数据分析不是简单的数据罗列，而是从数据中发现哪些信息，得出哪些结论

1. 数据分析不是简单的数据罗列，而是从数据中发现哪些信息，得出哪些结论；
2. 数据分析完后，一定要得出结论，数据讲的是什么？有哪些差别？为什么会有这些差别？
3. 数据分析的目的是为了指导实践，而不是写一份报告；
4. 数据分析的方法和工具只是辅助手段，核心在于思维，用数据去量化和衡量业务现象；

下面正式开始文章内容

一、数据来源

注：数据由python抓取；可视化由tableau制作；仅供学习交流，不可商用，如有侵权，请联系删除；

之前的文章讲过，我爬取了某直聘网站，北京、上海、广州、深圳、杭州五大城市的[数据产品经理]岗位招聘信息，共计2250条；

获取的数据有“职位名称、工作地点、公司名称、薪资、工作经验、学历要求、行业、融资情况、公司人数、职位吸引标签、福利及职位描述等”

那么，在这些数据中，我们能得到哪些有价值的信息呢？下面我们来梳理一下。

1. 影响岗位数量的因素有哪些？

1.1、不同城市及地区，对岗位数量有哪些影响？

1.2、不同行业，对岗位数量有哪些影响？

1.3、不同公司规模，对岗位数量有哪些影响？

2. 影响薪资的因素有哪些？

2.1、不同城市及地区，对薪资有哪些影响？

2.2、不同行业，对薪资有哪些影响？

2.3、不同公司规模，对薪资有哪些影响？

2.4、不同学历，对薪资有哪些影响？

2.5、不同工作经验，对薪资有哪些影响？

3. 公司福利到底有哪些？哪些福利出现次数最多？哪些福利吸引力最大？

4. 职位吸引标签有哪些？公司招聘中，是拿什么去吸引你投简历的？

5. 数据产品经理岗位，到底在招什么？职位描述中都写了些什么？

二、分析详解

1. 影响岗位数量的因素有哪些？

1.1 不同城市及地区对岗位数量有哪些影响？



细心的朋会问，图表中怎么既有市，又有区呢？这是因为有些岗位信息中没有写明是具体哪个区，但是，我们还是可以得知：北京的招聘岗位主要集中在：海淀区、朝阳区；上海的招聘岗位主要集中在：浦东新区；广州的招聘岗位主要集中在：天河区、番禺区、海珠区；深圳的招聘岗位主要集中在：南山区、福田区；杭州的招聘岗位主要集中在：西湖区、余杭区、滨江区；这些地区也是互联网公司聚集的地区，软件园和大厂较多；

为什么互联网公司喜欢聚集扎堆呢？我想这跟当地的市场环境、供应链环境、人才环境、政策环境有关，这也是为什么做手机都喜欢扎堆在深圳，因为深圳的整个手机供应链及上下游环境非常成熟，对企业更友好；

企业聚集扎堆，对整个行业的发展来说，有什么影响呢？下面，我们结合行业一起来看；

1.2 不同行业，对岗位数量有哪些影响？



如果你是某个行业的从业者，看到上面的图表，你会更加清楚，你所在的行业在当地城市中，数据产品的岗位招聘情况，如果招聘数量较多，说明你所在的行业在当地有着不错的生态，有着较多的同类企业，如果招聘数量较少，也不用沮丧，关注所在行业中，招聘数量占比较多的城市，你做市场分析和竞品分析的时候，会用得上的，招聘数量较多的城市，要么当地存在着该行业中top级别的公司，要么当地同类型的公司特别多；

回答上一个问题，企业聚集扎堆，对整个行业的发展来说，有什么影响呢？

我认为这是一件好事，企业扎堆，有利于整个行业生态更活跃，而一个大公司能养活很多个做相关产业的中小公司，如阿里之于杭州，出现了“四通一达”，以及服务于阿里生态的众多公司；

1.3、不同公司规模，对岗位数量有哪些影响？

公司人数及融资规模



在融资规模与人数对比中，我们发现：在B轮及以下公司，人数规模大多处在100-499人之间；C轮之后，公司人数扩招会比较多；逐渐破千；

从融资规模来看，上市公司的岗位招聘数量最多；值得注意的是，不需要融资的公司岗位招聘数量仅次于上市公司，且远远超过其他融资阶段的公司；且在1000人以下规模的公司中，招聘数量最多；

我们在投递简历的时候，不一定非得盯着上市公司、非大公司不投，其实还有很多盈利能力不错、闷声发大财的公司，这类公司有些不需要融资，我了解的就有一些，虽然名气比不上一些网红明星公司，但是盈利能力非常强，产品也不错；

当你在网红公司吭呲吭呲的加班，为怎么应对用户退押金，而绞尽脑汁掉头发的时候，也许这个时候所谓的不知名公司又实现了一个「小目标」；当然，这个纯属YY哈，就是举个例子，虽然不大恰当；理想现实两难全，每个人都有自己的选择和坚守；

2. 影响薪资的因素有哪些？

聊完影响岗位数量的因素有哪些之后，我们再来看看，影响薪资的因素又有哪些呢？

2.1 不同城市及地区，对薪资有哪些影响？