平均年薪僅10萬！分析萬條資料，原來資料分析師並不光鮮亮麗

資料分析師一般一個月多少錢

眼見2020年就要過去了，一到了年底年末就是離職、轉行高峰期，不少人又開始將目光投向了資料分析師這個看似“香餑餑”的崗位。

似乎一提起資料分析師，大家心中想到的就是工作輕鬆、入門簡單、工資優厚，不少人甚至選擇裸辭，就為了能趕上資料分析的末班車，然而事實上真的如此嗎？

資料分析還是風口嗎？

站在風口上，豬都能飛起來。

很多人把這句話奉為圭臬，覺得資料分析就是一個風口職業。

然而被吹飛的永遠只能是少數，大部分人不僅連湯都喝不到，甚至連碗邊子都碰不到，等到自己清醒過來，眼前只有一片的藍海。

資料分析崗位的藍海效應雖然沒有這麼嚴重，但是也絕對沒有網上鼓吹的那麼光鮮亮麗，低薪低崗、996、壓力宅的標籤同樣也適用於資料分析。

之前從職友集網上看到一份關於資料分析師的崗位薪資調查，54%的崗位薪資只有不到1。5w，平均月薪只有1。2w。

看上去似乎還不錯，但是這個圖中恰恰犯了資料分析最大的一個毛病：以“全”概“偏”

也就是用總體的資料特徵來掩蓋某些資料細節，為了幫助大家對資料分析崗位有一個全面深入的判斷，我決定自己去挖掘網上的招聘資料，真正側寫出資料分析崗位的真實情況。

Python爬取

網站就選擇智聯招聘了，這個網站的網頁結構比較簡單，不需要設定模擬點選，而且資料來源比較準備，基本不需要進行資料清洗。

首先，進入智聯招聘官網搜尋“資料分析”相關的崗位，結果大概有上千條：

然後看一下這個介面的網頁結構，按F12檢視網頁原始碼，點選network

可以看到一些Ajax請求， 找到XHR檔案，點選可以看到網頁的一些資訊

瞭解了網頁結構，下面就可以開始寫爬蟲語言了：

首先構造網址請求，在Header中有一個Request URL，我們點選Preview，可以看到我們所需要的資訊就存在result中，這資訊基本是json格式，有些是列表；

下面就可以寫爬蟲了，步驟的話這裡不詳細講了，下面是部分截圖，完整的原始碼可以在後臺回覆

”崗位“

獲得！

最終爬取的資料表如下所示（經過了一些簡單的初步清洗和加工）：

BI分析

有了資料之後，我們就要按照資料分析的流程進行”資料準備-資料清洗-資料加工-資料視覺化“的工作，其實對於資料分析來說，這個過程完全可以放在BI工具中進行實現，比如FineBI、Tableau中，比如這裡我們選擇

FineBI

進行展示。

FineBI屬於自助資料分析工具，它的原理也比較簡單，就是透過連結資料來源進行資料來源的準備，然後透過建立自助資料集的方式對資料表進行編輯加工，這樣可以避免破壞原有的資料表，最後透過視覺化儀表板的方式對資料進行動態展示。

首先，我們開啟FineBI的主頁面，在主頁面左側下方有一個加號標誌的按鈕，代表著”建立資料“，這裡我們可以將資料上傳到平臺中，比如Excel表、SQL表、資料庫表等。

這裡我們將Excel表匯入到業務包中：

當然FineBI也是可以直接連線資料庫的，比如Oracle等，這裡自然我們不需要資料庫的連線。

將資料匯入之後，我們就要對資料進行編輯和加工，但是為了不破壞源表，我們可以選擇新增加一個自助資料集，也就是僅供自己使用的資料集（這個功能在公司業務裡比較重要），然後就可以將匯入的資料表中的所有指標全部新增：

下一步，我們就可以在自助資料集中對資料進行加工處理了，比如我們新增一列，選擇分組彙總功能，將資料按照崗位進行分組：

首先我們計算一些每個崗位的平均薪資，因為資料表中只有最高薪資和最低薪資，因此這裡我們選擇新增一列，使用公式/函式功能，平均薪資的計算公式也比較簡單：

平均薪資 = （最低薪資+最高薪資）/2

同樣的，我們再計算出崗位的年薪，資料分析崗位一般都是年薪值，一般是12薪、13薪，所以計算公式也比較簡單：

平均年薪 = 平均薪資 * 年薪數

得到了這兩個資料，我們的資料也就基本上處理好了，下一步就要進行視覺化操作了，點選資料介面右上角的”建立元件“，命名為”資料分析崗位“，即可進入視覺化介面。

在這個介面裡我們可以直接拖動指標到橫、縱座標軸，然後選擇對應的圖表型別，如折線圖、散點圖、次雲圖等即可，比如：

當然資料視覺化也是一門學問，在FineBI裡也可以對資料進行篩選、過濾、快速計算等功能，具體的大家可以自己嘗試一下，最終我製作出了下面的儀表板圖：

結果分析

1、不同城市的平均薪資

從城市分佈上看，大部分資料分析崗位都集中於全國的一線、二線城市，但這些城市的薪資差異也是很大的：

北上深杭四個城市獨領風騷，平均月薪全都超過了2w，廣州、廈門緊跟其後，平均月薪也有1。8w左右；

而後面的城市崗位薪資都不屬於很高的水平，資料表中被統計的幾十個城市中，資料分析崗位平均薪資超過1w的一共只有9個城市，可以說非常慘淡。

2、不同城市的平均年薪

雖然月薪情況不如人意，那麼年薪情況會不會好一點呢？

結果顯示與月薪水平基本是保持一致的，北京一騎絕塵，而後面的城市增長乏力，全國排名第10的青島資料分析崗位平均年薪僅12w，稅後也只有10w左右；

3、全國的數分崗位分佈

資料分析崗位還不屬於傳統意義上的職能崗位，因此整體上還是以京津塘、長三角和珠三角為主要的分佈區域。

其他的也只有諸如成都、武漢、鄭州等省會城市分佈會多一些，其他三、四線城市分佈比較稀缺；

4、不同行業的需求量

資料分析是十分看重行業的，從結果上看，網際網路行業是資料分析崗位最多的，其次也是IT、軟體、電商等領域較多，崗位的需求量一方面也代表著競爭的激烈程度。

5、不同行業的待遇

結果顯示，網際網路行業的年薪待遇是最高的，但是計算機軟體的需求量雖然排名第二，但是薪資待遇卻不如移動網際網路，這也說明移動網際網路現在正處於行業的上升期，相比之下是大家選擇的不錯選擇。

6、年薪前20的公司

值得注意的是，年薪排名靠前的公司中除了騰訊、華為、網易、京東、阿里這種大廠，BOSS直聘的崗位待遇也非常的高，此外還有包括貨拉拉、雅樂集團這種非大廠的待遇也很高，這應該出乎很多人的預料。

除此之外，還有非常多的有趣結論沒有寫出來，剩下的大家可以自己在FineBI中用資料做一次分析，體會資料分析流程的同時，對資料分析崗位有準確的認知。

相關的資料和python原始碼，轉發文章，私信我“崗位”獲得！