分析背景及目的
本次分析的数据源来自：lagou-数据集-和鲸社区，是一份数据分析师职业的招聘数据，数据集各个待分析字段的含义如下：
分析思路
主要从岗位需求、薪资、技能要求三个角度来入手分析：
1.岗位需求角度
不同城市数据分析岗位的需求量有什么差异不同细分领域数据分析岗位的需求量有什么差异
2. 薪资水平角度
不同城市数据分析岗位的薪资有什么差异，特别是四大一线城市的薪资水平分布有何差异各城市工作经验与薪资的关系
3. 技能要求角度
不同技能的数据分析岗位的薪资有什么差异大公司对不同技能的要求占比有什么差异分析过程
1. 数据预处理
数据去重：处理前后均为3140条数据，因此不存在重复值。数据筛选：筛选出岗位名称中包含“数据分析”且不包含“实习”字眼的数据行，共1429条数据。数据删除：删除掉多余的“岗位名称”数据列，并重新设置索引。数据增加及格式处理： 将“薪资”数据列转换为整数类型并取信息区间平均值。将“职位描述”数据列字符处理为小写并为缺失值赋值成空字符串。从“职位描述”数据列中分别提取“Python/R”、“SQL”、“Tableau”、“Excel”软件技能字段，创建4个新数据列并分别赋值为1（要求相应的软件技能）或0（不要求相应的软件技能）。
2. 结合图表分析
1.从岗位需求量角度
[1] 分析不同城市数据分析岗位的需求量有什么差异
从招聘信息的所在地来看，对数据分析岗位需求量较大的是北上广深四个一线城市，其中北京和上海分别位列前两位。除了北上广深和杭州外，其他热门城市的需求并不大，所以，如果想找数据分析相关的工作，最好去一线城市寻找相应的机会。
[2] 分析不同细分领域数据分析岗位的需求量有什么差异
从不同细分领域的岗位信息来看，金融、电商和数据服务这三个领域的需求量位列前三位，其中电商和金融领域的需求远超过其它领域。像消费生活、企业服务和文娱行业等也有不少机会。
2. 从薪资角度
[1] 分析不同城市数据分析岗位的薪资有什么差异
从各城市的薪资水平来看，北京、上海、杭州、深圳处于第一梯队，月均薪水都超过了20k，苏州、南京、广州以及武汉位列第二梯队，月均薪水在15k左右，其他城市则处于第三梯队。（其中的黑色长条代表置信区间，该图表示95%的职位所对应的薪资在此区间范围内）
[2] 进一步分析四大一线城市数据分析岗位的薪资分布差异
从四大一线城市的薪资分布来看，北京的薪资情况最为乐观，深圳和上海的分布较为接近，广州大部分职位的薪水在10k左右，分布和其他三个城市差异较大。
[3] 分析各城市工作经验与薪资的关系
从热力图横向对比来看，随着工作经验的增加，数据分析师的薪资也会相应提高。对有3-5年经验的数据分析师，在北上广深杭五大城市平均基本能拿到20k及以上的薪水；从热力图纵向对比来看，广州在各段上的薪资均不及其他三个一线城市。（由于工作经验小于1年和大于的数据量太小，所以没有绘入其中）
3. 从技能角度
[1] 分析不同技能的数据分析岗位的薪资有什么差异
从不同技能的薪资对比来看，要求会Python/R和要求会SQL所对应的薪资中位数在20k左右，但在薪资上掌握Python/R并没有掌握SQL更有优势；仅要求会Excel的岗位对应的薪资则明显低于前两者。
[2] 分析大公司对不同技能的要求占比有什么差异
从大公司（2000人以上）对不同技能的要求占比来看，超过70%的岗位要求掌握Python/R；不要求Python/R但要求会SQL的岗位占比不到20%；而仅要求会Excel的岗位占比不到10%。
结论和建议
1.结论
（1）在职业需求量方面，对数据分析师有较大需求的主要还是一线城市，且主要集中于电商、金融和数据服务领域。
（2）在薪资水平方面，北上深杭处于薪资第一梯队，广州作为一线城市在薪资上较其它一线城市无优势；且随着工作经验的增加，数据分析师的薪资会相应提高。
（3）在技能要求方面，九成的大公司要求会Python/R或SQL，但掌握SQL的人比掌握Python/R的薪资更有优势，仅要求会Excel的岗位对应的薪资则明显低于前两者。
2.建议
（1）从事数据分析职业建议到北上杭等城市的电商、金融和数据服务领域发展，岗位需求量大且薪资水平有优势。
（2）熟练掌握Python/R和SQL有利于跻身大公司并拿到可观薪资，积累工作经验也有助于加薪。
