数据分析-拉勾网数据分析职位分析

数据分析的一般步骤为:提出问题、理解数据(数据获取)、数据清洗、构建模型、数据可视化和结果展示

一、提出问题

1、深圳市数据分析岗位的薪水如何?工作经验要求如何?

2、深圳市数据分析岗位的薪水和工作经验要求有何关系?

3、深圳市从事哪些数据分析岗位最好?

4、根据自己的实际情况,哪些公司的数据分析岗位适合自己?

二、理解数据

1.数据获取

由于初始数据较为繁杂,故对数据进行初始清洗,只保留公司名称、公司职位、薪水、职位福利、技能要求。

2.理解数据

公司名称:数据分析职位的公司称呼

公司职务:不同公司数据分析称谓可能不同,如数据分析专员、数据分析师

薪水:员工税前的工资

职位福利:企业吸引员工的地方,能让员工持续奋斗

技能要求:应聘数据分析需要的要求

三、数据清洗

数据清洗包括删除重复值、处理无效值和缺失值、检查数据一致性、数据排序以及异常值处理等步骤。通过数据清洗能得到较为干净的数据。

四、构建模型(数据分析-描述性统计)

选择Excel数据分析模块,选择描述统计,选择平均薪水列,得到薪水的描述性统计结果

五、数据可视化(数据分析-解决需求)

1、深圳市数据分析岗位的薪水如何?工作经验要求如何?

1)薪水

为了分析深圳市数据分析岗位的薪水,创建数据透视表时,首先将“公司名称”作为行,“平均薪水”作为统计值使用平均值函数,“薪水平均值”作为统计值使用平均数函数,进行查看,得到数据透视表和透视图如下:

从图中可以看书大约有1/3的公司平均薪水大于整体薪水平均值(19.79),2/3的公司平均薪水低于整体薪水平均值。

上图是薪水排名前三的公司,如极光、京东集团、九章天旋等。其中极光公司的平均薪水高达6w元。

2)工作经验要求

为了分析深圳数据分析岗位对工作经验的要求,创建数据透视表时,首先将“工作经验要求”作为行,“公司名称”作为统计值使用计数函数,进行查看,得到数据透视表和透视图如下:

由上图发现,数据分析职位对应届生需求数量最多为22个,经验不限次之。

2、深圳市数据分析岗位的薪水和工作经验要求有何关系?

由上图知对应届毕业生而言平均薪水较高,可能是企业为了培养储备人才故以较高薪水吸引高层次人才。

3、深圳市从事哪些数据分析岗位最好?

由上图知薪水最高的是数据分析师,平均薪水4w,且数据分析一般都与业务相关联。

4、根据自己的实际情况,哪些公司的数据分析岗位适合自己?

根据自身经验,因此前无数据分析经验,所以需要找不要求经验的公司,可以从数据分析专员/助理开始做起。

最后,此次深圳拉钩网数据分析职位的分析还不够全面,因数据量不够大、个别公司高价招聘等因素影响。

参考文章如下:

1.https://www.zhihu.com/people/mo-ran-ru-chen/posts

2.https://book.douban.com/subject/26616137/

原文地址:https://www.cnblogs.com/Jacon-hunt/p/11338692.html

时间: 2024-08-30 14:31:17

数据分析-拉勾网数据分析职位分析的相关文章

通俗易懂的分析如何用Python实现一只小爬虫,爬取拉勾网的职位信息

源代码:https://github.com/nnngu/LagouSpider 效果预览 思路 1.首先我们打开拉勾网,并搜索"java",显示出来的职位信息就是我们的目标. 2.接下来我们需要确定,怎样将信息提取出来. 查看网页源代码,这时候发现,网页源代码里面找不到职位相关信息,这证明拉勾网关于职位的信息是异步加载的,这也是一种很常用的技术. 异步加载的信息,我们需要借助 chrome 浏览器的开发者工具进行分析,打开开发者工具的方法如下: 点击Nerwork进入网络分析界面,这

数据分析&大数据分析如何应用于电商行业?

这几年想做电商和进入电商行业的人越来越多了,不管是自己开的淘宝店还是微店,你会发现自己朋友圈里面,总会有那么几个已经在做电商的.电商这么火,那对于做电商而言什么是最重要的呢?答案毫无疑问是数据·大数据.今天我们就来好好聊聊数据分析·大数据分析在电商行业中的应用. 电商行业相对于传统零售业来说,最大的特点就是一切都可以通过数据化来监控和改进.通过数据可以看到用户从哪里来.如何组织产品可以实现很好的转化率.你投放广告的效率如何等等问题.当用户在电商网站上有了购买行为之后,就从潜在客户变成了价值客户.

Python 爬取拉勾网python职位信息

今天的任务是爬取拉勾网的职位信息. 首先,我们进入拉勾网,然后在职位搜索栏搜索Python 的同时,打开控制面板F12,来查看网页构成. 在XHR里,可以清楚的看见Ajax请求,所以需要使用session模块来模拟浏览器的行为来操作. 源代码如下: import requests import json header = { 'Accept': 'application/json, text/javascript, */*; q=0.01', 'Referer': 'https://www.la

让数据决策你的行为--拉勾网数据分析

前言 我们每天都在产生数据,出行,社交,购物,吃饭 等等,每一个行为伴随着数据的产生,如果将这些数据收集起来,并加以处理分析便可以反过来影响你的行为. 举个最简单的例子在各大电商网站搜索自己想买的商品,这一过程就产生了数据,电商网站会记录你所搜的商品数据,并稍作处理分析,基本就可以计算出你所需要购买的商品, 然后计算最合适你的商品,并以广告形式推送给你,最后你很有可能会从他推荐的商品中选一个付款,这个例子就形像的解释了,你是如何产生数据,而后数据又是如何影响你的行为的. 前些日子突然想到了如下几

kaggle之数据分析从业者用户画像分析

数据为kaggle社区发布的数据分析从业者问卷调查分析报告,其中涵盖了关于该行业不同维度的问题及调查结果.本文的目的为提取有用的数据,进行描述性展示.帮助新从业的人员更全方位地了解这个行业. 参考学习视频:http://www.tianshansoft.com/ 数据集:https://pan.baidu.com/s/1o7BFzFO 变量说明 数据中包含228个变量,提取其中的一些较有价值的变量进行描述性分析 数据处理 survey <-read.csv(stringsAsFactors =

SPSS数据分析—多维尺度分析

在市场研究中,有一种分析是研究消费者态度或偏好,收集的数据是某些对象的评分数据,这些评分数据可以看做是对象间相似性或差异性的表现,也就是一种距离,距离近的差异性小,距离远的差异性大.而我们的分析目的也是想查看这些对象间的差异性或相似性情况,此时由于数据的组成形式不一样,因此不能使用对应分析,而需要使用一种专门分析此问题的方法——多维尺度分析(MDS模型).多维尺度分析和对应分析类似,也是通过可视化的图形阐述结果,并且也是一种描述性.探索性数据分析方法. 基于以上,我们可以得知,多维尺度分析经常使

【Python数据挖掘课程】四.决策树DTC数据分析及鸢尾数据集分析

今天主要讲述的内容是关于决策树的知识,主要包括以下内容:        1.分类及决策树算法介绍        2.鸢尾花卉数据集介绍        3.决策树实现鸢尾数据集分析        前文推荐:       [Python数据挖掘课程]一.安装Python及爬虫入门介绍       [Python数据挖掘课程]二.Kmeans聚类数据分析及Anaconda介绍       [Python数据挖掘课程]三.Kmeans聚类代码实现.作业及优化        希望这篇文章对你有所帮助,尤其

奥威Power-BI旅游行业数据分析——入境旅游概况分析

奥威Power-BI旅游行业数据分析中该报表主要分析入境旅人概况分析. 1.首先是左上方,先展示核心关注的入境旅游人数,消费金额,人均消费天数以及同比环比情况.        2.右方以客源地区作为分析维度分别用人数以及消费金额分析各客源地区的占比情况.        3.左下方是各月份消费金额以及人数的趋势情况.        4.最后用柱状占比图分别分析各客源地区旅游目类型的人数分别占多少:各客源地区消费类型的金额分别占多少. 总结:我们可以通过鼠标点击饼图的客源地区块进行联动到下方查看该客

数据分析第二章确定分析思路

1. 常用的数据分析方法论 1)PEST分析法:PEST分析法用于对宏观环境的分析.对宏观环境因素作分析时,由于不同行业和企业有其自身特点和经营需要,分析的具体内容会有差异,但一般都应对政治(Political)经济(Economic)技术(Technological)社会(Social)这四大类影响企业的主要外部环境因素进行分析,这种方法简称为PEST分析法 2)5W2H分析法:why,what,who,when,where.how,how much 3)逻辑树:将问题的所有子问题分层罗列,从