摘要：本次實戰題目和數據選取自公眾號“秦路”，是針對數據分析的招聘崗位的需求分析。數據抓取時間是2016.11月，抓取的是當時各大招聘網站有關數據分析的崗位數據。以下是個人的實操過程。

目錄

1

數據分析的大忌是不知道分析方向和目的，拿著一堆數據不知所措。一切數據分析都是以業務為核心目的的，以數據為目的的數據分析都是耍流氓~~

數據用來解決什么問題的：

比如說：

是進行匯總統計制作成報表？

是進行數據可視化，作為一張信息圖？

是驗證某一類業務假設？

是希望提高某一個指標的KPI？

......

PS：經過后面的思考，發現下圖中行業&公司一欄里的兩個問題其實是重復的，“什么行業”和“哪類公司”其實含義是一樣的。

補充一個問題：公司越大，對數據分析師的需求越大嗎？

2

數據的缺失值很大程度上會影響分析結果。引起缺失的原因有很多，例如技術，爬蟲沒有完全抓去，埋點沒有做好等等，例如本身的缺失，該崗位的HR沒有填寫（關于數據缺失處理，希望以后能寫一篇菜鳥學習文章出來）

一致化指的是數據是否有統一的標準或命名。例如上海市數據分析有限公司和上海數據分析有限公司，只差了一個字，但是對機器和程序而言，它們依舊會把它們認成是兩家。這會影響最后的計數、數據透視的結果。

臟數據是指分析過程中很討厭的環節。例如亂碼，錯位（），重復值，未匹配數據（數據不完整性），加密數據等。能影響到分析結果的都是臟數據，沒有一致化也可以算。

數據標準結構，就是將特殊結構的數據進行轉換和規整。

數據清洗

1、首先是清洗薪資。

溫馨小tips：excel如何批量自動填充單元格。

http://jingyan.baidu.com/article/546ae1853742b11149f28cb2.html

2、接下來把companyLabelList，businessZones，positionAdvantage進行分列。

可以看到companyLabelList標簽都是固定的內容，而positionLables、positionAdvantage、businessZones雖然也可用分列法做，但是這三個字段都是由HR自己填寫的，所以你會發現這會有各種不統一的描述。

這些自定義的內容，并沒有特別大的分析價值。

溫馨小tips：excel只替換某一列數據

http://jingyan.baidu.com/article/fcb5aff7aa222cedaa4a718e.html

總結篇

數據分析的思路：

一、明確數據分析的目的

二、觀察數據

? ? ? ? 1、了解數據背后的含義

? ? ? ? 2、看看這些數據之間有什么聯系

? ? ? ? 3、明確要保留/分析哪些數據

三、數據清洗

四、分析結論