最近有個朋友找到我，說是想要轉行做數據分析師，但是卻不知道在數據分析的求職環境怎麼樣？而且自己什麼工具都不會，python、R語言什麼的也都是淺嘗輒止，擔心自己一轉行就失業。

這也是很多想要轉行數據分析的人的困惑，其實數據分析入門並不難，只要掌握了Excel數據分析的基礎，基本上就已經拿到了數據分析的敲門磚，Excel既是基礎也是關鍵，是邁向數據分析的第一步。

所以我就從網上爬了一些求職網站上關於數據分析崗位的情況，用Excel做一次完整又簡單的數據分析實操，幫助大家能夠儘快學會數據分析的基礎。

一、提出問題

首先要明確這次數據分析的目的是什麼？也就是為了解決什麼問題？（提出的問題要能用很明確的指標和數字來衡量，切勿模稜兩可）

提出問題：

1、在哪些城市找到數據分析師工作的機會比較大？

2、數據分析師的薪水如何？

3、根據工作經驗的不同，薪酬是怎樣變化的？

二、理解數據

接下來要理解表格中的各個字段（列名）表示什麼意思：

• 城市：用於比較不同城市對數據分析師的需求如何
• 職位所屬：分析以後的工作崗位
• 職位ID：表示職位的唯一表示，也就是每一行數據的唯一標識------用於去掉重複ID
• 薪水：比較不同城市、和所屬領域的薪水區別
• 工作年限：從時間軸上對比薪資漲幅

三、數據清洗

數據清洗即數據預處理，目的是去掉無效、重複數據，以取得符合我們要求的數據。

數據清洗的基本步驟：

1、選擇子集

只選擇對數據分析有意義的字段，無意義的字段選擇隱藏，即隱藏不需要分析的列（儘量不刪，保證數據的完整性）。這裡隱藏公司ID和公司全名，保留職位ID和公司簡稱。

2、列名重命名

將不合適的列名更改為我們容易理解的形式。

3、刪除重複值

對重複數據進行刪除，這裡我們對【職場ID】列進行刪除重複值處理：

4、缺失值處理

先檢查數據是否存在缺失值，先查看完整數據列的計數：

再選擇其他列查看是否缺失數據：

可以看出【城市】這一列缺失2條數據。

一般對缺失值的處理有4種方法，根據情況靈活使用：

• 通過人工手動補全（缺失值較少，並且可以根據其他信息確定該值）
• 刪除缺失的數據（無法判斷該位置填寫何值，或者刪除的數據對分析無大的影響
• 用平均值代替缺失值
• 用統計模型計算出的值去代替缺失值

這裡對【城市】這一列的處理方法：

由於缺失數據較少，這裡選用人工手動補全，使用Ctrl+Eneter快捷鍵，在不連續的單元格中同時輸入同一個數據或公式時很好用：

5、一致化處理

對數據進行統一的命名和處理。比如數據中的公司的所屬領域是“企業服務，數據服務”，對該列數據進行拆分。

步驟如圖：

然後我們將薪水處理成【最低薪水】、【最高薪水】、【平均薪水】，用於存放清洗後的薪水數據，利用函數實現：

FIND函數的意思是查找一個字符串在另一個字符串中出現的起始位置，用FIND 函數查找分隔符【k】或者【-】。

FIND函數用來對原始數據中某個字符串進行定位，以確定其位置。FIND函數進行定位時，總是從指定位置開始，返回找到的第一個匹配字符串的位置，而不管其後是否還有相匹配的字符串。

LEFT函數（從左開始截取字符串），MID函數（從中間截取字符串），Len函數（計算字符串長度），函數具體用法可以在百度上查。

利用LEFT函數截取最低薪水：

6、數據排序

我們對【平均薪水】這一列進行降序排序：

7、異常值處理

使用數據透視表處理表格：

此時發現【職位名稱】中有職位不屬於數據分析：

這些異常值需要去掉，應返回原表重新篩查。

步驟：

• 在原表【職位名稱】列後插入新的列命名為“數據分析職位名稱”；
• 在下方空白單元格插入函數=IF(COUNT(FIND({"數據運營","數據分析","分析師"},L2)),"是","否")；
• 雙擊單元格右下方進行自動填充；

• 使用篩選功能，選擇“是”，過濾掉異常值。

四、構建模型及數據可視化

1、在哪些城市找到數據分析師工作的機會比較大？

以城市為行標籤，工作年限要求為列標籤，數據透視分析不同城市對不同年限的數據分析師的需求情況。

步驟：全選--選項卡，數據透視圖----將數據透視表字段中的【城市】拖入到行，將【工作年限要求】拖入到列，再將【城市】拖入到值中：

再點選表格中左上角行標籤---其他排序選項---降序排序--計數項：城市

最後將數值按列彙總的百分比顯示數據：

將值按行彙總百分比顯示數據：

結論：從數據透視表可以看出，在北京數據分析的崗位最多，往後是上海、深圳、杭州、廣州；按工作年限要求來看，3-5年的需求量最大，其次是1-3年，這說明數據分析對年輕人需求將更多。

2、數據分析師的薪水如何？

首先，安裝EXCEL 的分析工具庫功能：選項卡，文件--選項---加載項---管理，選擇 EXCEL 加載項---轉到---勾選 分析工具庫---確定。

操作步驟如下圖：

以城市為行標籤，平均薪水為列標籤，數據透視表分析城市與平均薪水的關係：

結論：從上面數據透視結果可以看出，深圳的數據分析師平均薪水最高，其次是北京，上海，杭州。

3、根據工作經驗的不同，薪酬是怎樣變化的？

以工作年限要求行標籤，平均薪水為列標籤，數據透視分析工作年限與平均薪水的關係：

結論：從上面數據透視結果可以看出，隨著工作經驗的增長，數據分析師的薪酬也在不斷增加。

總結：

綜合上面三個數據透視結果，我們可以得到以下分析結論：

• 數據分析這一崗位，有大量的工作機會集中在北上廣深以及新一線城市，如果將來去這些城市找工作，可以提高求職成功的條件概率。
• 從待遇上看，數據分析師留在深圳發展是個不錯的選擇，其次是北京、上海。
• 數據分析是個年輕的職業方向，大量的工作經驗需求集中在1-5年。
• 對於數據分析師來說，5年似乎是個瓶頸期，如果在5年之內沒有提升自己的能力，大概以後的競爭壓力會比較大。
• 隨著經驗的提升，數據分析師的薪酬也在不斷提高，10年以上工作經驗的人，能獲得相當豐厚的薪酬。

有關數據分析的系統知識，可以關注我的公眾號“數據分析不是個事兒”回覆【數據分析】，有30篇文章系統講解數據分析從入門到進階。