数据人工资大揭秘，快来给我康康~~~

进击的可乐可乐的数据分析之路

你好，我是可乐

是想和大家持续分享好文章的苦逼数据girl

上周#公众号：大数据架构师 的彭老师给了我一份他社群里数据人薪资调查的数据，让我来做个分享，该如何分析这份数据。

然后我就从一个完整的数据分析流程出发，写了这篇文章，也在彭老师的社群里做了分享，彭老师的社群真不错，经常邀请大佬来进行经验分享，也欢迎大家关注他。

下面就是正文了

之前彭老师在群里做了一个数据人薪资情况的小调查，今天我们就通过一个完整的数据分析流程来解读一下这份数据。

明确目的

带着问题出发，明确我们的目的是探索不同岗位、城市、公司数据人薪资是怎样的，所以是一个探索性分析。

数据处理

1、查看并理解字段

拿到数据，大概看一下，总共有184条记录，量不大，那我们就直接用Excel来处理即可。样本量虽然有点少，但贵在真实、有效。

有8个字段：

2、缺失值处理

缺失值只在留言一列中存在，但这是正常现象，没必要做任何操作

3、重复值处理

对于重复值，这里我们认为所有字段都重复的才为重复值，即可删除。通过【删除重复值】的功能来实现，这份数据里没有重复值。

4、异常值处理

关于异常值的处理，一个是对数值型数据的统计学意义上的异常来看，常用的方法是直接画出箱型图来观察。

另一个则是根据业务经验来判断，这里我们可以对城市字段进行分组，方便后续的分析，同时在分组过程中，也发现了一些异常值，这是基于常识经验。

把城市分为一线、新一线、二线、三线、四线、五线，有50个值是没有归属的，情况也不一样。

有的是地点直接显示为国别，如中国、美国，有的是地点显示为省份，如广东、浙江。把省份用其省会城市代替，做一些处理。

最后得到规整的城市对应分组城市类型的数据。

由于数据源是从调查软件中导出，所以整个数据比较规范，在缺失值、重复值、异常值的处理上都比较方便，基本无需做多余的操作，直接拿来用都可以。

初级段位：数据罗列

1、单一特征分布

查看这份调查问卷每个字段的情况

根据对单一特征的分析可以知道：

在这份样本中，有7个类别的岗位，其中数据仓库岗位的用户最多，占比24.46%，算法类岗位填写问卷的最少，只有3个，其余的如大数据开发、数据分析、产品类等岗位分布大致相同。
有近一半的人（42.93%）是在默默无闻的血汗工厂工作。
本次调查的人中有约95%的人月入过万，有超过2/3的人是月收入在1~2、2~3W的区间内。
在北上广深等一线城市工作的人超过一半（51.63%），其次是新一线城市。
底层码农占比44.57%

2、离散型数据分布

查看了单个字段的大致分布后，别忘了我们的目的：薪资！所以要看每个字段和薪资的情况

可以看出：

从岗位&薪资上来看，数据分析类岗位1~2w的薪资占比达到了70%，大数据开发岗位2~3w薪资占比60%，其余数据仓库、产品岗等2~3w较多。所以，想要工资高，选择赛道很重要！
从级别&薪资上来看，底层码农1~2w薪资水平占比较多（49%），主管/中级工程师同样也是1~2w占比较多，54%的人到了经理/高级工程师的级别后其薪资水平可达到2~3w，总监/架构师及以上的薪资在5~8w和8w以上的人数占比达到了61.5。所以，要想多加薪，升职要上心。
从公司性质&薪资上按，一线巨厂和非一线但是听过名字的大厂薪资2~3w的人较多，默默无闻的血汗工厂和三线小厂的薪资在1~2w的人较多。
从城市&薪资上看，可以看到，一线和新一线城市的薪资结构差不多，1~2、2~3w占据了大多数，2345线城市2~3w薪资的就不多了。所以，哪儿的工资多？大城市里找工作。

中级段位：多特征联合

4、交叉分析

薪资不单单和某一因素有关，不同的城市、岗位、级别，薪资水平肯定会不一样，因此要进行多个维度的交叉分析。

大厂里岗位分布比较均匀，三线小厂和默默无闻的血汗工厂数据仓库岗位尤其多，数据分析类岗位在各个厂都是1~2w人数居多，数据仓库岗在默默无闻的血汗工厂、三线小厂里主要是1~2w、2~3w居多，大胆猜测为彭老师人脉受众主要是做数据仓库的，比较成熟了，所以样本多薪资高。
不同城市里岗位的分布，一线城市大数据开发类、数据仓库岗位较多且薪资在1~2,2~3w，其他城市岗位分布比较散，当然也可能和样本有偏有关。

查看各岗位的城市分布及薪资情况