数据分析一般有五个步骤：提出问题，理解数据，数据清洗，构建模型，数据可视化。
一、提出问题
一切数据分析都是以业务为核心目的，而不是以数据为目的，因此，我们首先要明白的就是我们分析的目的是什么?也就是提出问题。本文主要分析以下几个问题：
1.不同城市对数据分析师的需求如何？
2.数据分析师的薪资水平如何？
二、理解数据
首先，我们先看一下columns的含义：
city 城市
companyFullName：公司全名
companyId：公司ID
companyLabelList：公司介绍标签
companyShortName：公司简称
companySize：公司大小
businessZones：公司所在商区
firstType：职位所属一级类目
secondType：职业所属二级类目
education：教育要求
industryField：公司所属领域
positionId：职位ID
positionAdvantage：职位福利
positionName：职位名称
positionLables：职位标签
salary：薪水
workYear：工作年限要求
在提出问题阶段以及通过我们的思维导图，可以得出我们主要需要以下数据：city、industryField、positionName、salary、workYear。余下的数据：
①companyFullName、companyId、companyShortName都是区分公司的留下一个companyID；
②positionId作为唯一标示，先不删除；
③companySize、businessZones companyLabelList、firstType、secondType、positionAdvantage、positionLables这次分析都用不到，这些信息先隐藏，不要删除；
再仔细看一下：
①positionName里的职位真是非常多，有些数据工程师，数据专员等并不是我们需要分析的职位，还需要对职位进行筛选。
②salary一列数值格式不正确，这样的数据我们并不能用来分析，还需要对数据进行一致化处理，对与salary我们采用平均工资进行分析。
三、数据清洗
1. 去除无关数据列
首先整理好我们需要的数据，对于原数据最好单独保存一份，谁知道以后还会不会用到，把我们需要的数据取出来，这里只保留我们需要的数据。
2.删除重复值
以positionId/companyID作为唯一标示进行扩展，删除重复项，可以看到有1845个重复值，已经删除。
3.数据格式一致化处理
①salary列一致化处理
在理解数据阶段，我们已经确认了用平均工资作为薪水分析，首先要先求出最高与最低工资，在进行平均求值，先建三个辅助列
最低工资就是第一个“k”之前的内容，输入函数 “=--LEFT(H2,FIND("k",H2,1)-1)”。首先用Find函数找到第一个“k”的，我们不需要“k”，所以在减1，再用left函数截取，位置公式前加入“--”将结果变为数值，方便后面运算。
最高工资思路相同，由于是“-”’和第二个“k”中间的内容，这里要用MID函数，使用公式“=--MID(H2,FIND("-",H2,1)+1,LEN(H2)-FIND("-",H2,1)-1)”。使用find函数找到“-”位置，加1，这也就是MID函数第二个值，再用len函数求出字符串长度减去“-”前长度，减一求出MID函数第三个值。
最后使用Ctrl+D进行填充求出所有值，用公式“=AVERAGE(I2:J2)”求出。
我们检查一下是否有脏数据，对平均工资一列进行筛选发现竟然有错误值，why？？？仔细看原来“salary”一列数据格式不一致，“k”有大写，还有“8k以上”，幸亏有检查数据结果，另一方面也说明我们理解数据工作做得不到位，看来理解数据还是十分有必要的。
使用替换将“K”替换为“k”，由于“8k以上”没有准确数值，最高最低都取“8k”，对错误值筛选，Top salary列公式和low salary列公式一样就OK了，在检查一下数据，现在没有错误值了，处理OK。
② positionName列一致化处理
positionName有很多不是我们要分析的职位，先找出我们要的职位，建立辅助列输入“=IF(COUNT(FIND({"数据分析","数据运营","分析师"},K19)),1,0)”，找出{"数据分析","数据运营","分析师"}职位，是结果为1，否则为0，最后对辅助列筛选，找出符合条件的数据。
四、构建模型
1. 不同城市对数据分析师的需求如何？
①根据城市与工作年限、岗位数建立数据透视表，我们可以发现北京的需求最大，其次是上海、、深圳，最后是杭州、广州等城市，说明目前数据分析师这一职业还主要在一线城市及次一线城市，对于求职者，专注于一线城市更容易找到一份满意的工作。
②通过数据透视表我们还发现1-3年和3-5年两个时间段的缺口更大，说明数据分析师这一行业对于对于人才的需求已经逐渐增加，发展前景还是比较好的。此外，我们发现应届毕业生似乎比1年一下经验的更吃香，不过这也说明了这一行业对于新人也是有一定的需求的，对于应届毕业生也是一个选择方向。
2.数据分析师的薪资水平如何？
①薪资水平是我们比较关心，也是最在意的的了。总体来看，数据分析师的薪资还是挺高的，北京、深圳、上海达到了19k左右，杭州、苏州、广州达到了15k左右，其余地区也达到了10k左右。不过，工作经验对薪资水平的影响还是很大的，一年及以下大概在7k~8k，1~3年达到了13.8k，3~5年达到了20k，5~10年达到了26.84k，10年以上达到了37.17k。说明岗位的升值空间还是很大的，薪资水平也是比较高的，未来发展较好。
②我们发现工作的前五年薪资的涨幅是比较的大的，这说明工作前几年是我们成长变化的最佳时期，对于数据分析师来说，充分利用这段时间成长，对于未来会有很大帮助的。此外我们发现广州和深圳零经验与一年工作经验的涨幅比较大，排除数据量的影响，这说明对于应届毕业生爱说，广深是个不错的选择。
五、 数据可视化
最后是数据可视化。任何一项分析的最终都是要得出分析结果，展示给客户或者老板，那么，采用何种方式展示以及展示图表，展示流程也是很重要的，在文章的最后分享一下对于两个问题制作的部分图表，当然，可视化过程不止这些，如何有效的展示也是数据分析师必备的能力。
1.不同城市对数据分析师的需求如何？
2.数据分析师的薪资水平如何？
来源：https://www.cnblogs.com/RR-99/p/10356521.html