本章主要讲述对上一章中爬取的数据通过Excel进行数据清洗和分析。

数据分析的基本步骤为：提出问题->理解数据->数据清洗->构建模型->数据可视化。

1. 提出问题

本次数据分析主要要分析的问题为：

    1.1 上海数据分析师招聘对于学历的要求。

    1.2 上海数据分析师招聘对于工作年限的要求。

    1.3 上海数据分析师工作年限与薪资间的关系。

    1.4 上海数据分析师招聘公司规模分布。

    1.5 上海数据分析师地区分布。

2. 理解数据

本次爬取得数据共有14个字段。

字段名及解释

3. 数据清洗

数据清洗的主要步骤为：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。

    3.1 选择子集

    根据提出的问题，本次分析主要要用到的有positionId，education，workYear,  salary, financeStage, companySize以及district。因此，可以先将整个原始数据复制一份到一个新的表格中，对新表格开始进行数据清洗。首先将不需要的列删除或者隐藏。

隐藏后留下的数据

    3.2 删除重复项

    由于列名已经设置好，因此跳过列名重命名这一项，直接进行重复项删除，因为每个岗位都有一个独自的positionId，所以要进行重复项删除的时候，可以以positionId为主键进行去重操作。

删除重复项

选择数据选项卡，选择删除重复值，选择positionId列，进行删除。

    3.3 缺失值处理

    经过查看后，没有发现有列存在缺失值，因此这步也可以跳过，如果存在缺失值，则有一下三种方式进行缺失值填充：1）通过人工手动补全。2）删除缺失数据。3）用统计值进行代替，如平均数，众数，中位数。4）用统计模型或机器学习算法计算出值进行填充。

    3.4 一致化处理

    对于salary列，需要用到数字进行排序，而且取值范围过多，因此决定取平均值作为一个新的列，要对其进行取数操作。首先是取出最低薪资，然后取出最高薪资，并求平均值。

利用LEFT函数结合FIND函数取出最小值

利用MID函数结合FIND函数和LEN取出最大值  

随后利用筛选功能发现有报错。

选择报错项查看问题所在。

报错原因为大写K

发现报错是因为大写的K无法用FIND找到，因此这里利用查找替换功能把大写的K全部换成小写的k。

替换完后报错消失

然后再对最大薪资进行检查。

同样有报错

筛选后发现是由于其中包含了文字。

因此直接把最小值赋给最大值作为参考。在处理完后，如果直接用最大值和最小值求平均会得到以下结果。

这是由于bottom和top的数据类型并不是数字，而是从字符串中截取的字符串类型，所以要先把这个数据复制下来并进行分列处理，转成数字。

复制后再用分列处理将值变为数字类型。

随后利用数字类型求出平均值，然后隐藏不需要的列即可。

4. 构建模型和数据可视化

数据清洗完成后，开始进行模型构建，这里主要用到的是数据透视表来进行关系建模。

根据提出的问题进行模型构建：

    4.1 上海数据分析师招聘对于学历的要求。

上海数据分析师招聘学历分布

    通过数据透视表制图后得出，上海对于数据分析师的学历要求大部分都处于本科学历，其岗位数值为1930个，占总岗位数的80.52%。因此上海数据分析师岗位对于学历的要求不算特别的高，相对而言不是特别的看重学历。

    4.2 上海数据分析师招聘对于工作年限的要求。

上海数据分析师招聘工作年限分布

    通过数据透视表制图得出，上海的数据分析师岗位对于3-5年工作经验的需求最高，其次是1-3年的工作经验，因此可以看出，大部分的数据分析师的岗位，对于工作经验，都有一定的要求，因此相比学历，上海的数据分析师岗位更加看重工作经验的积累。这一点可能是作为入行的最大难点。

    4.3 上海数据分析师工作年限与薪资间的关系。

上海数据分析师工作年限与薪资关系

    根据上图可以看出，上海数据分析师，应届毕业生的平均薪资为9.1k，作为起薪对比各个行业中都属于相对较高的了。而在有了一定的工作经验之后，薪资可以达到月薪15k的水平，其中1年以下工作经验和1-3年工作经验的平均薪资上差不多，因此从刚开始工作到拥有3年工作经验的期间，薪资主要集中在15k上下，在达到3年工作经验以后，又会有一个增长，3-5年平均薪资将会达到23k，在5-10年的工作经验区间内，薪资提升到了31k,超过10年工作经验后薪资则会大幅提升，平均薪资为53k。以上薪资均为月薪的平均值。因此可以看出，上海的数据分析师，无论是入行起薪，还是未来的职业发展，薪资增长，对比各行业都是非常不错的。

    4.4 上海数据分析师招聘公司规模分布。

上海数据分析师招聘公司类型分布

    根据上图，可以看出，在上海，公司人数越多，规模越大，对数据分析师的岗位需求越大，其中2000人以上的公司中，上市公司对数据分析师的岗位需求最大，其次是D轮以上公司，因此可见，随着公司规模的不断扩张，数据分析师的重要性也会越来越高，公司越大，越需要对数据进行分析从而给公司方向性的指导。在500-2000人及150-500人的中大型公司中，则是主要以不需要融资的公司为主。但总体分布而言，公司人数和规模越大，公司对数据分析师的岗位需求也会越强。

    4.5 上海数据分析师地区分布。

上海数据分析师招聘地区分布

    根据上图统计，在上海，浦东新区对于数据分析师的岗位需求最多，其中有775个岗位，占到总数的32%左右，大约有三分之一的岗位需求在浦东新区。原因可能有以下几个：1）浦东新区有陆家嘴，其中集中着大量的金融公司，金融公司对于数据分析师有大量需求。2）浦东新区有许多的互联网公司，尤其是张江高科园区内，有着大量的互联网公司，而互联网公司对于数据分析师有着较大的需求。除了浦东新区，包括徐汇区，长宁区，杨浦区内环区，均有大量的工作岗位，其原因可能是因为在市区有着更多的大型公司，而大型公司对于数据分析师的需求更高。

5. 结论与建议

综上，数据分析师对于学历的要求属于相对基本，不是决定性因素，而对于工作经验则相对看重。数据分析师的起薪非常不错，未来的职业发展和薪资增长也非常有前景。数据分析师去到大型企业或者公司的机会会更大，因为大型企业或公司对于数据分析师的需求更高，同时在上海工作，去到市中心或者浦东工作的概率会更大

本章结束，下一章会列出一些SQL的练习和答案。