数据分析之excel分析招聘网站数据（基础版）

---

一、数据分析全流程

• 明确问题
• 理解数据
• 数据清洗
• 数据分析/构建模型
• 数据可视化

以“招聘网站数据-原始数据”为例，进行上述步骤。
`

二、明确问题

• Where——需求在哪里？
• What——需要什么样的人才？
• When——什么阶段需求最旺？

三、理解数据

该数据集共有6875条记录，每条记录有14个属性。

• 城市
• 公司全名
• 公司ID（唯一标识该公司）
• 公司简称
• 公司大小
• 公司所在商区
• 职位所属（公司哪个部门）
• 教育要求
• 公司所属领域
• 职位ID（唯一标识该职位）
• 职位福利
• 职位名称
• 薪水
• 工作年限要求

四、数据清洗

1. 选择子集

利用“隐藏”功能，从原始数据中选择部分数据（即子集）作为分析对象。

2. 列名重命名

双击单元格，修改列名。

3. 删除重复值

选择能够唯一标识该行记录的属性列进行操作。（根据职位ID)

4. 缺失值处理

第一步：确定缺失值数量

在已知某列数据完整无缺失的情况下，选中该列查看“计数”（表示该列有多少行数据），再查看其他列的“计数”进行对比。即，【其他列的缺失数量 = 该列的“计数” - 其他列的“计数”】

第二步：定位缺失值

第三步：处理缺失值

• 手动补全缺失值
• 删除缺失值所在行
• 用平均值代替缺失值
• 用统计模型计算所得值代替缺失值

5. 一致化处理

“一致化”是指数据是否有统一的标准或者命名

A. 分列

B. EXCEL常用函数

• FIND(要查找的字符串，字符串所在单元格)
• LEFT(字符串所在单元格，从左开始到X位置进行截取)
• RIGHT(字符串所在单元格，从右开始到X位置进行截取)
• MID(字符串所在单元格，开始位置，截取长度)

C. 筛选出不正常的数值（#VALUE!）

    最低薪水存在“#VALUE!”：查找和替换，把“K”替换为“k”

    最高薪水存在“#VALUE!”：错误值处理，使“最高薪水”等于“最低薪水"

D. 转换数据类型（字符串->数字）：利用“分列”功能

6. 数据排序

7. 异常值处理

A. 数据透视表的原理

• 数据分组（split）
• 应用函数（apply）
• 组合结果（combine）

B. 利用函数判断异常值

• COUNT(value1, value2,…)：对给定数据集合或者单元格区域中数据的个数进行计数，错误值、空值、逻辑值、文字则被忽略。例如，COUNT(#VALUE!) = 0
• IF(logical_test,value_if_true,value_if_false)：例如，IF(测试条件,结果1,结果2)，即如果满足“测试条件”则显示“结果1”，如果不满足“测试条件”则显示“结果2”
  

五、数据分析/构建模型/数据可视化

      解决某一类问题的办法，都可以叫模型。

1. 需求在哪里?

• 不同城市的岗位需求和薪资水平

 结论：
    - 全国数据分析师的人才需求量将近一半集中在北京 
    - 北上深杭广提供91.32%的工作机会
    - 北京的薪资是最高的，其次是深圳、上海和杭州

2. 需要什么样的人才?

• 对工作年限的需求

结论：
   - 81.74%职位要求1-5年经验 
   - 数据分析师薪资随工作经验增加显著，3-5年比1年以下翻倍
   - 招聘数据分析师非常看重工作经验

• 对职位类别的需求

结论：
   - 技术类招聘比占一半，开发、技术薪资最高

• 不同学历需求占比和薪资水平

 结论：
    - 76%的数据分析职位要求本科学历
    - 数据分析师薪资随学历增加不显著，本科与硕士薪资水平无显著差异

3. 什么阶段需求最旺盛?

• 公司规模占比和薪资水平

 结论：
    - 150人以上公司对数据分析师招聘需求占71.73% 
    - 随着公司发展，数据分析师重要性愈加凸

4. 数据可视化要点

（1）数据可视化探索步骤

     - 你所拥有的数据 
     - 你想从数据中获取什么信息 
     - 你该使用什么样的可视化方法 
     - 你看到的可视化结果是否有意义 

（2）不同类型的图表

• 6个图表元素：图表标题、纵横轴标题、类别名称、图例、网格线、数据来源
• 4种常用图表：散点图、折线图、柱状图、条形图
• 其它图表：饼图、箱线图、热力图、雷达图、词云图、AARRR漏斗图

（3）如何选择图表？

     - 表格：展示排名前n的数据 
     - 散点图：展示两个变量的相关关系 
     - 折线图：展示数据随时间的变化趋势 
     - 柱形图或条形图：展示不同类别数据的对比
     - 尽量避免使用令用户从视觉上难以理解的饼图、3D图表

（4）图表设计原则

    - 去掉增加认知负荷的网格线、数据标记
    - 避免使用倾斜的文字
    - 去掉小数点后无意义的位数    
    - 删去不必要的图例，直接在图中标记
    - 巧用颜色，如使得图和标记的颜色一致
    - 避免使用居中对齐的文字，建议左对齐

六、拓展：Excel常用技巧

1. 电商行业业务知识

2. 多表关联查询（VLOOKUP函数）

（1）vlookup函数结构

结构：Vlookup(查找值，数据表，列序数，[匹配条件]);（一定需要注意的是：函数中的参数和参数之间的逗号一定是英文下的逗号。）

（2）参数说明：

（1）查找值：必填项，根据什么查找，查找值必须位于数据表的第一列；

（2）数据表：必填项，查找的区域，若查到多个值，只返回查找到的第一个所对应的数据；

（3）列序数：必填项，返回数据表中第几列的数据（查找结果所对应的）；

（4）匹配条件：可选，如果为0（TRUE）表示精确查找；1（False）或省略表示模糊查找

（3）案例参考：

vlookup函数链接描述

---

文章参考链接

知乎链接描述
csdn链接描述