![9db79536192b45f69e0eb84737c533a1.png](https://i-blog.csdnimg.cn/blog_migrate/414a0b778b4873cfa13a37a7be283bae.jpeg)
一、数据分析中常用的Excel操作1. 基本操作1-1. 显示全部列名以及信息
1、自动换行
![ebda15fd38813b817146774fa47e04d3.png](https://i-blog.csdnimg.cn/blog_migrate/cc6119ccaef4746ba776456a05f66a60.jpeg)
2、设置列宽
![d2a1e4c3c72b8556406336cb7bf5d7d6.png](https://i-blog.csdnimg.cn/blog_migrate/3453b560d5b80c23be8e2c24ba65f8f4.jpeg)
1-2. 隐藏、取消隐藏1-2-1. 隐藏列
![5a0a5746dd11bb6a59bc66dd12fee594.png](https://i-blog.csdnimg.cn/blog_migrate/e712e276dd01c4e6fd671b15b988c968.jpeg)
1-2-1. 取消隐藏列
取消隐藏列:
![90da4667d12d7ab901c869a05daef67f.png](https://i-blog.csdnimg.cn/blog_migrate/432262dcc5373c32fc367c4905ee543d.jpeg)
- “开始”选项卡
- 格式
- 取消隐藏
1-3. 删除重复值
删除重复值:根据唯一标识删除重复值
![e8849e31695f2e7ae219ea8e023dbdb9.png](https://i-blog.csdnimg.cn/blog_migrate/e753b70c0087a869042a5bcc8fd4586a.jpeg)
- “数据”选项卡
- 删除重复项
- 取消所有列名的全选
- 选择唯一标识数据的列名
1-4. 查看列值总数
点击列名,选中列,便可以看到列总数
![67b6a2db914a3c9a65bffbec53c0ad73.png](https://i-blog.csdnimg.cn/blog_migrate/847f361872521a5e69acb5c2048e5fdb.jpeg)
1-5. 定位列缺失的地方
![04d0fa41ae45513482fcbb2588c303e6.png](https://i-blog.csdnimg.cn/blog_migrate/0a9b1ce3a56a3b167046385a91cfd9e3.jpeg)
步骤
- 选中列名
- ”开始选项卡“
- 查找和选择
- ”空“值按钮
1-6. 补齐缺失的数据
”CTRL+ENTER“键1-7. 复制-粘贴列
![7ff0ebe898dee2358f56dbdda12e18bc.png](https://i-blog.csdnimg.cn/blog_migrate/8668c5ca7f5f5e3848403feca17e0771.jpeg)
1-8. 分列
![afc7f7474abf8bc8bd709e6e0800b005.png](https://i-blog.csdnimg.cn/blog_migrate/1f60e52f3a8486337eb283039d2f2ab0.jpeg)
分列步骤:
- ”数据“选项卡
- 分列
- 选择”分隔符号“按钮
- 选择”逗号“选项按钮
1-9. 检查数据有效性
1、判断数据是否有效
![90fda8a83e3b140b63c6d39ed6ba5f30.png](https://i-blog.csdnimg.cn/blog_migrate/af165d4de72a8ee7857077791420cc7d.jpeg)
检查有效性步骤:
- 选中列名
- “数据”选项卡
- “筛选功能
- 下拉滑动条查看所有的数据是否合理
2、查看无效数据产生的原因
在”文本筛选“中选中不正确的列值,查看原因
![5b25de9009aa1059f095a75de6589f05.png](https://i-blog.csdnimg.cn/blog_migrate/f8889fa73ad9241618b22bba8791f7a2.jpeg)
1-10. 字符替换
![87c76c901ec22386a1d06f9b497122b6.png](https://i-blog.csdnimg.cn/blog_migrate/56ae920e411a114ecf52c6aeb6b774b5.jpeg)
字符替换的步骤:
- 开始选项卡
- 查找和调换
- 填写替换前后的字符
1-11. 字符串形式数字转为数字类型
对列操作中,将字符串形式数字转为数字类型,步骤如下:
- 列复制、粘贴,形成新列;隐藏原有的列
- 对新列采用依据引号来分列操作
![2e14f8c56040dc0566c9d4b69179add4.png](https://i-blog.csdnimg.cn/blog_migrate/71fd4b729be16dfd9d38d7537a0bae5c.jpeg)
![9f43fc44aa4dfd62f067560fb56cce76.png](https://i-blog.csdnimg.cn/blog_migrate/7723288df396cd76ae675e73470f7bae.jpeg)
1-12. 数据透视表
原理:
- 数据分组
- 应用函数
- 组合结果
2. 函数2-1. 均值函数
![a39fab991fd3746ed81832f2809da5ff.png](https://i-blog.csdnimg.cn/blog_migrate/eca552d757980039cf21b2a03618b4f5.png)
![a95d901f959bc5402cb099fe1819c8c4.png](https://i-blog.csdnimg.cn/blog_migrate/da4662d68103b45a9c036ce12abb9e57.png)
![830d50b83ddf32d36160ef8051c906b7.png](https://i-blog.csdnimg.cn/blog_migrate/08f4d4b500f9048cd306b222418415e8.png)
2-2. 查找函数
1、find函数
1)用途
查找一个字符串在另一个字符串出现的起始位置
2)函数用法
find
3)函数使用示例
![fce95c51822a5e7f66b1fa827caa7ccb.png](https://i-blog.csdnimg.cn/blog_migrate/accef49975935b13b292e4dbcfe02a70.png)
2、截断函数
1)函数用法
find函数常常配合使用的函数:left、right、mid
left
2)函数使用示例
![e385167297c5acc29099f36b092d6f4d.png](https://i-blog.csdnimg.cn/blog_migrate/c62641cfdf61ec18a2c2abb266904f06.png)
3、find函数和截断函数结合
1)find函数、left函数求得最新薪水
![88118640cef554b1ab705529742b778b.png](https://i-blog.csdnimg.cn/blog_migrate/028bec05a499c61afe9092c95b97303c.png)
2)find函数、mid函数求得最高薪水
![2803320934ff294a7bc68a9288b80bf3.png](https://i-blog.csdnimg.cn/blog_migrate/6f3b07ca5f8ce200656fc0ac823b7989.png)
3. 日期数据3-1. 日期规范化
需要实现的效果
![57bd9f0f733a27b2cc4525559ce5607f.png](https://i-blog.csdnimg.cn/blog_migrate/9b8bb2a7c153879efbddd0d068b8539b.png)
![4b674076af8768de07dc0ac9fc4edb31.png](https://i-blog.csdnimg.cn/blog_migrate/6f0cb510ff2f8646fb2ebc5d82c0d886.jpeg)
格式统一化
![f8b4358f33d0913c0aa0ffcfe9d9868c.png](https://i-blog.csdnimg.cn/blog_migrate/ec456f009869cb631015db2885f6ad1b.jpeg)
3-2. 每月发文涨粉量
创建透视表:行标签为日期,数值为“涨粉数”
单击“日期"列,设置分组。分组依据为”月份“
![caed27f2272eb5efe78b4e6b6c2c5894.png](https://i-blog.csdnimg.cn/blog_migrate/78adb71ccf6ebfab3093e1a749f5a672.png)
最终效果:
![74461d53783e38597f8da72ba1b0eace.png](https://i-blog.csdnimg.cn/blog_migrate/d325796387cd0d6fd33e16d2149118a2.png)
3-3. 每周发文涨粉量
![b415e890f4818748b401f8f736390d8b.png](https://i-blog.csdnimg.cn/blog_migrate/c365eab3f415fb246590dcc586a66aeb.png)
最终效果:
![2ebccddaa6887a2e84a997f66010d4f4.png](https://i-blog.csdnimg.cn/blog_migrate/b31ad7e5cbef12dd5be8e1d917b40c67.png)
3-4. 每月最大涨粉量
操作:值字段设置
![54a44775e79f7a0e03d263d25f5c1f1d.png](https://i-blog.csdnimg.cn/blog_migrate/9c94ac30938f74fbb0d7cb5f808709ba.png)
达到的效果
![f9808e35349c7c2c45303048279fd4cc.png](https://i-blog.csdnimg.cn/blog_migrate/acf90a15d2d4a31e507f1a6da1b311e3.png)
4. vlookup
Vlookup可实现两个功能:多表关联查询和数据分组
参数:
vlookup
4-1. 多表关联查询
已知成绩信息表,查询三好学生表中学生的班级
![7efe575de777b941ddad2de90de8d315.png](https://i-blog.csdnimg.cn/blog_migrate/0837062416963569b759116cce5193c0.png)
tips:vlookup只能获取到一项数据。如果有错误的数据,可以设置辅助列精确查找。4-2. 数据分组
![1f645795fd8b905a2bfc4e74bd03c303.png](https://i-blog.csdnimg.cn/blog_migrate/f857511d0acf9eb762e0e241c5ce72ca.jpeg)
tips:阈值为范围的最小值二、数据分析
本次数据分析以“数据分析师薪水表”作为分析数据。
数据分析的步骤
- 明确问题
- 理解数据
- 数据清洗
- 选择子集
- 列名重命名
- 删除重复值
- 缺失值处理
- 一致化处理
- 数据排序
- 异常值处理
- 数据分析 OR 模型构建
- 可视化处理
1. 明确问题
- 哪些些城市找到数据分析师的机会比较大
- 数据分析师的薪水如何
- 根据工作经验,薪水是怎样变化的
2. 理解数据2-1. 数据集介绍
数据集是“数据分析师职位薪资表”,总数据量为5033项。2-2. 列名
- 城市
职位所在的城市;北京、上海、深圳、杭州、成都等 - 公司全名
公司全称,例如:1号店的全称是纽海信息技术(上海)有限公司 - 公司ID
公司名可能重复,但是公司ID唯一标识一家公司,不可能重复。 - 公司简称
例如:1号店 - 公司大小
公司的人数 - 公司所在商区
['五里桥', '打浦桥', '制造局路'] - 职位所属
产品、需求、项目、技术等 - 教育要求
大专、本科、硕士 - 公司所属领域
移动互联网、电子商务、O2O、金融 - 职位ID
唯一标识职位,在数据集中作为数据项的唯一标识 - 职位福利
- 职位名称
- 数据分析师、数据运营、分析师、大数据开发工程师等
- 薪水
7k~15k、7k以上等 - 工作年限要求
应届生、1年以下、1 ~ 3年、3 ~ 5年、5 ~ 10 年、10年以上、不限
3. 数据清洗3-1. 选择子集
在工作区显示需要的列,不需要的列最好不要删除,而是采用“隐藏”的方式。
在“招聘网站数据”Excel表中,隐藏对本次分析无用的列。
1) 公司ID用于标识公司,在分析薪酬的任务中,不需要公司ID这一列的参与。
![5a0a5746dd11bb6a59bc66dd12fee594.png](https://i-blog.csdnimg.cn/blog_migrate/e712e276dd01c4e6fd671b15b988c968.jpeg)
2) “公司全名”和“公司简称”二者作用相同,不需要“公司全名”。
![4e1c755cbfde1e3e2177704f641c2b20.png](https://i-blog.csdnimg.cn/blog_migrate/fc4cd33a21dfdf6280ce2e1a6eb9af02.jpeg)
3-2. 列名重命名
将列名修改为符合规范的列名。3-3. 删除重复值
根据“job ID”删除重复值。
![e8849e31695f2e7ae219ea8e023dbdb9.png](https://i-blog.csdnimg.cn/blog_migrate/e753b70c0087a869042a5bcc8fd4586a.jpeg)
3-4. 缺失值处理3-4-1. 判断列缺失数量
"城市"列的缺失数量=“职位ID”列总数-“城市”列总数,其中,“职位ID”为对职位的唯一标识项。
“职位ID”列数和”城市“列数分别为5033、5031,则”城市列“缺失数据为2个。
![7d462e36b0c782df265c9f728de7f744.png](https://i-blog.csdnimg.cn/blog_migrate/176da2453cf1188fb5a0ae6157f08ce0.jpeg)
![67b6a2db914a3c9a65bffbec53c0ad73.png](https://i-blog.csdnimg.cn/blog_migrate/847f361872521a5e69acb5c2048e5fdb.jpeg)
3-4-2. 定位值缺失位置
![04d0fa41ae45513482fcbb2588c303e6.png](https://i-blog.csdnimg.cn/blog_migrate/0a9b1ce3a56a3b167046385a91cfd9e3.jpeg)
3-4-3. 对缺失值的处理方式
处理方式有四种:
- 人工补齐
- 删除缺失数据
- 用均值代替
- 用计算的统计值值代替
由于数据集中只有2个缺失项,采用”人工补齐“的方式。
在缺失数据的位置填入”上海“,按住”Enter+CTRL“即可实现自动补齐。3-5. 一致化处理
含义:数据是否有统一的标准或命名
数据不一致化的情况。3-5-1. 公司所属领域
第一个领域为”移动互联网“,第二个框住的领域有两个,且用逗号隔开。这就是数据不一致的情况。对于后续的数据分析有一定的影响。
![d92b6b367b209d084cedc1d5cc9f23ea.png](https://i-blog.csdnimg.cn/blog_migrate/563b971021fb7fde8630d72b80cdd4af.png)
处理步骤
1、复制、粘贴列
![7ff0ebe898dee2358f56dbdda12e18bc.png](https://i-blog.csdnimg.cn/blog_migrate/8668c5ca7f5f5e3848403feca17e0771.jpeg)
2、隐藏原先的”公司所在领域“列
3、”公司所在领域“列根据”,“进行分列
![afc7f7474abf8bc8bd709e6e0800b005.png](https://i-blog.csdnimg.cn/blog_migrate/1f60e52f3a8486337eb283039d2f2ab0.jpeg)
经过上述三步,对”公司所属领域“ 列数据的分列后的效果如下所示:
![72ca15a81caa62e5964e996f85095b57.png](https://i-blog.csdnimg.cn/blog_migrate/cbe2d49ccb5df971b86ab1e236752db2.png)
3-5-2. 薪水
目的:由薪水列计算出最低薪水、最高薪水、均值薪水
![68145c1160ac6a041e668209103aa0a8.png](https://i-blog.csdnimg.cn/blog_migrate/2a95144bd8325507ae5ba284e29125ae.png)
3-5-2-1. 获取最低薪水
使用find函数+left函数,获取最低薪水
![58e6e2b488209bcefb56b980c30dfc45.png](https://i-blog.csdnimg.cn/blog_migrate/2d6b509f35e2b95b6a1072b9344fc3a7.jpeg)
最低薪水计算公式也可以是
=LEFT(M2,FIND("k",M2)-1)
3-5-2-2. 获取最高薪水
使用find函数+mid函数,获取最高薪水值
![e79d71098c848f7b6c0b62f270d0e6ea.png](https://i-blog.csdnimg.cn/blog_migrate/afd1aeb332c0e00197e06bb84ee687c6.jpeg)
3-5-2-3. 自动填充数据
鼠标位置移动到单元的右下角,”双击“操作,即可自动填充单元列。3-5-2-4. 薪水有效性检查
1、最低薪水
1)检查最低薪水是否存在无效数据
![90fda8a83e3b140b63c6d39ed6ba5f30.png](https://i-blog.csdnimg.cn/blog_migrate/af165d4de72a8ee7857077791420cc7d.jpeg)
2)分析无效原因
![5b25de9009aa1059f095a75de6589f05.png](https://i-blog.csdnimg.cn/blog_migrate/f8889fa73ad9241618b22bba8791f7a2.jpeg)
得到下图
![a5fabd70f79f556046be580fcf7e5933.png](https://i-blog.csdnimg.cn/blog_migrate/5a57a7146eefaf5f10086efb4a6e1387.png)
由上图可知,无效原因是:k的大写形式。
3)对策:将"k"的大写形式替换为小写形式
![87c76c901ec22386a1d06f9b497122b6.png](https://i-blog.csdnimg.cn/blog_migrate/56ae920e411a114ecf52c6aeb6b774b5.jpeg)
4)二次查看最低薪水是否都有效
![1fb88e94057e749f341fa780b6270260.png](https://i-blog.csdnimg.cn/blog_migrate/aa27203d935856080c96aea4cf5154dc.png)
由上图知:不存在未定义的数据。因此,最低薪水都是有效的
2、最高薪水
1)检查最高薪水是否都有效
![e3c4e9431072165d296e6f51a0d6903f.png](https://i-blog.csdnimg.cn/blog_migrate/ea9ee507b5d00be237ec452ee7083877.jpeg)
2)分析无效原因
![686572d27c2c5ff79906fa29326794fa.png](https://i-blog.csdnimg.cn/blog_migrate/8f6e0d26a72794c5d535ce4124dd5711.png)
由上图可知,无效原因是很多HR没有填写最高薪水,而是用”以上“代替。
3)对策:使用最低薪水的值填充最高薪水
![e1cc658ee9eedd016fac2571d11dcbc4.png](https://i-blog.csdnimg.cn/blog_migrate/5f2652fcf411a55c58aaa17e1277e342.jpeg)
4)二次检查最高薪水是否有效
![4744aa8bae9d3d5ef19bfb34a6f16b64.png](https://i-blog.csdnimg.cn/blog_migrate/a0bf6aa374d6d99ad5fabc386f3c1918.png)
由上图可知,最高薪水都有效3-5-2-5. 平均薪水计算
计算平均薪水时,需要用到的数据是最高薪水、最低薪水。但是最高薪水、最低薪水数据类型都是字符串类型,不能进行使用。
步骤:
- 将字符串形式的数字转为数字
- 计算最高薪水和最低薪水的均值作为平均薪水
3-5-2-6. 将字符串数字转为数字
1、复制-粘贴最低薪水列
- 右击”最高薪水“列,选择”复制“
- 复制”最低薪水“列
- ”粘贴最新薪水“列,粘贴选择”选择性粘贴“,粘贴类型为”数字类型“
- 隐藏初始的“最低薪水”列
![48a2235f0fcfeef6f0fd06f37537ff40.png](https://i-blog.csdnimg.cn/blog_migrate/565a805d0088e77b3d3ca0598e800e78.png)
2、将粘贴后的新”最低薪水“列由”字符串“类型转为”数据“类型。
通过”分列“选项去除”文本“前面的引号
![2e14f8c56040dc0566c9d4b69179add4.png](https://i-blog.csdnimg.cn/blog_migrate/71fd4b729be16dfd9d38d7537a0bae5c.jpeg)
3、处理后得到的“最低薪水”列
![ba3482aa60985c31e3a9ddb057990d72.png](https://i-blog.csdnimg.cn/blog_migrate/dac24a7771f4fbc271dcd7f157eed33c.jpeg)
判断处理成功的两个标志:
- 数据格式为“数值”类型
- 单元格左上角无绿色三角形
4、采用同1,2,3一样的步骤,处理最高薪水列3-5-2-7. 计算平均薪水
![420252369895288d0d936f550d57bd4a.png](https://i-blog.csdnimg.cn/blog_migrate/6cb331f2777bf15259f2700c9db3ab98.png)
此时,便可以得到平均薪水的值。
考虑到平均薪水可能存在小数,需要调整平均薪水的数值格式。3-6. 数据排序
目的:对数据表按照“平均薪水”列的值按序排列
步骤:
1)在排序过程中,为了防止首行参与到排序中,对首行进行“隐藏”操作。
2)对表格按照“平均薪水”的数值大小进行排序
![b9defa270ce8499980c5cdf19622bed3.png](https://i-blog.csdnimg.cn/blog_migrate/531aec90bac224d3a19888c56c78d7eb.jpeg)
3)取消首行的隐藏,对首行进行“冻结窗口”操作。可以实现方便查看数据。
![e55e70a5ab8366e96ee72dea2f2911fa.png](https://i-blog.csdnimg.cn/blog_migrate/806c65f0e5fca5db09774757a547c065.png)
3-7. 异常值处理
目的:采用数据透视表的技术功能选取属于数据分析师岗位的职位信息3-7-1. 先期设置
1、取消“自动筛选”
![d748bb2b325ac9bc2423ba015631e0dc.png](https://i-blog.csdnimg.cn/blog_migrate/bd10f5922ef7cedc8547ef66a2d56904.png)
2、设置数据区域为表
1)判断行数
“职位ID”的数据数量,即为行数
2)设置表
![6dd86f2b168cb8f7983d7cfc51f66612.png](https://i-blog.csdnimg.cn/blog_migrate/0851f45b4a4f319cd77862bfc813580c.png)
3-7-2. 数据透视
1、创建数据透视表
![8c86b23a0eb18cb4c05deb3c4a1d9189.png](https://i-blog.csdnimg.cn/blog_migrate/15a605c7d4297d05bcfb002485946e2b.png)
2、数据透视表示例
- 行——分组依据
值相同,分为一组;值不同,分为不同组 - 求和——应用
默认:对每一行的数据统计出现的次数
![46568db413e17110ec325a37f1c3af3e.png](https://i-blog.csdnimg.cn/blog_migrate/3665b8746510987dbf4bcdb43358b5de.jpeg)
上图中,行标签是:职位名称;数值:对职位名称分组后的数据出现次数。
3、查看是否存在异常值
1)数据排序
![bd80999084f4ebd69f9bc6ad2e41eb9f.png](https://i-blog.csdnimg.cn/blog_migrate/0bb1fcb934759d3158874ccd86dc1f02.jpeg)
2)查看异常值
![5a63dbab319741806904a7404ecdc68e.png](https://i-blog.csdnimg.cn/blog_migrate/ac9130970680c8df459c35004638f579.jpeg)
排序后的数据,出现次数最多的师数据分析师、数据产品经理。
大数据开发工程师和需求分析师是错误的数据,因此,需要将这些异常数据给处理掉
3)处理异常数据
- 判断职位名称是否是数据分析师职位:数据运营、数据分析、分析师等。
![8a0a1fb8245170129b9c8fd7c4b7c82c.png](https://i-blog.csdnimg.cn/blog_migrate/ddf14ced0c31d0bd0db985dc424bfdcc.png)
- 判断属于数据分析师,设置为是;不属于数据分析师,设置为否
![aef7c32c1443778a5d4c023d504c9a49.png](https://i-blog.csdnimg.cn/blog_migrate/3ec1fcc205f5780bb360d05a4cfbbbce.png)
- 筛选出是数据分析师岗位的数据
![3750da5fbc8d07e8a8997ff46f2d97a7.png](https://i-blog.csdnimg.cn/blog_migrate/ade5777097d8be87f4b477dd810c3d3d.png)
4、将筛选后的数据复制到新建的Excel文件中4. 数据分析4-1. 分析 城市-工作年限-工作数量关系
1、设置行标签、列标签、数值
![ebb6d071665628396116701e4e86a2d2.png](https://i-blog.csdnimg.cn/blog_migrate/0ca162169325a03e2dce8c7d5f14a5cb.jpeg)
行标签:城市——分组依据是城市名称
列标签:工作年限
数值:城市——统计按照城市分组后的岗位数量
2、对透视表继续排序
![661aef74c374a7882cce2ee9ff0427ee.png](https://i-blog.csdnimg.cn/blog_migrate/4272beb5ae6ce55ba26df607cf63a4ba.jpeg)
降序排序:按照技术项-城市进行排序
3、分析结果
![c416c7a86deb70b9a404a4fcce7fe27e.png](https://i-blog.csdnimg.cn/blog_migrate/0c83ab4793df6d7e4779896945b08c61.jpeg)
由上图分析结果知:
对数据分析师需求量前五的城市是:北京、上海、深圳、广州、杭州。其中,北京需求量最大
数据分析师工作年限1 ~ 3年、3 ~ 5年需求量处于Top2。其中,1~3年工作经验的数据分析师需求量最大。
4、换种数据表示方式
按列汇总的百分比
![5642b94912720bcb09f454e47a684562.png](https://i-blog.csdnimg.cn/blog_migrate/ae2a841151eca1afb479d0758448eb86.jpeg)
显示结果
![857dc6cc339fa3900f8a0e40edb713d8.png](https://i-blog.csdnimg.cn/blog_migrate/1a0e6a0baef2630d0896376c7c10cd86.jpeg)
4-2. 分析城市-薪资关系
1、加载分析工具库
![dd82cefecefdbebe17eb2dba45fa65be.png](https://i-blog.csdnimg.cn/blog_migrate/b98ecb9b2505b5a0fcb757056fd7e307.jpeg)
以平均薪水为例,查看统计数据。
![a726df47414df378331a7b17bc16c0a0.png](https://i-blog.csdnimg.cn/blog_migrate/f6d0d2f1caa55a9eb9dda63929eb24a0.png)
2、制作数据透视表
![a6e2c67a0eaae7e2e59561ed69f311b9.png](https://i-blog.csdnimg.cn/blog_migrate/eee15d33dd5d7570103f24af95825221.png)
由图可知,薪水最高的城市Top5是深圳、背景、上海、杭州、苏州。4-3. 分析工作年限-薪资变化情况
![02ffb9432c1eb33de1e3b367dbcb6436.png](https://i-blog.csdnimg.cn/blog_migrate/fb8e782e582bef0a69d27853347e0baa.png)
随着年限的增加,数据分析师的薪资逐渐增加。