作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
5） 刪除空格
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
5） 刪除空格
6） 提取最低薪資和最高薪資
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
5） 刪除空格
6） 提取最低薪資和最高薪資
7） 數據重塑
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
5） 刪除空格
6） 提取最低薪資和最高薪資
7） 數據重塑
四．數據可視化分析報告
1. 城市需求分析
初步觀察可知，數據分析師的需求主要集中在大城市，其中排名前十的分別是北京、上海、深圳、杭州、南京、廣州、東莞、合肥、天津、武漢。其中北京的需求遠遠超過其它城市，接近上海和深圳的需求總和。
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
5） 刪除空格
6） 提取最低薪資和最高薪資
7） 數據重塑
四．數據可視化分析報告
1. 城市需求分析
初步觀察可知，數據分析師的需求主要集中在大城市，其中排名前十的分別是北京、上海、深圳、杭州、南京、廣州、東莞、合肥、天津、武漢。其中北京的需求遠遠超過其它城市，接近上海和深圳的需求總和。
數據分析師職位在城市地理分佈上，主要集中於北上廣深、長江三角洲、沿海地區。中國內陸地區需求較少，一般集中於省會城市。
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
5） 刪除空格
6） 提取最低薪資和最高薪資
7） 數據重塑
四．數據可視化分析報告
1. 城市需求分析
初步觀察可知，數據分析師的需求主要集中在大城市，其中排名前十的分別是北京、上海、深圳、杭州、南京、廣州、東莞、合肥、天津、武漢。其中北京的需求遠遠超過其它城市，接近上海和深圳的需求總和。
數據分析師職位在城市地理分佈上，主要集中於北上廣深、長江三角洲、沿海地區。中國內陸地區需求較少，一般集中於省會城市。
2. 職業門檻分析
在學歷要求上，數據分析師的門檻相對較高，80.2%的公司要求至少本科學歷，4.8%的公司要求碩士學歷。因此對想從事數據分析師職業的人員來說，本科學歷是必要的敲門磚。
在工作經驗要求上，大部分公司對工資經驗都有較高要求，其中3-5年工資經驗的數據分析師最受歡迎，需求達到37.9%；其次就是1-3年經驗的數據分析師，需求達到31.1%。因此，一定的行業工作經驗能幫助數據分析師求職者快速找到工作 ，而應屆生和無工作經驗者只有提高自己的專業技能，才能獲得競爭優勢。
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
5） 刪除空格
6） 提取最低薪資和最高薪資
7） 數據重塑
四．數據可視化分析報告
1. 城市需求分析
初步觀察可知，數據分析師的需求主要集中在大城市，其中排名前十的分別是北京、上海、深圳、杭州、南京、廣州、東莞、合肥、天津、武漢。其中北京的需求遠遠超過其它城市，接近上海和深圳的需求總和。
數據分析師職位在城市地理分佈上，主要集中於北上廣深、長江三角洲、沿海地區。中國內陸地區需求較少，一般集中於省會城市。
2. 職業門檻分析
在學歷要求上，數據分析師的門檻相對較高，80.2%的公司要求至少本科學歷，4.8%的公司要求碩士學歷。因此對想從事數據分析師職業的人員來說，本科學歷是必要的敲門磚。
在工作經驗要求上，大部分公司對工資經驗都有較高要求，其中3-5年工資經驗的數據分析師最受歡迎，需求達到37.9%；其次就是1-3年經驗的數據分析師，需求達到31.1%。因此，一定的行業工作經驗能幫助數據分析師求職者快速找到工作 ，而應屆生和無工作經驗者只有提高自己的專業技能，才能獲得競爭優勢。
3. 公司情況分析
對於招聘公司的融資情況上，上市公司居多，達到33.4%；在公司的規模上，大公司對數據分析師的需求更多，其中1000-9999人規模的公司最多，達到45.4% ，其次是10000人以上規模的公司，達33.8%。
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
5） 刪除空格
6） 提取最低薪資和最高薪資
7） 數據重塑
四．數據可視化分析報告
1. 城市需求分析
初步觀察可知，數據分析師的需求主要集中在大城市，其中排名前十的分別是北京、上海、深圳、杭州、南京、廣州、東莞、合肥、天津、武漢。其中北京的需求遠遠超過其它城市，接近上海和深圳的需求總和。
數據分析師職位在城市地理分佈上，主要集中於北上廣深、長江三角洲、沿海地區。中國內陸地區需求較少，一般集中於省會城市。
2. 職業門檻分析
在學歷要求上，數據分析師的門檻相對較高，80.2%的公司要求至少本科學歷，4.8%的公司要求碩士學歷。因此對想從事數據分析師職業的人員來說，本科學歷是必要的敲門磚。
在工作經驗要求上，大部分公司對工資經驗都有較高要求，其中3-5年工資經驗的數據分析師最受歡迎，需求達到37.9%；其次就是1-3年經驗的數據分析師，需求達到31.1%。因此，一定的行業工作經驗能幫助數據分析師求職者快速找到工作 ，而應屆生和無工作經驗者只有提高自己的專業技能，才能獲得競爭優勢。
3. 公司情況分析
對於招聘公司的融資情況上，上市公司居多，達到33.4%；在公司的規模上，大公司對數據分析師的需求更多，其中1000-9999人規模的公司最多，達到45.4% ，其次是10000人以上規模的公司，達33.8%。
4. 行業需求分析
在下面詞雲圖中可以看出，數據分析師涉及的行業十分廣泛，供求職者的選擇空間很大，其中各行業中，互聯網、電子商務、金融、醫療健康、計算機軟件等行業的需求量最高。
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
5） 刪除空格
6） 提取最低薪資和最高薪資
7） 數據重塑
四．數據可視化分析報告
1. 城市需求分析
初步觀察可知，數據分析師的需求主要集中在大城市，其中排名前十的分別是北京、上海、深圳、杭州、南京、廣州、東莞、合肥、天津、武漢。其中北京的需求遠遠超過其它城市，接近上海和深圳的需求總和。
數據分析師職位在城市地理分佈上，主要集中於北上廣深、長江三角洲、沿海地區。中國內陸地區需求較少，一般集中於省會城市。
2. 職業門檻分析
在學歷要求上，數據分析師的門檻相對較高，80.2%的公司要求至少本科學歷，4.8%的公司要求碩士學歷。因此對想從事數據分析師職業的人員來說，本科學歷是必要的敲門磚。
在工作經驗要求上，大部分公司對工資經驗都有較高要求，其中3-5年工資經驗的數據分析師最受歡迎，需求達到37.9%；其次就是1-3年經驗的數據分析師，需求達到31.1%。因此，一定的行業工作經驗能幫助數據分析師求職者快速找到工作 ，而應屆生和無工作經驗者只有提高自己的專業技能，才能獲得競爭優勢。
3. 公司情況分析
對於招聘公司的融資情況上，上市公司居多，達到33.4%；在公司的規模上，大公司對數據分析師的需求更多，其中1000-9999人規模的公司最多，達到45.4% ，其次是10000人以上規模的公司，達33.8%。
4. 行業需求分析
在下面詞雲圖中可以看出，數據分析師涉及的行業十分廣泛，供求職者的選擇空間很大，其中各行業中，互聯網、電子商務、金融、醫療健康、計算機軟件等行業的需求量最高。
5. 薪資分析
（1）工作經驗和學歷對薪資的影響
總的來說，工作經驗的長短和學歷的大小基本跟薪資的高低是成正比的，工作經驗越長，學歷越高，薪資也會越高。
在工作經驗上，擁有十年以上經驗者平均起薪已經超過25000，5-10經驗者平均起薪在20000左右，3-5年經驗者平均起薪接近15000了，而三年以下和無經驗者平均起薪則在10000以下。由此可看出，數據分析師對工作經驗的要求還是比較高的，對行業和業務熟悉的人薪資會更高，同時也說明這個職業有很大的上升空間，“越老越值錢”，看重資歷。
在學歷上，本科和碩士的平均起薪相差2000左右，差別不是很大，但本科以下學歷，平均起薪就相對較低了，一般不超過6000。
因此，本科學歷是數據分析師高薪的門檻，擁有本科學歷和3年以上工作經驗是數據分析師高薪的敲門磚。
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
5） 刪除空格
6） 提取最低薪資和最高薪資
7） 數據重塑
四．數據可視化分析報告
1. 城市需求分析
初步觀察可知，數據分析師的需求主要集中在大城市，其中排名前十的分別是北京、上海、深圳、杭州、南京、廣州、東莞、合肥、天津、武漢。其中北京的需求遠遠超過其它城市，接近上海和深圳的需求總和。
數據分析師職位在城市地理分佈上，主要集中於北上廣深、長江三角洲、沿海地區。中國內陸地區需求較少，一般集中於省會城市。
2. 職業門檻分析
在學歷要求上，數據分析師的門檻相對較高，80.2%的公司要求至少本科學歷，4.8%的公司要求碩士學歷。因此對想從事數據分析師職業的人員來說，本科學歷是必要的敲門磚。
在工作經驗要求上，大部分公司對工資經驗都有較高要求，其中3-5年工資經驗的數據分析師最受歡迎，需求達到37.9%；其次就是1-3年經驗的數據分析師，需求達到31.1%。因此，一定的行業工作經驗能幫助數據分析師求職者快速找到工作 ，而應屆生和無工作經驗者只有提高自己的專業技能，才能獲得競爭優勢。
3. 公司情況分析
對於招聘公司的融資情況上，上市公司居多，達到33.4%；在公司的規模上，大公司對數據分析師的需求更多，其中1000-9999人規模的公司最多，達到45.4% ，其次是10000人以上規模的公司，達33.8%。
4. 行業需求分析
在下面詞雲圖中可以看出，數據分析師涉及的行業十分廣泛，供求職者的選擇空間很大，其中各行業中，互聯網、電子商務、金融、醫療健康、計算機軟件等行業的需求量最高。
5. 薪資分析
（1）工作經驗和學歷對薪資的影響
總的來說，工作經驗的長短和學歷的大小基本跟薪資的高低是成正比的，工作經驗越長，學歷越高，薪資也會越高。
在工作經驗上，擁有十年以上經驗者平均起薪已經超過25000，5-10經驗者平均起薪在20000左右，3-5年經驗者平均起薪接近15000了，而三年以下和無經驗者平均起薪則在10000以下。由此可看出，數據分析師對工作經驗的要求還是比較高的，對行業和業務熟悉的人薪資會更高，同時也說明這個職業有很大的上升空間，“越老越值錢”，看重資歷。
在學歷上，本科和碩士的平均起薪相差2000左右，差別不是很大，但本科以下學歷，平均起薪就相對較低了，一般不超過6000。
因此，本科學歷是數據分析師高薪的門檻，擁有本科學歷和3年以上工作經驗是數據分析師高薪的敲門磚。
（2）各城市起薪分佈對比
下面展示的是數據分析師職業需求前十的城市起薪的分佈狀況。容易看出，北京、上海、深圳、杭州的平均起薪都在15000左右，而廣州只有10000左右，南京則在7500左右。
對於北京，數據分析師的平均起薪分佈對稱，比較符合正態分佈；上海、深圳、南京呈右偏分佈，其中上海、深圳高薪資職位相對較多，南京有個別公司起薪異常高。杭州、廣州呈左偏分佈，半數職位起薪在10000以下，個別職位薪資不超過5000，遠遠低於平均水平。
因此，在北京、上海、深圳三個城市能有更大的概率找到高薪的數據分析師職位；其次是杭州、廣州，雖有部分公司薪資較低，但平均工資還是比較可觀；而南京雖然需求較多，但高薪職位相對較少，大部分職位工資都不超過10000，集中在3000-7500中間。
作者 | CDA數據分析師
來源 | CDA數據分析研究院
隨著大數據和人工智能時代的到來，傳統企業開始向數據化和智能化轉型。由此，數據分析師相關崗位的需求量逐年遞增，近兩年呈現出供不應求的狀況，在未來很長一段時間這種需求還將繼續保持下去。作為過來人，我也算是苦盡甘來啊。想想自己當初為了轉行數據分析師行業，付出了多少心血和汗水。相信還有很多像我一樣計劃轉行或已經準備好轉行的朋友，為此，我特地給大家分享了我的專業數據分析師經驗之談，讓大家可以更加直觀地瞭解當下數據分析師的行業情況和職位需求。
為了幫助大家對數據分析師相關職位的目前發展狀況有個清晰明瞭的認識，本文通過分析“數據分析師”在全國招聘信息的城市需求、職業門檻、各公司要求情況，以及當下各大企業的人才需求狀況，使用數據分析工具Python，包括數據的獲取、清洗和可視化的呈現，就為了幫助大家更好地瞭解數據分析師這個職業。本文所用數據均來源於BOSS直聘的近期數據分析師的全國招聘信息。，絕對客觀真實有效！
分析流程
一．明確分析目的
明確分析目的是數據分析的首要的、關鍵的步驟。在開始一項數據分析前，首先要清楚我們想解決什麼問題？通過這次分析想達到一個什麼樣的效果？下面列出了本次分析的幾個目的：
1）瞭解各城市對數據分析師的需求；
2）數據分析師這個職業的門檻有多高；
3）瞭解招聘公司情況；
4）瞭解各行業對數據分析師的需求；
4）瞭解數據分析師的薪資情況。
二．獲取相關數據
明確分析目的後，接下來要做的就是為了解決這些問題，有針對性的獲取相關數據。之所以說“有針對性”，是因為並不是數據越多越好，數據越多，我們的抓取、清洗成本也就越高，只有對本次分析有用的數據才是有價值的數據。因此，根據我們的分析目的，本文用Python從BOSS直聘中抓取了如下字段信息：公司名稱，公司地址，公司規模，融資情況，所屬行業，職位名稱，經驗要求，學歷要求，薪資。源數據格式如下：
三．數據清洗與規整化
得到源數據後，還需要對其進行清洗和規整化後才能進行分析，一般包括清洗、轉換、合併、重塑。下面本文使用Python對源數據進行處理：
1） 導入包
2） 缺失值處理
3） 刪除重複值
4） 提取城市名
5） 刪除空格
6） 提取最低薪資和最高薪資
7） 數據重塑
四．數據可視化分析報告
1. 城市需求分析
初步觀察可知，數據分析師的需求主要集中在大城市，其中排名前十的分別是北京、上海、深圳、杭州、南京、廣州、東莞、合肥、天津、武漢。其中北京的需求遠遠超過其它城市，接近上海和深圳的需求總和。
數據分析師職位在城市地理分佈上，主要集中於北上廣深、長江三角洲、沿海地區。中國內陸地區需求較少，一般集中於省會城市。
2. 職業門檻分析
在學歷要求上，數據分析師的門檻相對較高，80.2%的公司要求至少本科學歷，4.8%的公司要求碩士學歷。因此對想從事數據分析師職業的人員來說，本科學歷是必要的敲門磚。
在工作經驗要求上，大部分公司對工資經驗都有較高要求，其中3-5年工資經驗的數據分析師最受歡迎，需求達到37.9%；其次就是1-3年經驗的數據分析師，需求達到31.1%。因此，一定的行業工作經驗能幫助數據分析師求職者快速找到工作 ，而應屆生和無工作經驗者只有提高自己的專業技能，才能獲得競爭優勢。
3. 公司情況分析
對於招聘公司的融資情況上，上市公司居多，達到33.4%；在公司的規模上，大公司對數據分析師的需求更多，其中1000-9999人規模的公司最多，達到45.4% ，其次是10000人以上規模的公司，達33.8%。
4. 行業需求分析
在下面詞雲圖中可以看出，數據分析師涉及的行業十分廣泛，供求職者的選擇空間很大，其中各行業中，互聯網、電子商務、金融、醫療健康、計算機軟件等行業的需求量最高。
5. 薪資分析
（1）工作經驗和學歷對薪資的影響
總的來說，工作經驗的長短和學歷的大小基本跟薪資的高低是成正比的，工作經驗越長，學歷越高，薪資也會越高。
在工作經驗上，擁有十年以上經驗者平均起薪已經超過25000，5-10經驗者平均起薪在20000左右，3-5年經驗者平均起薪接近15000了，而三年以下和無經驗者平均起薪則在10000以下。由此可看出，數據分析師對工作經驗的要求還是比較高的，對行業和業務熟悉的人薪資會更高，同時也說明這個職業有很大的上升空間，“越老越值錢”，看重資歷。
在學歷上，本科和碩士的平均起薪相差2000左右，差別不是很大，但本科以下學歷，平均起薪就相對較低了，一般不超過6000。
因此，本科學歷是數據分析師高薪的門檻，擁有本科學歷和3年以上工作經驗是數據分析師高薪的敲門磚。
（2）各城市起薪分佈對比
下面展示的是數據分析師職業需求前十的城市起薪的分佈狀況。容易看出，北京、上海、深圳、杭州的平均起薪都在15000左右，而廣州只有10000左右，南京則在7500左右。
對於北京，數據分析師的平均起薪分佈對稱，比較符合正態分佈；上海、深圳、南京呈右偏分佈，其中上海、深圳高薪資職位相對較多，南京有個別公司起薪異常高。杭州、廣州呈左偏分佈，半數職位起薪在10000以下，個別職位薪資不超過5000，遠遠低於平均水平。
因此，在北京、上海、深圳三個城市能有更大的概率找到高薪的數據分析師職位；其次是杭州、廣州，雖有部分公司薪資較低，但平均工資還是比較可觀；而南京雖然需求較多，但高薪職位相對較少，大部分職位工資都不超過10000，集中在3000-7500中間。
五．分析總結
本文從多角度分析了BOSS直聘近期數據分析師的招聘信息情況，對數據分析師有如下幾點總結：
1）北上廣深、長江三角洲、沿海地區是數據分析師的集中地區，其中，北京的需求遠遠超過其它地區，若想從事數據分析師職業，在北京機會最多。
2）本科學歷、3-5年以上工作經驗的數據分析師成為最受公司歡迎的“香餑餑”，並且平均薪資也相對較高，在15000左右。
3）上市公司、1000-9999的大公司對數據分析師的需求更高；
4）互聯網、電子商務、金融、醫療健康是數據分析師首選的幾大行業。
4）在北京、上海、深圳尋找高薪職位的概率更大。