为公司福利标签所绘制的词云图，也就是企业如何吸引求职者的地方。

上图为岗位优势所绘制的词云图。

由以上两图可以看出，出现频率较高的词汇分别有：带薪年假、绩效奖金、股票期权、年底双薪、五险一金、节日礼物、技能培训、岗位晋升、弹性工作、发展空间大等等。

当前求职者除了关注基本的五险一金意外，还更关注长期的发展空间，晋升通道和各项福利待遇等。

四、总结

影响数据分析相关岗位薪资的因素有城市、行业、公司规模、学历以及工作经验等。北京、上海、深圳和杭州等互联网、金融行业聚集的地方，规模大的公司给的薪资待遇也更加丰厚，学历在开始工作的阶段对薪资有一定的影响，但是后期随着工作经验更加重要，随着能力的提升，薪资也会逐渐增长；影响数据分析相关岗位数量的因素有城市、行业和公司规模，同样是在北京、上海、深圳和杭州等互联网、金融行业聚集的地方，岗位数量会比较多，规模大的企业招聘的人数也随之增加；招聘的具体岗位多集中在数据分析，数据产品经理，大数据开发工程师等职业，福利待遇方面除了常见的五险一金外，还有一些比较具有吸引力的，如弹性工作，股票期权等，个人可以根据需要进行筛选。

PS:利用power bi制作dashboard

利用power bi 可制作如上图所示dashboard。可根据右上角的切片器，结合自身情况对所在城市、学历和工作经验进行选择，就可以非常方便地查看对应的薪资范围，平均薪资，具体招聘岗位及数量，公司所分布的商圈，具体有哪些公司以及相应的福利待遇等。