金九银十求职季已经过半，最近咨询经验的同学也越来越多了，有很多求职、或是转行的同学向我咨询我数据分析师岗位的种种信息。

虽然老李我在数据领域待了这么多年，对这个岗位的的各种信息了然于心，但个人经验还是没有实际数据更有信服力。

因此，为了帮助大家对数据分析岗位有一个全面深入的判断，本文爬取Boss直聘网站上“数据分析”相关岗位的各种信息，用真实数据来解答各位同学对于数据分析岗位的疑惑，以数据分析来了解“数据分析”。

分析维度

本次分析以BOSS直聘网站上全国数据分析相关岗位作为数据信息，使用可视化工具FineBI，从地域性分布、薪酬分布、行业分布、经验要求、技能要求等维度，分析数据分析相关岗位的具体情况。

BI分析

有了数据之后，我们就要按照数据分析“数据准备-数据清洗-数据加工-数据可视化”的流程进行的工作。其实对于数据分析来说，这个过程完全可以放在BI工具中进行实现，比如FineBI、Tableau中，这里我们选择FineBI进行展示。

FineBI属于自助数据分析工具，它的原理比较简单。先是通过链接数据来源的方式进行数据源的准备，然后通过创建自助数据集的方式对数据表进行加工，这样可以避免破坏原有的数据表，最后通过可视化仪表板的方式对数据进行动态展示。

首先，我们打开FineBI的主页面，点击左侧的「数据准备」，然后选择任意一个业务包，点击「添加表」。通过此方法，我们可以将数据上传到平台中，比如Excel表、SQL表、数据库表等。

这里我们将Excel表导入到业务包中：

由于导入的基础表并不能直接用于分析，因此我们还需要对数据进行加工。我们选择「创建自助数据集」，添加已导入的数据表中的所有指标。

然后，我们就可以在自助数据集中对数据进行加工处理了。

首先我们计算每个岗位的平均薪资。我们选择「新增列」，使用「公式/函数功能」，输入公式「平均薪资 = (最低薪资+最高薪资)/2」，计算平均薪资。

按照同样的操作，我们再计算出数据分析岗位的年薪，公式为「平均年薪 = 平均薪资 * 年薪数」。

在处理完数据后，下一步就要进行可视化的操作。点击左侧的「仪表盘」，再点击左上角的「创建仪表盘」，命名为「数据分析岗位」，即可进入可视化界面。

在这个界面里我们可以直接拖动指标到横、纵坐标轴，然后选择对应的图表类型，比如柱形图、散点图、词云图等，即可做出想要的图表。

当然数据可视化也是一门学问，在FineBI里也可以对数据进行筛选、过滤、快速计算等功能，具体的大家可以自己尝试一下，最终我制作出了下面的仪表板图：

分析结论

1、城市分布

从城市分布上看，全国共有72个城市的企业有数据分析师的人才需求，需求排名前5的城市分别是：北京、上海、杭州、深圳、厦门。

这说明数据分析这一岗位依然大量集中在北上深三大一线城市，以及杭州、厦门这两个互联网产业蓬勃发展的城市，其他三、四线城市分布比较稀缺。岗位的需求量一方面也代表着竞争的激烈程度，可想而知北上深杭厦这各五个城市的竞争之激烈。

而相比17年的29个城市，目前已有72个城市右边此人才需求，市场对于数据分析岗位的人才需求在不断扩张，未来前景依然可观。

2、总体薪酬情况

①平均月薪

如同大多数工作一样,数据分析师的薪酬也是一个右偏分布。大多数人的收入集中在5k-25k每月，有1/3的人月薪在7.5k-12.5k之间，只有极少数人能够获得更高的薪酬。从月薪来看还是有点惨淡的。

②平均年薪

虽然月薪情况不如人意，但年薪情况会不会好一点呢？

数据显示绝大多数人的年薪集中在5w-15w，一部分人的年薪集中在15w-40w。

3、不同城市的薪酬情况

①平均月薪

可以看出，想要起薪高，还是得去北上广深等一二线城市。

②平均年薪

从年薪来看，北上广深这类一线城市的优势就凸显出来了，平均年薪的中位数均在20w以上。

长春和南京的表现很不错，平均月薪和平均年薪的中位数均处于全国的领先地位（前五以内），想要竞争少的同学，可以在这两座城市尝试一下。

4、不同行业的需求量

数据分析还是十分看重行业的。从结果上来看，互联网行业是数据分析岗位最多的行业，其次是电子商务、计算机软件、数据服务等行业较多。

5、职业技能关键词

通过词云可知，对于数据分析师这一岗位，企业需求频率最高的技能是Pyhton、SQL和Excel。因此各位同学要注意，要想从事数据分析岗位，Pyhton和SQL是必备技能。 总的来说，Pyhton和SQL是第一梯队需求，Excel是第二梯队需求，SPSS和R第三梯队的需求。

除此之外，还有很多有趣的结论没有写出来，剩下的大家可以自己在FineBI中进行分析，体验数据分析流程的同时，对数据分析岗位有更精准的认知。

回复“BI”获取工具