sql和mysql 数据分析师_利用SQL分析数据分析师岗位需求

之前已利用excel及power BI处理分析过数据分析师岗位职位需求，经过对sql的学习，基本掌握增删改查的相关操作，现在利用sql对资料进行分析。

excel对于数据量较小时可以处理，数据量较大时，可利用sql进行处理分析。

一、确定分析目标

1、对数据分析师需求比较大的城市有哪些

2、对数据分析师需求较大的行业领域

3、数据分析师的职业发展及薪资

4、数据分析师的教育要求与薪资

二、导入数据

安装好客户端Navicat即图形工具界面后，连接需要的数据库服务端，连接时，自主设置连接名，用户名及密码需安装服务端的人员提供，连接成功会在客户端左侧显示出相应的数据库名称，双击即可查看。

可直接双击数据库中的表进行操作，若不存在需要的表，可从本地导入。

导入数据，右击表，选择导入向导,选择文件格式，本文数据为csv格式，按步骤下一步，从相关路径中选择文件、对应的编码，下一步......尽量不在导入时设置主键，除非原表已删除重复值，并已确定主键。

选择编码需与文件一致，UTF-8；文件如果不是UTF-8，用excel打开文件，选择另存为，窗口右下角：工具→Web选项→编码中更改。

三、数据清洗

1、根据分析目标确定需要留下的数据。

2、复制表格

原表不要删除，复制一份进行操作：复制表可直接在客户端进行，也可用sql语句。

① 在客户端进行复制，命名da2：

② 使用sql语句复制：

只复制表不复制数据：

create table da3 like dataanalyst;

结果:

表数据和结构都复制：

create table da4 select * from dataanalyst;

结果：

3、数据清洗(上述复制的三张表只留一张da2,其余已删除)

① 删除多余的列：

alter table da2 drop column 列名1(，drop column 列名2......);

② 去掉重复值：

select distinct positionid,city,companyshortname,positionname,education,positionlables,industryfield,salary,workyear from da2;

将去重的结果表导出：点击上方导出结果

导出为csv文件，直接用excel打开会乱码，可先用记事本txt文件形式打开，再另存为utf-8编码即可。

再用导入文件步骤将去重后的表格导入数据库中，命名da3，同时可设置positionid为主键；

也可通过sql语句设置主键：

alter table da3 add primary key (positionid);

③ 筛选出相关岗位：

select * from da3 where positionname like '%数据分析%' or positionname like '%数据运营%' or positionname like '%分析师%';

可将表格重新导出另存为再导入；或者执行完所有数据清洗的步骤之后再讲结果导出再导入。

④ 计算出所需要的列(最新保存的表命名da4)：

对salary列进行处理：

增加最低薪资、最高薪资及平均薪资列：

计算最低薪资：

计算最高薪资：

因薪资列有的格式为‘?k以上’,所以用if语句判断，如果薪资列格式不是'?k-?k'，则最高薪资=最低薪资。

计算平均薪资：

四、构建模型

1、对数据分析师需求比较大的城市有哪些

sql语句：

执行结果：

从结果可以看出，北京、上海、深圳、广州、杭州对数据分析师的需求比较大，北京需求量最大，占比46.18%，因此找工作北京机会最多。

2、对数据分析师需求较大的行业领域：

sql语句：

执行结果：

从表中可以看出，金融、移动互联网和电子商务行业对数据分析师的需求较高。

3、数据分析师的职业发展及薪资

① 查询移动互联网、电子商务、互联网金融这三个行业的数据分析师薪资

sql语句：

执行结果：

②工作经验对应的岗位需求和薪资

sql语句：

执行结果：

从结果可以看出，工作3年左右的人才需求较大，而薪资也是随着工作年限的增加而提高；作为应届毕业生，既无社会经验也无工作经验，其薪资也是最低。

4、数据分析师的教育要求与薪资

不同教育程度的岗位需求及薪资：

sql语句：

执行结果：

从执行结果可以看出，本科生需求最大，其次是大专和硕士，博士生最少；薪资方面，本科和硕士差别很小，博士作为最高学历，薪资也是最高。

试着加入城市划分：

从上述执行结果可以看到：针对数据分析师这个岗位，各城市所能提供的不同学历对应的职位数量及薪资水平，可供求职者参考。

以上为sql的简单应用，原资料来源：秦路:《七周成为数据分析师—Excel实战篇》。