注：1.本项目所有的代码均放在了我的GitHub上，戳我戳我进行访问。2. 感谢周同学的指点，补充了关于所属行业的分析以及调整了多项计数的方式。
项目背景
最近在考虑暑假去哪里找个实习的事情，刚好有朋友在群里转发了一篇文章——数据分析师挣多少钱？“黑”了招聘网站告诉你！读完之后就来了灵感。我也可以对相关的实习岗位做个类似的探索和分析嘛！
项目简介
本次项目要利用爬虫爬取实习生网上数据分析这一岗位的信息，然后进行一些探索和分析，最后得到一些结论。
数据来源和数据集
我利用第三方工具pyspider写了一个简单的爬虫对数据进行爬取。实习生网站的结构比较规范，元素比较少，定位也比较简单，省了不少力气。
最后得到了下列主要信息——职位名称title，日薪daymoney，每周最少出勤天数days，工作职位描述jobdescribe，持续时间lasting，行业分布industry和城市location。
目的
通过实际的数据来解答针对数据分析实习岗位的一些疑惑:
- 如果我想要得到一份数据分析实习工作，我需要保证每周出勤几天？
- 如果我想要得到一份数据分析实习工作，我需要保证至少实习持续多久？
- 整体数据分析实习生日薪分布的情况；
- 不同城市数据分析实习生的日薪情况；
- 从用人单位的角度看，数据分析实习生应当具备哪些技能？
- (新增)哪些行业需要数据分析师？
数据清洗和整理
首先，因为爬虫爬取的是有关“数据”的所有相关实习工作。但是实际上，实习生网在分类的时候并不是特别严谨，很多工作内容稍微涉及点数据的也被划入这个分类。所以需要对现有的数据进行筛选。我的筛选规则是，当工作名称或者工作描述中出现了“数据”和“分析”这两个个词，我们就认为是我们想要的内容。按这条规则进行筛选，1058条数据最终保留616条。
之后，我对几个字段进行了处理，主要是对日薪daymoney，每周最少出勤天数days，工作职位描述jobdescribe，持续时间lasting，行业industry和城市location做了数据清洗和处理。
日薪daymoney：实习生网的日薪格式是固定的，以“150-200元/天”这种形式呈现。为了方便后续分析，我取了日薪的平均数，并且将字符串转成int格式。
每周最少出勤天数days和持续时间lasting：去掉不必要的字符仅保留数字，转成int格式。
行业industry：因为一个公司可能会有很多行业属性，比如“互联网/金融”，所以我对该字段做了分割，并且储存为列表形式。在后续计算频率时，用单项除以总个数（1/n），比如刚才提到的“互联网/金融”，则互联网出现次数计为0.5，金融也计为0.5。
城市location：存在着一个岗位允许多地实习，所以该字段由字符串转变成包含一个个城市的列表，在后面按城市岗位计数分析中，计数方式与行业industry字段的计数方式相似。
工职位描述jobdescribe：利用jieba分词，储存为列表格式，为后续画制词云做准备，并且对英文字符进行了大写转换。
数据分析
1. 哪些行业需要数据分析实习生？
数据分析实习生行业分布
我试图找出哪些行业对数据分析实习生的需求比较大，并且选取了前十五名的行业。从上述图表不难看出，互联网，计算机，金融，电子商务和企业服务这五个行业对数据分析实习生的需求量较大，而咨询，生物，医疗等也均有一定的涉及。如果你恰好对这些行业有一定的了解，可能会在一定程度上增大你找到实习工作的机会。
2. 最少出勤天数
最少出勤天数/天
大学生是找实习的主要群体，但是由于仍有课业，时间安排比较成问题，我读大学的时候就有同学因为学校每天有课所以放弃实习，也有同学为了实习逃掉了大部分的课。一般来说，一周三天实习，剩下的两天学校上课，这样安排比较合理。但是根据我们的数据分析实习岗位的分析，大多数的公司要求实习生至少出勤五天，其实也就是全勤。然后比较多的是至少四天。当然，我们还能发现有些存在着“丧心病狂”的公司，要求实习生至少出勤六天。
从出勤天数可以得出，假如你打算找一份数据分析的实习工作，你必须要先确保自己的时间充足，因为大多数实习都会要求你从周一干活到周五。当然，如何平衡好实习和学业也是你必须要考虑的。
3. 最短持续时间
最短持续时间/月
“你能干活多久？”这是对求职者，特别是实习生在时间维度的另一个重要衡量标准。我曾经在一份实习工作中接触招聘实习生的活，领导要求实习生至少能实习两个月以上，如果满足不了这个时间的，就不再考虑，除非你的简历非常非常的优秀。
我们可以看到，在实习生网上，大多数的数据分析实习岗位都要求实习生能工作至少三个月以上，六个月以上紧跟其后，四个月的也比较多。如果你没有做好长时间实习的准备，还是别考虑这类实习了吧。当然你也可以什么都不考虑，在面试的时候告诉面试官你一定能实习较长时间——虽然有点坑对方的感觉。
4. 日薪分布情况
日薪分布
从日薪分布图中可以看到，大部分的薪资水平在125元每天左右，还算是一个比较可以接受的薪资水平，如果按月算的话一般情况都是高于当地最低工资。当然也有部分能力较强的实习生可以达到每天400以上的日薪。能力越强，你的上限就越高。
5. 实习岗位的地区分布情况
实习岗位所在城市分布
在这里，我只选取了前十八个的城市，只有这些城市有着数量大于一的数据分析实习生需求。和数据分析师挣多少钱？“黑”了招聘网站告诉你！的结果相类似，北上广、杭州，成都和深圳占据了前六的位置，只不过在这里广州取代了深圳排在第三，杭州第四，成都第五。
如果你在这里这些城市读大学，那么恭喜你，你比别人有着更多的机会，更有可能找到一份相关的实习工作。当然，你也要清楚的认识到，机会越多不意味着一定是好事，面临的竞争压力也是需要考虑的。如果你不在这些城市，在合理安排时间前提下，可以考虑异地实习，试着往这些城市的相关公司投递简历，说不定就有面试的机会了！
6. 不同城市日薪分布情况
接下来我们把薪酬和城市分布相结合，来看看在哪里做一份数据分析类相关的实习工作会获得更高的薪资。
不同城市日薪分布
受到整体数据量的影响，我只选取了前八个城市来分析他们的日薪分布。其中北京以150元的平均日薪排名最高，上海和深圳紧随其后，广州、杭州和天津的平均日薪相仿。北京，上海，广州，杭州，深圳和成都都有比较例外的情况，给实习生开出了很高的工资。所以尽量选择上述城市的公司，可能薪水条件会相比其他地方较好。
7. 岗位要求
我利用jieba分词和wordcloud制作了词图，一个词出现的频率越高，他就会在图中越显眼。当然，我事先过滤掉了一些不太重要的，会影响最后结果的stopwords（stopwords也可自行添加或者删除），具体的文本可以在项目文件里查看。
岗位技能要求词云
不出所料，Excel和SQL占据了比较大的部分，我所期待的python虽然也出现在了比较显眼的位置，但是没有前两者那么显眼。这也反映了数据分析这个岗位的现状。其实大多数的数据分析工作并不繁琐，可以通过Excel完成，有一种夸张的说法是：学会vlookup，走遍天下都不怕。当然啦，如果你要找一份称心如意的数据分析实习，你需要明确自己的定位，了解自己所学的内容在数据分析这块领域里的位置。比如你学了很长时间的python，结果你找了个对Excel要求极高的工作，既不能锻炼自己的实战能力，也给人家公司带来资源浪费损失。
除此之外，几个出现频率比较高的有“经验”，团队，沟通，运营。一些数据分析中要用到的工具，除了python之外，都出现的比较少。
结论
- 大多数需要数据分析实习生的岗位分布在互联网，计算机和金融
- 大多数的数据实习生岗位都要求你五天都能到岗，并且可持续时间越长越好，一般不低于三个月。如果你能满足这两个条件，就会拥有一项先天优势。
- 数据分析实习生大部分的薪资水平维持在100元到150元每天之间，高于或者低于这个数的较少，但不乏有例外。日薪相对来说比较客观，数据分析看起来是个不错的职业方向。
- 大多数的数据分析实习岗位集中在北京，上海，广州，杭州和深圳，如果希望找到合适的实习，可以在这些城市尝试寻找。
- 数据分析实习要求不如正式工作那么高之高。对工具型技能的要求不高，基本要求对掌握Excel和SQL即可。在非工具的技能方面，强调了经验，沟通和团队的重要性，说明数据分析这项工作需要的是比较全面的素质。
思考和总结
本次分析过程灵感来自于数据分析师挣多少钱？“黑”了招聘网站告诉你！，但由于选取对象有些不同，获取的字段相对较少，能够分析的内容有所局限。而且由于受到实习生网本身就是一家互联网企业的影响，在它上面发布招聘信息的对象更多的是互联网企业，这就会对数据，注入行业分布情况产生影响。另外，对于数据清洗的尺度还是存有些许疑虑。希望以后能对数据分析这个工作进行更加全面的研究分析。
网友评论