首頁 > 農業
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
由 資料分析不是個事兒 發表于 農業2021-10-14
簡介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
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!