数据分析案例-BI工程师招聘岗位信息可视化分析

简介: 数据分析案例-BI工程师招聘岗位信息可视化分析

数据集介绍


本次实验数据集来源于智联招聘网中关于BI工程师岗位的招聘信息,共计1800条数据,每条招聘信息包括岗位名称、公司、薪资、城市、工作类型、学历要求、工作经验要求共7个字段。


实验工具


python3.10


jupyter notebook


实验过程


导入数据



查看数据大小


查看数据基本信息


从结果中可以发现在学历要求这一列变量中存在缺失值


数据预处理


首先对原始数据进行缺失值和重复值的处理,由于缺失数据较少,这里统一直接删除即可


处理各特征数据:


jobname岗位名称 :剔除不包含bi的岗位(用None先表示),只保留含有bi的岗位。


salary薪资:将薪资范围中的最低最高值转换为平均薪资,同时由于有少数薪资为“薪资面议”、‘校招’等全都表示为None,后面一并处理。


city城市:将原始数据中的城市+地区的数据转为城市,比如“北京-朝阳区”转化为北京市。


wrokingExp工作经验:将原数据中的无经验改为不限。


从处理后的结果可发现,最后剩余的数据还有1446条。


数据可视化


导入数据可视化用到的第三方包


1.分析BI工程师岗位的评价薪资分布情况


从平均薪资分布情况来看,目前BI工程师岗位在智联招聘网站的平均薪资为13.5K,主要薪水区间大概在12-15K

2.分析BI岗位学历要求


从岗位学历要求来看,BI工程师岗位的要求不高,绝大多数为大专和本科,只有极少数为硕士和博士。


3.分析BI岗位工作经验要求


从结果来看,绝大多数要求为5年以下,其中1-3年最多,其次是3-5年,最后是不限。


4.分析哪种工作类型需求最多


从词云图中我们可以看出BI工程师的工作类型中装修、建筑、土木、市政工程、互联网开发、软件较多,说明BI工程师岗位主要为建筑和互联网两个行业。


5.分析各城市岗位数量分布


图片如果失效无法展出,小伙伴只要按照代码即可自己画出,该图就是在地图上以热力图的形式展示各个城市的岗位数量。


6.分析平均薪资最高的前十名城市


7.分析薪资最高的前十名公司及岗位信息


总结


1.目前BI工程师岗位在智联招聘网站的平均薪资为13.5K,主要薪水区间大概在12-15K。


2.从城市岗位需求数量分布来看,BI工程师需求主要集中在北京、上海、深圳、广州区域;各国内排在前面的分别为深圳(15.63K)、上海(15.62K)、北京(15.52)、杭州(12.07K)、成都(11.69K)、广州(11.19K)。


3.从工作年限的平均薪水和岗位需求数量来看,工作5-10年的资深BI工程师的平均薪水可以达到20K以上,其中大部分的工作需求年限为3-5年,平均薪水为15.12K。


4.从学历方面来看,最低学历需求主要以本科/大专为主,本科和大专学历要求的平均薪资分别为12.36K和13.71K,博士和硕士学历需求很少。


5.一些高薪的招聘企业,最高的可以给到30K~40K的薪酬水平,其中主要是互联网公司为主。


目录
相关文章
|
2天前
|
BI
Quick BI V5.0发布:一键解锁智能小Q等全新智能商业分析能力
Quick BI V5.0发布:一键解锁智能小Q等全新智能商业分析能力
|
2天前
|
搜索推荐 数据挖掘 C++
数据分析方法-对比分析和用户画像
数据分析方法-对比分析和用户画像
84 1
数据分析方法-对比分析和用户画像
|
2天前
|
数据采集 数据可视化 数据挖掘
数据分析案例-汽车客户信息数据可视化分析
数据分析案例-汽车客户信息数据可视化分析
149 0
|
2天前
|
数据可视化 数据挖掘
R语言生存分析数据分析可视化案例(下)
R语言生存分析数据分析可视化案例
|
2天前
|
SQL 分布式计算 数据可视化
数据分析案例-数据分析师岗位招聘信息可视化
数据分析案例-数据分析师岗位招聘信息可视化
68 0
|
2天前
|
数据可视化 搜索推荐 数据挖掘
数据分析案例-顾客购物数据可视化分析
数据分析案例-顾客购物数据可视化分析
121 0
|
2天前
|
数据可视化 数据挖掘
R语言生存分析数据分析可视化案例(上)
R语言生存分析数据分析可视化案例
|
2天前
|
数据可视化 数据挖掘 Linux
如何在Linux部署DataEase数据分析服务并实现无公网IP远程分析内网数据信息
如何在Linux部署DataEase数据分析服务并实现无公网IP远程分析内网数据信息
|
2天前
|
数据采集 数据可视化 数据挖掘
Seaborn在数据分析中的应用:案例分析与实践
【4月更文挑战第17天】本文介绍了Seaborn在数据分析中的应用,它是一个基于Python的可视化库,简化了复杂数据的图表创建。通过一个销售数据分析的案例,展示了数据加载、描述性统计、相关性分析、多变量分析及高级可视化步骤。实践技巧包括数据清洗、图表选择、颜色使用、注释标签和交互性。Seaborn助力高效数据探索和理解,提升分析效率。注意,实际使用需根据数据集和目标调整,并参考最新文档。
|
2天前
|
机器学习/深度学习 数据可视化 数据挖掘
用Python进行健康数据分析:挖掘医疗统计中的信息
【4月更文挑战第12天】Python在医疗健康数据分析中扮演重要角色,具备数据处理、机器学习、可视化及丰富生态的优势。基本流程包括数据获取、预处理、探索、模型选择与训练、评估优化及结果可视化。应用案例包括疾病预测、药物效果分析和医疗资源优化,例如使用RandomForestClassifier进行疾病预测,Logit模型分析药物效果,以及linprog优化医疗资源配置。

热门文章

最新文章