作為一名在數(shù)據(jù)行業(yè)打拼了兩年多的數(shù)據(jù)分析師，雖然目前收入還算ok，但每每想起房價(jià)，男兒三十還未立，內(nèi)心就不免彷徨不已~
兩年時(shí)間里曾經(jīng)換過一份工作，一直都是從事大數(shù)據(jù)相關(guān)的行業(yè)。目前是一家企業(yè)的BI工程師，主要工作就是給業(yè)務(wù)部門出報(bào)表和業(yè)務(wù)分析報(bào)告。
回想自己過去的工作成績也還算是不錯(cuò)的，多次通過自己分析告，解決了業(yè)務(wù)的疑難雜癥，領(lǐng)導(dǎo)們各種離不開。
但安逸久了總會(huì)有點(diǎn)莫名的慌張，所以我所在的這個(gè)崗位未來會(huì)有多大發(fā)展空間，十年之后我能成為什么樣的人呢？自己的收入空間還有多少？
一番惆悵之后，別再問路在何方了，于是抄起自己的“家伙”，花了一小會(huì)時(shí)間爬了智聯(lián)招聘上BI崗位的數(shù)據(jù)信息，做了個(gè)分析。
PS：所用工具為Python/ target=_blank class=infotextkey>Python+BI
數(shù)據(jù)分析的過程如同燒一頓飯，先要數(shù)據(jù)采集（買菜），然后數(shù)據(jù)建模（配菜）、數(shù)據(jù)清洗（洗菜）、數(shù)據(jù)分析（做菜）、數(shù)據(jù)可視化（擺盤上菜）。
所以第一步，要采集/選擇數(shù)據(jù)。
一、Python爬取智聯(lián)招聘崗位信息（附源碼）
選擇智聯(lián)招聘，通過Python來進(jìn)行“BI工程師”的關(guān)鍵數(shù)據(jù)信息的爬取，這里大家也可以試著爬取自己崗位的關(guān)鍵詞，如“數(shù)據(jù)分析師”、“JAVA開發(fā)工程師 ”等。經(jīng)過F12分析調(diào)試，數(shù)據(jù)是以JSON的形式存儲(chǔ)的，可以通過智聯(lián)招聘提供的接口調(diào)用返回。
那么我這邊通過Python對智聯(lián)招聘網(wǎng)站的數(shù)據(jù)進(jìn)行解析，爬取了30頁數(shù)據(jù)，并且將崗位名稱、公司名稱、薪水、所在城市、所屬行業(yè)、學(xué)歷要求、工作年限這些關(guān)鍵信息用CSV文件保存下來。
附上完整Python源碼：
import requests
import json
import csv
from urllib.parse import urlencode
import time
def savehtml(file_name,file_content): #保存conten對象為html文件
with open(file_name.replace('/','_')+'.html','wb') as f:
f.write(file_content)
def GetData(url,writer):#解析并將數(shù)據(jù)保存為CSV文件
response= requests.get(url)
data=response.content
saveHtml('zlzp',data) #保存html文件
jsondata=json.loads(data)
dataList=jsondata['data']['results']
#print(jsondata)
for dic in dataList:
jobName=dic['jobName'] #崗位名稱
company=dic['company']['name'] #公司名稱
salary=dic['salary'] #薪水
city=dic['city']['display'] #城市
jobtype = dic['jobType']['display'] #所屬行業(yè)
eduLevel=dic['eduLevel']['name'] #學(xué)歷要求
workingExp=dic['workingExp']['name'] #工作經(jīng)驗(yàn)
print(jobName,company,salary,city,jobtype,eduLevel,workingExp)
writer.writerow([jobName,company,salary,city,jobtype,eduLevel,workingExp])
param={ 'start':0,
'pageSize':60,
'cityId':489,
'workExperience':-1,
'education':-1,
'companyType': -1,
'employmentType': -1,
'jobWelfareTag': -1,
'kw': 'BI工程師', #搜索關(guān)鍵詞，可以根據(jù)你需要爬取的崗位信息進(jìn)行更換
'kt': 3,
'lastUrlQuery': {"p":1,"pageSize":"60","jl":"681","kw":"python","kt":"3"}
}#參數(shù)配置
pages=range(1,31)#爬取1-30頁數(shù)據(jù)
out_f = open('test.csv', 'w', newline='')
writer = csv.writer(out_f)
writer.writerow(['jobName','company','salary','city','jobtype','eduLevel','workingExp'])
for p in pages: #自動(dòng)翻頁
param['start']=(p-1)*60
param['lastUrlQuery']['p']=p
url = 'https://fe-api.zhaopin.com/c/i/sou?' + urlencode(param)
GetData(url,writer)
time.sleep(3)#間隔休眠3秒，防止IP被封
print(p)
out_f.close()
經(jīng)過一番編譯調(diào)試，代碼成功運(yùn)行。
全部數(shù)據(jù)爬取完畢，一共1800條，保存在本地CSV文件中。
數(shù)據(jù)是爬到了，具體我想了解哪些信息呢：各城市的BI崗位需求情況以及薪資水平；薪水隨工作經(jīng)驗(yàn)的漲幅情況，以及有哪些具體的高薪崗。
由此可見，想要分析的角度很多，且看了源數(shù)據(jù)，還要做不少的數(shù)據(jù)處理。最簡單快速出可視化的方法自然是用BI工具，來對數(shù)據(jù)做簡單清洗加工，并呈現(xiàn)可視化。
BI能應(yīng)付絕大多數(shù)場景的數(shù)據(jù)分析，尤其擅長多維數(shù)據(jù)切片，不需要建模；甚至數(shù)據(jù)清洗環(huán)節(jié)也能放在前端，通過過濾篩選、新建計(jì)算公式等來解決。最后呈現(xiàn)可視化，并可設(shè)計(jì)數(shù)據(jù)報(bào)告。
這里我用FineBI來做這樣一份分析。
FineBI做分析大體是這樣的流程：連接/導(dǎo)入數(shù)據(jù)——數(shù)據(jù)處理/清洗（過濾、篩選、新增公式列）——探索式分析——數(shù)據(jù)可視化——出報(bào)告。
二、數(shù)據(jù)清洗加工
1.薪水上下限分割：
將CSV文件數(shù)據(jù)導(dǎo)入FineBI中（新建數(shù)據(jù)鏈接，建立一個(gè)分析業(yè)務(wù)包，然后導(dǎo)入這張Excel表）。因?yàn)樾剿且詘xK-xxk（還有一些類似校招/薪資面議的數(shù)據(jù)）的形式進(jìn)行存儲(chǔ)的，我這邊使用FineBI新增公式列（類似excel函數(shù)）將這些字符進(jìn)行分割：
薪水下限（數(shù)值）：left( indexofarray ( split (salary,"-") ,1),find( "K",INDEXOFARRAY( split(salary,"-") ,1))-1)
薪水上限（含K字符）：right ( indexofarray( split(salary,"-") ,2),len(salary)- find("K",indexofarray(split(salary,"-"),2 ) ) )
薪水上限（數(shù)值）：left( 薪水上限(文本),find("K",薪水上限(文本))-1 )
這樣就得到每個(gè)崗位的數(shù)值格式的薪水區(qū)間了：
2.臟數(shù)據(jù)清洗：
瀏覽了一下數(shù)據(jù)，沒有大問題，但是發(fā)現(xiàn)里面有一些類似BIM工程師的崗位信息，這些應(yīng)該都是土木行業(yè)的工程師，這邊我直接過濾掉即可（不包含“BIM”且不包含“bim”）。
3.崗位平均數(shù)據(jù)計(jì)算
再新增列，平均薪水=(薪水下限+薪水上限)/2，即可得到每個(gè)崗位的平均薪水。
4.真實(shí)城市截取
由于城市字段存儲(chǔ)有的數(shù)據(jù)為“城市-區(qū)域”格式，例如“上海-徐匯區(qū)”，為了方便分析每個(gè)城市的數(shù)據(jù)，最后新增列“城市”，截取“-”前面的真實(shí)城市數(shù)據(jù)。
城市：if(find("-",city)>0 , left(city, find("-",city)-1 ),city)
至此，18000多條數(shù)據(jù)差不多清洗完畢，食材已經(jīng)全部準(zhǔn)備好，下面可以正式開始數(shù)據(jù)可視化的美食下鍋烹飪。
三、數(shù)據(jù)可視化
數(shù)據(jù)可視化可以說是很簡單了，拖拽要分析的數(shù)據(jù)字段即可。
但是這里用finebi分析要理解一個(gè)思路。常規(guī)我們用excel做分析或者說做圖表，是先選用鉆則圖表然后設(shè)定系列、數(shù)值。這里沒有系列和數(shù)值的概念，只有橫軸和豎軸。拖入什么字段，該字段就以該軸進(jìn)行擴(kuò)展，至于圖表嘛，finebi會(huì)自動(dòng)判別推薦。
我這邊以各城市平均薪水/崗位數(shù)量分析為例給大家簡單展示FineBI的可視化呈現(xiàn)過程。
1、橫軸以“城市”字段擴(kuò)展，展現(xiàn)兩類數(shù)據(jù)。先是薪水值，拖拽到縱軸，默認(rèn)對數(shù)值類的字段是匯總求和的。點(diǎn)擊字段可直接對改字段修改計(jì)算、過濾等操作。
此圖來自官網(wǎng)，圖中數(shù)據(jù)不是本次分析的數(shù)據(jù)，僅供參考
2、然后分析每個(gè)城市BI崗位的情況。將數(shù)據(jù)記錄數(shù)這個(gè)指標(biāo)拖入到縱軸展示。同樣的方式，可以修改字段名。這里為了區(qū)分兩者，將其修改為折線圖，并且倒敘展示。
同理，其他圖表也是這樣的操作，想清楚展現(xiàn)什么樣的數(shù)據(jù)，怎樣展現(xiàn)，數(shù)據(jù)要作何處理。就得心應(yīng)手了。其他圖表就不一一贅述了。
最后，大概花了15分鐘，一份完整的智聯(lián)招聘網(wǎng)站-BI工程師崗位數(shù)據(jù)分析的可視化報(bào)告就制作完成啦~
審美有限，只能做成這樣，其實(shí)這個(gè)FineBI還能做出這樣的效果。
四、分析結(jié)果
1.目前BI工程師崗位在智聯(lián)招聘網(wǎng)站的平均薪資為13.46K（痛哭。。。拉低平均薪水的存在），主要薪水區(qū)間大概在12-15K（占比27.07%），相關(guān)工作需求總數(shù)為634個(gè)（僅僅為某一天的招聘需求數(shù)據(jù)）。
2.從城市崗位需求數(shù)量分布來看，BI工程師需求主要集中在北京、上海、深圳、廣州區(qū)域；各城市BI工程師平均薪水方面，去除崗位需求量較少的城市來看，國內(nèi)排在前面的分別為深圳（14.72K）、上海（14.59K）、北京（14.51）、杭州（12.07K）、成都（11.13K）、廣州（10.94K）。
3.從工作年限的平均薪水和崗位需求數(shù)量來看，工作5-10年的資深BI工程師的平均薪水可以達(dá)到20K以上（朝資深BI工程師方向奮斗！！！1年以下年限的計(jì)算出來的平均薪水雖然為19K，但是由于樣本量只有3個(gè)，所以參考意義不大），其中大部分的工作需求年限為3-5年，平均薪水為14.24K。
4.從學(xué)歷方面來看，最低學(xué)歷需求主要以本科/大專為主，本科和大專學(xué)歷要求的平均薪資分別為12.68K和11.97K（感覺差距并不大，過硬的技術(shù)實(shí)力可能才是企業(yè)最為看重的吧），博士和碩士學(xué)歷需求很少。
5.看了一些高薪的招聘企業(yè)，最高的可以給到30K~40K的薪酬水平，其中主要是互聯(lián)網(wǎng)、IT類公司為主。
醍醐灌頂，頓時(shí)有了奮斗的動(dòng)力~知識(shí)就是財(cái)富，繼續(xù)好好學(xué)習(xí)去吧，少年?。。?/p>
