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
|
6月前
|
数据采集 存储 数据可视化
数据分析都要会BI?No!不是所有企业都应该上BI
BI工具已成为数据分析行业的标配,广泛应用于企业决策支持。本文深入解析了BI的重要性、演进历程,并探讨企业是否真正具备实施BI的条件,帮助读者理性评估需求,避免盲目跟风。
|
4月前
|
SQL 人工智能 搜索推荐
Quick BI V6.0发布:让人人都能拥有的「超级数据分析师」到底强在哪?
阿里巴巴推出首个数据分析Agent“智能小Q”,助力用户快速获取、解读数据并生成洞察报告。Quick BI 6.0深度融合AI Agent能力,通过三重技术体系提升企业级数据分析可靠性,覆盖多行业场景,实现从数据获取到洞察的高效闭环。
360 0
|
7月前
|
数据采集 人工智能 算法
“脏数据不清,分析徒劳”——聊聊数据分析里最容易被忽视的苦差事
“脏数据不清,分析徒劳”——聊聊数据分析里最容易被忽视的苦差事
258 34
|
数据采集 监控 数据可视化
BI工具在数据分析和业务洞察中的应用
BI工具在数据分析和业务洞察中的应用
357 11
|
6月前
|
数据采集 SQL 监控
“你分析个锤子啊,米都没洗净”——数据采集和数据分析的底层逻辑真相
“你分析个锤子啊,米都没洗净”——数据采集和数据分析的底层逻辑真相
139 0
|
9月前
|
敏捷开发 存储 SQL
Quick BI × 宜搭:低代码敏捷开发与专业数据分析的完美融合,驱动企业数字化转型新范式
钉钉低代码平台宜搭与瓴羊QuickBI深度融合,提供前端敏捷构建+后端智能决策的解决方案。通过无缝对接的数据收集与分析、一站式数据分析及报表嵌入等功能,实现业务与数据双重赋能。
606 3
|
9月前
|
SQL 自然语言处理 数据可视化
📊 Quick BI 真实体验评测:小白也能快速上手的数据分析工具!
作为一名软件开发工程师,我体验了阿里云的Quick BI工具。从申请试用账号到上传数据、创建数据集,再到搭建仪表板和使用智能小Q功能,整个过程流畅且简单易用。尤其对非专业数据分析人士来说,拖拽式设计和自然语言问数功能极大降低了操作门槛。虽然在试用入口明显度和复杂语义理解上还有提升空间,但整体体验令人满意。Quick BI让我改变了对数据分析的认知,值得推荐给需要快速制作报表的团队成员。
|
安全 数据挖掘 BI
欢迎使用Quick BI,开启您的智能数据分析之旅!
欢迎选择Quick BI作为您的数据分析伙伴!本文将为您介绍一个月全功能免费试用教程,帮助您轻松上手。请确保在PC环境下操作。
1037 6
|
机器学习/深度学习 数据采集 DataWorks
数据分析经典案例重现:使用DataWorks Notebook 实现Kaggle竞赛之房价预测,成为数据分析大神!
Python是目前当之无愧的数据分析第一语言,大量的数据科学家使用Python来完成各种各样的数据科学任务。本文以Kaggle竞赛中的房价预测为例,结合DataWorks Notebook,完成数据加载、数据探索、数据可视化、数据清洗、特征分析、特征处理、机器学习、回归预测等步骤,主要Python工具是Pandas和SKLearn。本文中仅仅使用了线性回归这一最基本的机器学习模型,读者可以自行尝试其他更加复杂模型,比如随机森林、支持向量机、XGBoost等。