本文是 《如何七周成为数据分析师》的第三篇教程，如果想要了解写作初衷，可以先行阅读七周指南。温馨提示：如果您已经熟悉Excel，大可不必再看这篇文章，或只挑选部分。

在  《如何七周成为数据分析师01：常见的Excel函数全部涵盖在这里了》 和《如何七周成为数据分析师02：Excel技巧大揭秘》 后，今天这篇文章讲解实战，如何运用上两篇文章的知识进行分析。内容是新手向的基础教程。

为了更好的了解数据分析师这个岗位，我用爬虫爬取了招聘网站上约5000条的数据分析师职位数据。拿数据分析师进行数据分析。

数据真实来源于网络，属于网站方，请勿用于商业用途。

操作版本：Excel 2016 Mac版。文件大小约2M。

演示过程分为五个步骤：明确目的，观察数据，清洗数据，分析过程，得出结论。

这也是通常数据分析的简化流程。

明确目的

数据分析的大忌是不知道分析方向和目的，拿着一堆数据不知所措。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。

• 数据用来解决什么问题？
• 是进行汇总统计制作成报表？
• 是进行数据可视化，作为一张信息图？
• 是验证某一类业务假设？
• 是希望提高某一个指标的KPI？

永远不要妄图在一堆数据中找出自己的结论，太难。目标在前，数据在后。哪怕给自己设立一个很简单的目标，例如计算业务的平均值，也比没有方向好。因为有了平均值可以想数字比预期是高了还是低了，原因在哪里，数据靠谱吗？为了找出原因还需要哪些数据。

既然有五千多条数据分析师的岗位数据。不妨在看数据前想一下自己会怎么运用数据。

• 数据分析师是一个什么样的岗位？
• 它的工资和薪酬是多少？
• 它有什么特点，需要掌握哪些能力？
• 哪类公司更会招聘数据分析师？

等等。

有了目标和方向后，后续则是将目标拆解为实际过程。

观察数据

拿出数据别急切计算，先观察数据。

字段名称都是英文，我是通过Json获取的数据，所以整体数据都较为规整。绝大部分数据源的字段名都是英文。因为比起拼音和汉字，它更适合编程环境下。

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

数据基本涵盖了职位分析的所需。职位中的职位描述没有抓下来，一来纯文本不适合这次初级分析，二来文本需要分词以及文本挖掘，后续有机会再讲。

首先看一下哪些字段数据可以去除。companyId和positionId是数据的唯一标示，类似该职位的身份证号，这次分析用不到关联vlookup，我们先隐藏。companyFullName和companyShortName则重复了，只需要留一个公司名称，companyFullName依旧隐藏。

尽量不删除数据，而是隐藏，保证原始数据的完整，谁知道以后会不会用到呢？

接下来进行数据清洗和转换。因为只是Excel级别的数据分析，不会有哑变量离散化标准化的操作。我简单归纳一下。