作爲一個在找工作的人，最主要的必然是海投簡歷，但是作爲一名數據人，能否用數據分析的思路幫助自己去更好、更快地找工作呢？
答案是肯定可以的，而且數據分析的思路不僅適用於找數據分析的工作，可以說，幾乎找任何工作都可以用得到。（文末有彩蛋）
下面我就把自己的經歷放上來，歡迎各位朋友一起交流（E-mail：[email protected]）
首先，收集數據
採集工具：“八爪魚採集器”。
**採集時間：**2017年4月11日，21點。
採集方法：
- 打開智聯招聘首頁，選擇全國區域
- 在搜索框中輸入“數據分析”，回車進行搜索
- 將網址複製到八爪魚採集器中，使用單機採集方式，自動跳轉頁碼進行採集。
其他說明：此次採集內容包含公司名稱、薪資、工作地點、公司性質、公司規模及經驗、學歷要求等內容，共有5460條信息。
然後，處理數據
使用八爪魚採集器可以導出Excel、CSV等格式的文件，爲方便後續其他操作，導出爲CSV格式的文件。
主要將數據進行以下處理：
- 刪除重複數據1426條，得到有效數據4034條。
- 對原數據的字段進行重編碼，原始數據中字段均爲拼音簡稱，將其改爲漢字。如：將“gsmc”改爲“公司名稱”
- 根據崗位職責，填充空缺信息，如：崗位職責中明確寫明要求本科學歷，而“學歷”字段中爲空，則將空值改爲本科。
- 拆分原字段“地點”，原數據中有諸如：北京-大興區，這樣的內容，爲統一數據格式，將其分爲兩個字段：工作地點和具體地點，工作地點僅爲市名，具體地點包含區名。
- 新增字段：省份，根據工作地點字段進行匹配省份名稱，首都及直轄市均保持原來內容。增加薪資下限、薪資上限，分別表示薪資列中的最小值和最大值。
- 對薪資字段進行修改，原數據內容爲“4001-6000”、“1000以下”、“面議”等，將區間分爲“薪資下限”和“薪資上限”，面議的內容爲空，1000以下，安裝0-1000拆分。
- 增加經緯度字段，表示每個工作地點的經緯度。
- 修改經驗列，將所有類似於1-3年，3-5年，取最小值。
最終得到：19個字段，4034條數據。
現在，開始分析
我比較感興趣的是以下幾個內容：
哪些公司在招聘？
哪些地方需求高？
招聘要求高不高？
薪資待遇好不好？
壹 / 哪些公司在招聘？
1、公司名稱
在4000多條信息中，共有1764個公司在招聘，版面有限，不能將這些公司全部放上來，所以選取了招聘數量最多的前20名。
前三名的數量實在太過龐大，有必要看一下具體的數值。
| 公司名 | 招聘數量 |
|---|---|
| 北京萬向通匯投資有限公司 | 720 |
| 北京萬向聯合控股集團有限公司 | 316 |
| 北京萬向通匯投資管理有限公司 | 128 |
| 小計 | 1164 |
果然，前三名就佔了幾乎四分之一。排除前三名後，再看一下整體情況及前20名的公司。
2、公司性質
可以看出，股份制和民營企業需求最大，
3、公司規模
公司規模按照人數來劃分，從圖形來看，基本上滿足正態分佈。
不過也可以看得出來，大部分公司人數都是蠻多的。可以想象，小規模的公司，需求都不會太高。
貳 / 哪些地方需求高？
底下的幾張地圖，用的是Tableau繪製的，畢竟Tableau的交互比較方便。首先來看看各省的招聘數量。
可以看出，北京作爲排頭兵，領先不止一點點，其次就是長三角和珠三角，在招聘需求上，一線城市的缺口還是很多的。
當然，招聘需求多隻是一方面，給出的待遇如何呢？
不可思議的是薪資最高的居然是西藏。
原因很簡單，西藏的招聘信息只有一條，給出的薪資待遇是10001-15000元，平均一下之後呢，就是12500.5元。
上海的平均薪資是10406元，北京是9335元，除此之外的江蘇、廣東也不過8849和8145元。浙江在這輪比拼中稍遜一籌，只有6156。
第四名往後的分別是：湖北(6743.64)、海南(6667)、內蒙古(6500.4)、安徽(6388.23)、廣西(6333.5)、貴州(6285.93)、四川(6220.43)。
看完了以省爲單位的分析，再細分到城市，看一看具體是哪些城市對於數據分析的招聘需求大，也看一看哪些城市比較土豪。
可以看出，不管是需求還是薪資，北京、長三角、珠三角一直霸佔三強寶座。
當然，內陸的需求主要集中在省會城市，比如，西安、成都、鄭州、合肥、濟南，這些在地圖上的數據都很明顯。
所以，大數據蓬勃發展的時代，各個地方的需求和待遇都不錯。當然，想要更好一點的機會和大於，還是優先考慮北京、長、珠三角。
叄 / 招聘要求高不高？
這一方面的維度不好把握，所以主要從學歷要求和工作經驗來進行分析。
學歷要求
簡單統計一下數量之後，發現要求並不是很高。其中有個類別是空白，這個可以當做不限來看待。因此，招聘需求主要集中在大專、不限和本科。
工作經驗
工作經驗中，有些數據是這樣的：1-3年，3-5年，因此，爲了統一口徑，所有類似的數據都在處理數據時進行了取最小值。所以，工作經驗指代的是，最低的工作經驗要求。
可以看到，最明顯的就是還是有空白數據，完全搞不懂這些公司是怎麼想的，難倒沒有要求嗎？
除此之外，1年和3年的工作經驗最爲吃香。
畢竟大數據發展並沒有很長時間，三年工作經驗可以當做中流砥柱，帶來的效益很明顯；而一年工作經驗的人，最起碼可以不經培訓就上手開始工作，人力成本大大降低。
所以，無論是學歷還是工作經驗，要求上來說都不是很高。這對於找工作的人來說，無疑是一個好消息。
肆 / 薪資待遇好不好？
本部分內容比較多，從以下幾個方面進行分析：
1. 簡述
2. 公司
3. 地點
4. 要求
簡述
因源數據都是薪資區間，形式諸如：1000元以下，4001-6000元。因此，新增了三列，分別放置：最低薪資，最高薪資，及平均薪資。
以下主要按照平均薪資作爲衡量指標。
首先看看平均薪資的幾個指標：
最小值：500
25%分位數：5000
中位數：7000
均值：8373
75%分位數：9000
最大值：125000
還有59個缺失值，缺失值的數據呢，就表示薪資爲面議。
可以看出，5001-10000元的區間最多，2090個，幾乎佔了一半；其次就是0-5000，有點慘的感覺。而且隨着薪資的上漲，數量越來越少，到最後，就少得可憐了。
尤其從10000開始，似乎是斷崖式的墜落，15000以上，只有159個。
高薪不是沒有，只是太少了。
公司
1. 公司規模
離羣值影響太大，圖表無法完全展示信息，因此，將40000以上定爲離羣值，進行剔除。
先看中位數，規模在10000人以上的公司，反而給的最少，20人以下的公司反而給的最多。
再看四分位距，大部分在5000以內，而且多數分佈在5000至10000這個區間內。
2. 公司性質
還是一樣，由於離羣值的影響，無法展示全部的信息，所以，還是一樣篩選40000以下的數據。
前面提到過，股份制企業跟民營企業的需求量最大，現在從薪資方面來看，不僅需求量大，薪資的分佈區間也很大，高的特別高，低的特別低。
從中位數來看的話，還是國企和事業單位領先一點。大數據時代可能還是會有“鐵飯碗”。
地點
已經畫過了兩張不同地區的薪資水平情況分佈圖，所以這裏就不做仔細闡述，先把之前的兩張圖放上來。
以上兩張是用Tableau做的，爲了好（zhuang）看（bi），特意用Excel的三維地圖做了一個三維的熱力圖，如下：
要求
同樣，此處還是分爲學歷和工作經驗。
除去不限和空白的數據，博士學歷的幾項指標都比較高，其次就是碩士。
當然也可以看得到，本科和大專的部分離羣值也比較高，甚至高過博士和碩士的最大值，說明學歷並不完全是衡量薪資水平的標準，只能說隨着學歷的上升，薪資也有一定的提高。
由上圖可以看出，薪資的多寡，在一定程度上與工作經驗確實有關係。同時可以看出，3年和5年的區間跨度最大。所以，經驗的累加並不完全能給我們帶來薪資的增長，更重要的，還是得看實力。
最後，分享一下源數據和源代碼。
鏈接: http://pan.baidu.com/s/1qXGMP20
密碼: kxsb
聯繫小鑫：[email protected]