一、分析目的：
1、了解主要是哪些城市對數據分析師的需求較大；
2、明確各行業對數據分析師的需求；
3、了解數據分析師的基本學歷門檻及工作經驗要求；
4、了解數據分析師薪資情況。
二、數據采集：
數據來源：利用八爪魚采集器在招聘網（前程無憂，拉勾網，boss直聘網）上爬取數據分析崗位的招聘信息，爬取字段包括公司名稱、工作地點、公司領域、公司規模、職位名稱、薪水、工作經驗、學歷要求、薪資情況；共爬取了3700多條記錄。
主要工具使用：八爪魚采集器、Excel表格、Tableua
三、數據清洗：
1、雖然爬取的數據大部分是數據分析崗位，但同時也包含了部分人力資源與銷售的崗位，所以下面提取出數據分析崗位的記錄：
通過函數公式find、if跟數組進行判斷篩選 =IF(COUNT(FIND({"數據分析","數據運營","分析"},A2)),"1","0")
2、去重：利用Excel的去重用具對相同的記錄進行刪除：
3、轉換：由於爬取的記錄中公司具體信息跟招聘要求等多項信息都混在同一列中，可通過分隔符進行分列轉化：
招聘要求中的學歷，經驗等，也可分隔符的方法進行分列轉化。
4、提取：部分網站的招聘要求中，並沒有相關的分隔符隔開，如下圖，可以通過一些函數公式確定相關字眼的位置，從而進行提取：
5、去缺失值：完成對需要分析的字段轉換與提取后，對部分記錄存在缺失值的進行刪除。
經過以上的數據清洗、轉換等處理，剩余3000條有效記錄。
四、數據分析
1、城市需求分析：
上圖直觀地表現出，在一線城市上海、北京、深圳、廣州，數據分析崗位的需求量較大，就業機會較高。另外杭州、武漢、成都、南京的需求量處於第二階梯。
2、公司規模分布：
公司規模在150-499人的公司數據分析師的需求量最大，除了企業規模少於50人跟10000人以上的公司對數據分析師的需求較少之外，其他階段的需求量都基本相差不多。因此，數據分析崗位受公司規模影響不大。
3、行業需求情況：
電子商務/互聯網行業的需求量是最大的，在當今社會，電子商務/互聯網的數據量越來月大，更新越來越快，其次是計算機、金融和服裝行業、教育、游戲等，從上圖可以看出，數據分析崗位涉及到的行業比較廣泛，隨着大數據的發展，各個行業對數據分析均有一定的需求。
4、對工作經驗需求：
數據分析崗位從招聘信息上看，對從業人員的經驗要求並不是特別的高，總體上對經驗在1-4年的需求占大部分。8-9年或10年以上的需求會比較少。
5、對學歷的要求：
爬取的數據中，有16%的公司沒有設定學歷要求，由於這一部分的參考價值不大，因此上面的分析中不對這部分數據進行分析。上面的圓餅圖充分展示了數據分析崗位對本科的需求量最大，其次是大專，本科的需求量已經超過了大專需求量的2倍。可見數據分析崗位的基本學歷門檻為本科。
6、薪資情況：
（1）薪資與城市的關系：
由於爬取的數據中，部分城市的招聘記錄只有幾條，在這種情況下，這幾條記錄無法代表該城市的薪酬情況，因此只對城市招聘記錄超過30條的城市做薪資的分析：
上圖，工資最高的在北京，北京平均薪酬的中位數也是最高的，為17.5K/月，其次為上海，深圳，杭州；大城市的薪酬分散情況比小城市大，主要是因為大城市行業種類也比小城市多，所以薪酬高能達到很高，低也有比小城市的還低，如果想要在數據分析崗位上長期發展，建議留在大城市。
（2）薪資與工作經驗的關系：
隨着經驗的積累，數據分析崗位的平均薪資會越來越高，5-7年的平均薪資中位數在20k/月左右，也有高達65k/月的情況存在；8-9年的數據主要是由於記錄比較少，所以數據不是很有代表性。
（3）薪資與學歷的關系：
從各學歷的平均薪資中位數來看高中跟大專相差不大，但大專跟本科的中位數相差了5K/月，而碩士跟本科的中位數只相差2.5k/月，由此可見，本科是數據分析崗位的主要門檻。
五、總結：
1、大城市對數據分析崗位的需求較大，其中上海、北京、深圳、廣州需求量較大，就業機會較多；
2、電子商務行業、互聯網、金融、服裝、計算機是數據分析師首選的幾大行業；
3、除了小規模的企業對數據分析師的需求量不大之外，企業規模在150-499人的企業對數據分析師的需求最高；
4、數據分析師的基本門檻是本科，大專是第二大需求；
5、3-4年的數據分析經驗是現在各大行業最歡迎的，相對薪資也不低，薪資最高的是擁有5-7年工作經驗；