随着云计算、人工智能、物联网等新兴技术的不断发展，新一轮科技革命和产业变革蓬勃兴起。同时，催生出海量数据与丰富应用场景，如何挖掘数据价值并实现创收成为数字化企业难题。致使数据分析岗位需求高涨，相关求职者热切关注市场。因而，研究数据分析岗位的需求状况以及薪资的影响因素，无论对于企业寻找数据人才，制定合理招聘计划，还是帮助数据分析岗位求职者获取市场信息，客观评价自身价值均有重要意义。

本文通过八爪鱼采集收集器爬取 2022 年 11 月 14 日前程无忧网站的招聘启事，获取关于数据分析岗位的文本数据。本文共分为三大板块主体内容，一是对数据进行预处理工作，完成对非结构化数据的分词处理，对结构化数据进行数据清晰、数据转换以及 one bot 编码。二是运用文本分析、描述性统计对数据分析岗位进行需求分析一）从城市角度出发，绘制地理位置热力图，探究不同城市的数据分析岗位的需求状况以及不同城市的平均薪酬，发现上海数据分析岗位需求占比高达 20.7%，一线城市与新一线城市的数据分析岗位平均月薪薪酬较高，分别为 1.75 万与 1.25 万。（二）从求职者需求角度出发，绘制不同学历的薪酬增长曲线，发现一年工作经验求职者的平均薪资大多低于应届生求职者。比较不同行业的数据分析岗位薪酬，信息传输、软件和信息技术服务业的平均月薪最高，高达 1.67 万，其次是科学研究和技术服务业，公共管理、社会保障和社会组织，金融业，平均月薪分别为 1.58 万、1.49 万、1.46 万。根据企业福利标签词云图，企业想要吸引求职者，不仅应该考虑基础的就业保障与薪资构成，也需要考虑时代问题，合适地关怀求职者需求以及传达企业文化。（三）从企业画像出发，分析招聘数据分析岗位的企业画像，民营企业占比高达 67%，绝大部分数据分析岗位并不在“铁饭碗”企业中。三是运用关联规则分析、随机森林方法探究数据分析岗位薪资的影响因素。基于 Apriori 算法进行关联分析，发现薪资较高通常与“一线城市”、“本科”等挂钩，说明学历城市对薪资的重要影响。而数据支持度较低，侧面反映人生际遇不同，薪资水平并不能被完全人身上的标签所框定。根据随机森林模型，发现学历、经验、工作地点以及公司规模对于薪酬的影响程度较大。

基于以上结论，本文给出三点建议。针对企业，应当关注人才需求，招聘福利标签应贴近时代背景。如“996”、弹性工作等。针对高校学生，应关注市场需求，合理规划职业生涯，提高个人能力与职业特点之间的匹配度。针对高等院校，应紧跟时代发展，加强高校人才培养。重视学科交叉领域建设，注重实践课程，加强校企合作，全面提升学生能力。

付费可得论文全文+数据+代码+汇报PPT