python数据分析师工作_数据分析师岗位需求分析（Python）

50 阅读 0 评论 33 点赞

我是靠谱客的博主有魅力白开水，最近开发中收集的这篇文章主要介绍python数据分析师工作_数据分析师岗位需求分析（Python），觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

背景

随着人工智能及大数据的迅速发展，数据分析、数据挖掘、大数据等岗位开始火热起来，相比数据挖掘，数据分析岗位门槛更低一些，越来越多的小伙伴准备进入数据分析行业。目前互联网行业处于寒冬，某些大厂传出裁员，数据分析岗位需求到底如何？带着这个疑问，我们展开如下分析，旨在给自己和准备进入该行业的小伙伴提供一个参考。

一、明确分析目的

1.岗位数量不同城市数据分析岗位需求

不同细分行业数据分析岗位需求

不同工作年限数据分析岗位需求

2.薪资不同城市岗位薪资情况对比

不同工作年限与薪资关系

公司规模与薪资关系

3.技能要求技能要求有哪些

岗位技能要求占比

不同技能要求的薪资分布

学历要求占比

大公司技能及工作年限要求

二、数据收集与理解数据来源：某招聘网站2019年12月初招聘数据

数据导入与理解：理解数据集各字段含义

分析工具：Python

三、数据处理

1.字段选择

根据分析的目的选择数据集中部分字段，本次选用字段：city、companyFullName、companyShortName、companySize、education、industryField、jobNature、positionId、positionName、salary、workYear、job_detail。

2.重复值处理

字段中的positionId具有唯一识别性（类似SQL中主键），根据positionId删除重复行记录。方法：drop_duplicates（）

3、缺失值处理

查看数据集缺失值情况，只有job_detail缺失，并且缺失情况比较严重，总共2946条数据，缺失率52.37%。由于最后需要分析岗位技能要求，因此不能删除缺失值。目前暂不做处理，后期可根据其他字段信息，将技能填充。

4、异常值处理positionName：①该字段存在与数据分析岗位无关的职位，例如python开发工程师、产品经理等职位，需要剔除。职位名称中包含“数据分析”“数据运营”“分析师”的保留。②剔除数据分析实习岗位。方法：contains结合逻辑运算符（&、|、~）

jobNature：工作性质，选出全职，剔除兼职、实习。方法：contains

workYear：工作年限，将“1年以下”，“应届毕业生”，“不限”替换成“0-1年”，便于统计。方法：str.replace

5、字段拆分industryField：公司所属领域拆分，有的公司有多个领域，例如：‘移动互联网,金融’等，将该字段拆分，便于统计。若领域既包含移动互联网+其他行业，将公司领域归为其他行业；若领域包含（除互联网外）行业1+行业2，公司领域归为行业1、行业2；若领域只有互联网，将公司领域归为互联网。方法：split、join、map、reshape（pandas.dataframe没有内置reshape方法，但是可以.values用来访问基础的numpy数组对象并对其进行调用reshape）

salary：薪水是区间范围，例如‘15k-30k’，将该字段拆分出最低薪水、最高薪水，计算出平均薪水。方法：extract、map

job_detail：职位描述中拆分出技能要求，主要分为Python/R，SQL，Excel，SAS/SPSS、Tableau等几类。方法：one-hot编码，map、lambda函数

至此，数据处理工作完成。

四、数据分析及可视化

不同城市数据分析岗位需求量

从上图可以看出，数据分析岗位需求量最多五个城市为北京、上海、深圳、广州、杭州，其中北京、上海位居前两位，其他城市数据分析岗位需求较少，天津虽离北京较近，但与北京相比，数据分析岗位很少。因此，如果打算找数据分析相关工作，最好还是去一线城市。

不同细分行业数据分析岗位需求

数据分析不会脱离业务存在，每个行业领域的业务知识也不一样，想进入哪个行业的数据分析岗位就需要熟悉相应行业业务，最好有自己独到见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

从上图可以看出，电商、金融、数据服务行业数据分析岗位需求量位于前三位，若有金融教育背景或行业经验，金融行业的数据分析岗是不错的选择；若无金融行业经验，电商、数据服务行业是更好的选择。

不同工作年限数据分析岗位需求

从上图可以看出：① 具有0-1年工作经验数据分析岗位数量占有一定比例（约1/7），说明数据分析岗位的门槛不是很高，努力学习数据分析所需的相关知识，还是有很大可能进入该行业的。②具有3-5年工作经验需求量最多，其次是具有1-3年工作经验，根据招聘市场需求量，积累一定行业经验后，可选择的岗位更多一些。

不同城市岗位薪资情况对比

从图中可以看出，北京、上海、杭州、深圳月平均薪资位于第一梯队，均超过20k；苏州、广州、武汉、厦门月平均薪资位于第二梯队，在15k左右；图上其它城市月平均薪资位于第三梯队，除西安在10k以下，其余均在10-15k之间。

令人疑惑的是一线城市广州，与其他一线城市相比，月平均薪资相差一截。我们来看看北上广深杭薪资分布情况。

从上图可看出，广州数据分析岗位薪资分布集中在10k左右；杭州、深圳、上海分布相似，集中在20k左右；北京数据分析岗位薪资分布集中在20-25k。

不同工作年限与平均薪资关系

从图中可以看出，随着工作年限的增加，月平均薪资也在稳步上涨，0-1年与1-3年相比，薪资涨幅不大，3-5年、5-10年薪资上涨较快，约为0-1年、1-3年的1.5倍-2倍。

城市、工作年限与薪资交叉对比

从上图中横向对比，可以发现相同工作年限，北京、上海、杭州、深圳薪资位于第一梯队，广州薪资水平不如北上杭深；纵向对比，随工作年限增加，薪资也在上涨，北上杭深3-5年工作经验的数据分析师能拿到20k以上的薪资,5-10年工作经验薪资能达到30k以上。

公司规模与薪资关系

从图中可以看出，相比其他规模的公司，2000人以上、500-2000人的公司，平均薪资更高一些，因此在选择offer时候，无论是从薪资方面还是考虑职业长远发展，都应该选择大公司。

下图是不同规模的公司具体薪资分布情况

从图中可以看出，相同工作年限，50人以下的小公司薪资水平低于规模大一些公司的薪资水平；并且随着工作年限的增加，薪资中位数也在上涨。5-10年工作经验薪资中位数在30k左右。

招聘岗位技能要求

在数据分析行业中，工具的熟练使用是必不可少的，那数据分析岗位招聘都要求掌握哪些技能呢？我们先定性看下

从词云图上可以看出，数据分析岗位招聘技能要求主要有：SQL、Python/R、Excel、SAS/SPSS/Tableau、Hadoop/Hive/Spark

招聘岗位技能要求占比

从词云图中我们对数据分析岗位工具技能要求有了定性的认识，但是工具技能种类繁多，在有限时间里我们不可能熟练掌握所有的分析工具，并且在工作中并不是所有工具都会用到，根据“二八法则”我们只要熟练掌握工作中最常使用的分析工具，便可以胜任大部分的分析工作。那最常用的工具技能有哪些呢？招聘占比是怎样的呢？让我们一起来看看

从图中可以看出，在数据分析岗位描述中有59.5%的公司要求会Python/R，有58.0%的公司要求会SQL，有32.7%的公司要求会Excel，要求会SAS/SPSS/Tableau的占30.6%，要求会Hadoop/Hive/Spark的公司占22.6%。Python/R、SQL、Excel是数据分析的主要工具，应当熟练掌握。

不同技能要求的薪资分布情况

从图中可以看出，要求会Python/R、SQL岗位薪资中位数均达到20k，薪资上Python没有比SQL的更有优势，熟练掌握SQL依然能拿到不错的薪资；熟练掌握Hadoop/Hive/Spark能拿到更高的薪资（薪资中位数25k左右），但要求掌握Hadoop/Hive/Spark的公司占比不高；而要求会SAS/SPSS/Tableau岗位薪资整体上不如Python/R、SQL岗位薪资，只要求会Excel的岗位薪资远低于要求会Python/R、SQL的岗位薪资。

因此从事数据分析岗位，应当最起码熟练掌握SQL，才能拿到不错的薪水，其次熟练使用Python/R；若想拿更高薪水，可以学习Hadoop/Hive/Spark等方面知识。

学历要求占比

数据分析岗位相比于数据挖掘、算法来说，门槛较低，学历要求较低，那事实真是这样吗？让我们看看招聘岗位中对学历要求占比。

从图中可以看出，数据分析岗招聘中有83.4%要求是本科学历，只有3.9%要求硕士研究生，说明数据分析岗对学历要求不高。

大公司（2000人以上）招聘对技能&工作年限要求

比起小公司，大公司（2000人以上）岗位薪资更高，制度更加健全，很多人梦寐以求的想进入BAT这种级别的大公司，那大公司（2000人以上）对数据分析岗位技能有哪些要求，更倾向于招聘哪个工作经验段的数据分析师呢？让我们来一起看看

从左图可以看出，对于有招聘技能要求的大公司，要求掌握SQL技能的岗位占比59.7%，要求掌握Python/R技能的岗位占比约54.9%，要求掌握Excel技能的岗位占比34.0%，要求掌握Hadoop/Hive/Spark及SAS/SPSS/Tableau技能的岗位占比不到30%，因此如果想进入大公司，Python/R、SQL应当熟练掌握。

从右图可以看出，2000人以上的大公司数据分析岗招聘，主要集中在3-5年（44.8%）、1-3年（27.5%）工作经验段，0-1年工作经验的招聘仅占15.3%。

五、结论

1、需求量：①一线城市（北京、上海、深圳、广州、杭州）数据分析岗位需求量大；②主要集中在电商、金融、数据服务行业；③3-5年工作经验的需求量最大。

2、薪资：①北京、上海、杭州、深圳薪资位于第一梯队，广州位于第二梯队；②工作年限增加，薪资上涨，北上杭深3-5年工作经验薪资20k以上,5-10年工作经验薪资30k以上；③相同工作年限，小公司薪资水平低于大公司的薪资水平；④要求会Python/R、SQL数分岗位薪资中位数达到20k，熟练掌握Hadoop/Hive/Spark能拿到更高的薪资（薪资中位数25k左右）。

3、技能要求：要求熟练掌握Python/R的职位占比59.5%，要求熟练掌握SQL的职位占比58.0%；其中2000人以上的大公司，要求掌握SQL的职位占比约59.7%，要求熟练掌握Python/R的职位占比约54.9%，Python/R、SQL逐渐成为数据分析师的必备技能。

4、数据分析岗位对学历要求不高，其中要求学历为本科的岗位占比83.4%，要求硕士研究生学历的岗位仅占3.9%。