拉勾网数据分析岗数据分析

拉勾网数据分析岗数据分析

简介:试着,做了一个拉勾网数据分析师职位的数据分析。
其实,虽然很想做数据分析师,但是是跨行,心里相当忐忑,做这个分析就相当于加深自己对数据分析这个行业的了解了。

思路

大致思路

起始

数据来源

本来是想自己写个爬虫的,可是学了好久,还是不能融会贯通,总会出一些bug,只能继续学习,争取早日修成爬神功。又想着,总不能还没开始,就结束了这次实验。最后无意中发现了一个爬虫工具--八爪鱼、、只需要点点点(其实,当时有种挫败感)。不过,总算数据总算有了。

数据的采集

数据的具体采集过程如下:

  1. 下载安装八爪鱼采集器。
  2. 创建任务,选择列表及详情。
  3. 输入任务名称、备注。
  4. 输入采集网址
  5. 设置详情页链接,也就是点进具体的详情页。
  6. 设置好翻页。
  7. 点击需要采集的数据信息。
  8. 开始采集。
  9. 数据导出为excel。

过程

数据的清洗与处理

这里试着用了两种工具,Excel + Python,也比较了一下二者的优点。与前人所述基本一致,纸上得来终觉浅啊。

想说一下字段的命名,如果用了Python进行处理的话,最好还是把字段命名为英文,或者说字母。可以简化后期处理,会方便很多。

当然,你如果全用Excel是用中文命名,也是没有问题的。


字段

Excel的处理过程

预防万一

所谓预防万一,就是将Excel另存一份源数据,以免后期发生不可预知错误。

清洗与处理

命名字段


处理salary列

新建工作表,将salary字段复制过来。

  1. 清除所有格式。
  2. 数据-分列-固定符号-"-"
  3. 查找替换 k。这里说明下,清除格式后,无论查找大写K还是小写k,均可。
  4. 因为抓取的数据是一组区间值,无法直接使用,因此取薪资的中间值也就是平均值。使用函数 'MEDIAN' ,它会返回一组数的中值,或者使用 'AVERAGE' 也可。得到的



再对这组值进行数据分析,数据-数据分析-描述统计,得到最大值,最小值,全距,再根据公式计算组数,组距,进行数据分组,再根据 ' FREQUENCY '函数计算每组频率。


接下来,就可以绘制图表了。

ps:或者直接在第5步,采用数据分析工具中的直方图,进行分析。

处理experience、city、education、property、scale列

新建工作表,复制。

  1. 清除所有格式。
  2. 使用函数 'SUBSTITUTE' 替换所有 "/",或者直接查找替换。
  3. 数据透视表统计,绘图。


处理field列

新建工作表,复制。

  1. 清除所有格式
  2. 查找替换"、",","为半角“,”。
  3. 分列。

这样,基本就处理完了。

数据展示

行业及职位数量


从图中可以看出,17个行业中,移动互联网对数据人才的需求量是最大的,其次是金融和电子商务,而生物服务、文化娱乐、旅游、分类信息、硬件等的需求量最少。我认为,这从一个侧面反映了移动互联网数据量的巨大,以及对人才的渴求。

城市与职位

首先看一下,职位主要分布的区域:



从图中可以看到,招聘公司主要位于南方,东三省竟然没有。我认为,这个时代,对数据的重视程度从某种程度上说明了发展的质量,就这个样本数据来说,从某种程度上反映了东三省的发展速度较慢,不如南方。

再看一下,城市与职位:



这里主要截取了前10个城市,毫无意外,北上广赫然在列,杭州也很多,排在广州前面。看来,我们这些想做数据分析师的人,都无法逃离北上广啊。嗯,你也可以去杭州,据在那儿生活了七八年的同学来说,他不想走了。

行业、城市与薪资

前面数据处理得到了每个职位的平均薪资,这里进一步处理得到了每个行业在每个城市的平均薪资。下图是招聘最多的几个行业在每个城市的平均薪资。


从图中可以知道,整体上相对来说,广州在这些行业中属于较低的。北京、上海差距不是太大。

招聘公司融资阶段



招聘不同职称的数量

这里借助python进行了统计:

python

import pandas as pd
data = pd.DataFrame(pd.read_csv(r'C:\Users\sunshine\Desktop\2017.8.20.csv',encoding = 'gbk'))

data.columns
positionName = []
for i in range(len(data.position)):
    if "实习" in data.position[i]:
        positionName.append("实习")
    elif "助理" in data.position[i]:
        positionName.append("助理")
    elif "专员" in data.position[i]:
        positionName.append("专员")
    elif "主管" in data.position[i]:
        positionName.append("主管")
    elif "经理" in data.position[i]:
        positionName.append("经理")
    elif "工程师" in data.position[i]:
        positionName.append("工程师")
    elif "总监" in data.position[i]:
        positionName.append("总监")
    elif "科学家" in data.position[i]:
        positionName.append("科学家")
    elif "架构" in data.position[i]:
        positionName.append("架构师")
    else:
        positionName.append("其他")

data["positionName1"] = positionName

data["positionName1"].value_counts()




这里没有用matplotlib画,借用了echarts。

招聘公司对个人能力的要求

招聘公司对应聘者的学历要求



从图中我们很明显可以得到,公司对应聘者的学历要求,本科以上占了绝大部分,这说明,90%以上的公司对应聘者的学历要求很高,我认为,这可能有以下原因:

  1. 分析行业对应聘者的知识水平要求还是很高的,因为数据分析师不但要涉及很多高等数学,统计学,概率论,线性代数等数学知识,还要涉及很多行业知识。
  2. 这个行业需要应对很多日新月异的信息,各种东西更新迭代非常快,因此对应聘者的自学能力提出了很高的要求。

招聘公司对应聘者经验的要求




大部分公司招的都是1-5年的,1年之下和经验不限的很少,所以说,实习经验很重要,没有实习经历,太难入行了。我泪奔。公司需要的都是老鸟啊。

招聘公司对应聘者工具掌握的要求

这里使用了python进行了正则匹配,和词云生成。

python

import re
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import jieba as jb
from wordcloud import WordCloud


word_str = ''.join(data['description'])
#对文本进行分词
word_split = jb.cut(word_str)
#使用|分割结果并转换格式
word_split1 = "| ".join(word_split)

pattern=re.compile('sql|mysql|posgresql|python|excel|spss|matlab|ppt|powerpoint|sas|[\br\b]|hadoop|spark|hive|ga|java|perl|tableau|eviews|presto')
#匹配所有文本字符
word_w=pattern.findall(word_split1)

word_s = str(word_w)

my_wordcloud = WordCloud().generate(word_s)
plt.imshow(my_wordcloud)
plt.axis("off")
plt.show()


好看点了,无论哪张图都说明,除了excel,如果,你懂R或者python,再加上SQL,和spss,喔,你是个香饽饽。

招聘公司对应聘者技能的要求


可以看到,公司对应聘者的要求大部分在数据分析能力和产品、业务等方面。看来,数据分析师最重要的还是懂业务,这也是我想发展的方向。至于数据挖掘方向,对数学功底要求太高了,毕竟我不是科班出身。但是,我觉得平时在实验室做的实验,其实和业务是一个道理。只不过,是将实验换成了产品。

总结

对于数据分析岗,招聘公司主要位于南方,但是以北京公司最多。不需要融资,B轮和上市公司对于该岗位的需求较大。并且主要是移动互联网行业的公司。企业对于应聘者的工具掌握多是Excel,Spss,Python,R,SQl等,如果你全会,那基本就是个香饽饽。在技能方面,企业比较看重数据分析,以及对业务、运营的理解。而对于应聘者而言,本科生学历完全足够了。就薪资而言,广州多有行业较其他城市偏低,北京和上海在同等工作经历下,薪资要领先于其他城市。

所有的图:me.bdp.cn/api/su/SBEGK7


作者:wangtianshan Python爱好者社区专栏作者 授权原创发布,请勿转载,谢谢。
出处:拉勾网数据分析岗数据分析
配套视频教程:Python3爬虫三大案例实战分享:猫眼电影、今日头条街拍美图、淘宝美食 Python3爬虫三大案例实战分享
公众号:Python爱好者社区(微信ID:python_shequ)

加小编个人微信:tsdatajob ,跟作者互动
发布于 2017-09-23 16:21