返回目录：excel表格制作
最近有个朋友找到我，说是想要转行做数据分析师，但是却不知道在数据分析的求职环境怎么样？而且自己什么工具都不会，python、R语言什么的也都是浅尝辄止，担心自己一转行就失业。
这也是很多想要转行数据分析的人的困惑，其实数据分析入门并不难，只要掌握了Excel数据分析的基础，基本上就已经拿到了数据分析的敲门砖，Excel既是基础也是关键，是迈向数据分析的第一步。
所以我就从网上爬了一些求职网站上关于数据分析岗位的情况，用Excel做一次完整又简单的数据分析实操，帮助大家能够尽快学会数据分析的基础。
一、提出问题
首先要明确这次数据分析的目的是什么？也就是为了解决什么问题？（提出的问题要能用很明确的指标和数字来衡量，切勿模棱两可）
提出问题：
1、在哪些城市找到数据分析师工作的机会比较大？
2、数据分析师的薪水如何？
3、根据工作经验的不同，薪酬是怎样变化的？
二、理解数据
接下来要理解表格中的各个字段（列名）表示什么意思：
- 城市：用于比较不同城市对数据分析师的需求如何
- 职位所属：分析以后的工作岗位
- 职位ID：表示职位的唯一表示，也就是每一行数据的唯一标识------用于去掉重复ID
- 薪水：比较不同城市、和所属领域的薪水区别
- 工作年限：从时间轴上对比薪资涨幅
数据清洗即数据预处理，目的是去掉无效、重复数据，以取得符合我们要求的数据。
数据清洗的基本步骤：
1、选择子集
只选择对数据分析有意义的字段，无意义的字段选择隐藏，即隐藏不需要分析的列（尽量不删，保证数据的完整性）。这里隐藏公司ID和公司全名，保留职位ID和公司简称。
2、列名重命名
将不合适的列名更改为我们容易理解的形式。
3、删除重复值
对重复数据进行删除，这里我们对【职场ID】列进行删除重复值处理：
4、缺失值处理
先检查数据是否存在缺失值，先查看完整数据列的计数：
再选择其他列查看是否缺失数据：
可以看出【城市】这一列缺失2条数据。
一般对缺失值的处理有4种方法，根据情况灵活使用：
- 通过人工手动补全（缺失值较少，并且可以根据其他信息确定该值）
- 删除缺失的数据（无法判断该位置填写何值，或者删除的数据对分析无大的影响
- 用平均值代替缺失值
- 用统计模型计算出的值去代替缺失值
这里对【城市】这一列的处理方法：
由于缺失数据较少，这里选用人工手动补全，使用Ctrl+Eneter快捷键，在不连续的单元格中同时输入同一个数据或公式时很好用：
5、一致化处理
对数据进行统一的命名和处理。比如数据中的公司的所属领域是“企业服务，数据服务”，对该列数据进行拆分。
步骤如图：
然后我们将薪水处理成【最低薪水】、【最高薪水】、【平均薪水】，用于存放清洗后的薪水数据，利用函数实现：
FIND函数的意思是查找一个字符串在另一个字符串中出现的起始位置，用FIND 函数查找分隔符【k】或者【-】。
FIND函数用来对原始数据中某个字符串进行定位，以确定其位置。FIND函数进行定位时，总是从指定位置开始，返回找到的第一个匹配字符串的位置，而不管其后是否还有相匹配的字符串。
LEFT函数（从左开始截取字符串），MID函数（从中间截取字符串），Len函数（计算字符串长度），函数具体用法可以在百度上查。
利用LEFT函数截取最低薪水：
6、数据排序
我们对【平均薪水】这一列进行降序排序：
7、异常值处理
使用数据透视表处理表格：
此时发现【职位名称】中有职位不属于数据分析：
这些异常值需要去掉，应返回原表重新筛查。
步骤：
- 在原表【职位名称】列后插入新的列命名为“数据分析职位名称”；
- 在下方空白单元格插入函数=IF(COUNT(FIND({"数据运营","数据分析","分析师"},L2)),"是","否")；
- 双击单元格右下方进行自动填充；
- 使用筛选功能，选择“是”，过滤掉异常值。
1、在哪些城市找到数据分析师工作的机会比较大？
以城市为行标签，工作年限要求为列标签，数据透视分析不同城市对不同年限的数据分析师的需求情况。
步骤：全选--选项卡，数据透视图----将数据透视表字段中的【城市】拖入到行，将【工作年限要求】拖入到列，再将【城市】拖入到值中：
再点选表格中左上角行标签---其他排序选项---降序排序--计数项：城市
最后将数值按列汇总的百分比显示数据：
将值按行汇总百分比显示数据：
结论：从数据透视表可以看出，在北京数据分析的岗位最多，往后是上海、深圳、杭州、广州；按工作年限要求来看，3-5年的需求量最大，其次是1-3年，这说明数据分析对年轻人需求将更多。
2、数据分析师的薪水如何？
首先，安装EXCEL 的分析工具库功能：选项卡，文件--选项---加载项---管理，选择 EXCEL 加载项---转到---勾选 分析工具库---确定。
操作步骤如下图：
以城市为行标签，平均薪水为列标签，数据透视表分析城市与平均薪水的关系：
结论：从上面数据透视结果可以看出，深圳的数据分析师平均薪水最高，其次是北京，上海，杭州。
3、根据工作经验的不同，薪酬是怎样变化的？
以工作年限要求行标签，平均薪水为列标签，数据透视分析工作年限与平均薪水的关系：
结论：从上面数据透视结果可以看出，随着工作经验的增长，数据分析师的薪酬也在不断增加。
总结：
综合上面三个数据透视结果，我们可以得到以下分析结论：
- 数据分析这一岗位，有大量的工作机会集中在北上广深以及新一线城市，如果将来去这些城市找工作，可以提高求职成功的条件概率。
- 从待遇上看，数据分析师留在深圳发展是个不错的选择，其次是北京、上海。
- 数据分析是个年轻的职业方向，大量的工作经验需求集中在1-5年。
- 对于数据分析师来说，5年似乎是个瓶颈期，如果在5年之内没有提升自己的能力，大概以后的竞争压力会比较大。
- 随着经验的提升，数据分析师的薪酬也在不断提高，10年以上工作经验的人，能获得相当丰厚的薪酬。
有关数据分析的系统知识，可以关注我的公众号“数据分析不是个事儿”回复【数据分析】，有30篇文章系统讲解数据分析从入门到进阶。