这里我用Python在智联招聘上爬取了约1800条的BI工程师的职位信息，并且将岗位名称、公司名称、薪水、所在城市、所属行业、学历要求、工作年限这些关键信息用CSV文件保存下来。
操作版本：Excel2016，WIN10
一个完整的数据分析都需要经历这样几个步骤：
数据分析的大忌是不知道分析的方向和目的，拿着一堆数据不知所措。数据用来解决什么问题？
要知道一切数据分析都是以业务为核心目的，所以要找到业务问题的思考点。关于找到问题的切入点，之前数据分析思维篇讲过。永远不要妄图在一堆数据中找结论，目标在前，数据在后，哪怕是把数据做个平均值比较，也比没有方向好。每一步尝试都会引发进一步思考，比如为什么这个值这么低，原因在哪里，这个差异波动有何规律……
所以，分析前不妨先来看一下我们爬的数据：
假设我是一个BI工程师，我想知道：
带着这样的问题，那我们的分析就有了方向，后续则是将目标拆解为实际分析展示的过程。
拿到数据肯定是要先看一下的，你想要的数据全不全，拿到的数据有哪些可分析之处。主要就是看数据字段，要了解数据字段的含义：
接下来进行数据清洗。数据清洗一般包括无效值、缺失值、重复值处理；数据是否有乱码，错位现象；数据口径问题，两张表的关联ID名是否一致；还有是否有统一的标准或命名，如公司名全写或缩写的区分。数据转换则是将数据规整为统一格式处理。因为这是只是Excel级别的数据分析，且就一张简单的数据表，不会有太多复杂的操作。这里简单总结下。
1、有无缺失值
2、脏数据处理
发现jobName列里面有一些类似BIM工程师的岗位信息，这些应该都是土木行业的工程师，爬去时没做过滤，还有包含“bim”“BIOS””BIW”等字段。因为包含多重过滤，这里我建立辅助列，设立判断条件，然后进行筛选过滤。
=IF(OR(COUNTIF(A5,"*"&{"bim","BIM","BIOS","BIW"}&"*")),1,"0")
公式的意思是，如果含有这些字段中的任何一个则为1，否则为0。这里我们需要筛选出结果为0的数据，总计筛选下来600多条，数据还是很脏的。多重筛选，还可以用数据选项卡里的高级筛选功能，就不掩饰了。
3、重复数据
重复数据一般对唯一标识字段来处理，比如用户ID，订单ID，公司ID这些，这些字段都代表这一行数据是唯一存在的。严格来讲，这里的表应该存在公司ID这一字段，爬取数据的问题，我这就懒得再重爬了，就对Company字段做重复值处理。这里有一个快速窍门，使用Excel的删除重复项功能，快速定位是否有重复数据。对company列进行重复项删除操作：
4、数据再加工
一者是salary薪水用了几K表示，这是文本，不能直接用于计算。而且还是一个范围，后续得按照最高薪水和最低薪水拆成两列。二者由于城市字段存储有的数据为“城市-区域”格式，例如“上海-徐汇区”，为了方便分析每个城市的数据，最后新增列“城市”，截取“-”前面的真实城市数据。为了方便整理，和原数据区分，也防止原数据丢失，这里把之前处理的数据复制粘贴到另一张表里。
①薪水处理将salary拆成最高薪水和最低薪水有三种办法。
写公式的思路是，先查找第一个K出现的位置，然后再-1，去除掉K。所以公式是：
=LEFT(C2,FIND("K",C2,1)-1)
同样的思路，最高薪水需要利用find查找"-"位置,然后截取从"-"到最后第二个位置的字符串。
=MID(C2,FIND("-",C2,1)+1,LEN(C2)-FIND("-",C2,1)-1)
这里，在新增数据列，平均薪水，来近似代表实际的准确薪资。平均薪水=(薪水下限+薪水上限)/2，即可得到每个岗位的平均薪水。
②真实城市截取
由于城市字段存储有的数据为“城市-区域”格式，例如“上海-徐汇区”，为了方便分析每个城市的数据，最后新增列“城市”，截取“-”前面的真实城市数据。
=IF(COUNTIF(G2,"*-*")=0,G2,LEFT(G2,FIND("-",G2,1)-1))
至此，所有数据清洗加工完毕，食材已经全部准备好，下面可以正式开始数据可视化的美食下锅烹饪了。
整体分析使用数据透视表完成，先利用数据透视表获得汇总型统计。
1、BI工程师需求概况分析
这里我简单加了一下增材区分，增加数据大小的辨识度。（条件格式——色阶）看来北上广深的BI工程师岗位远多于其他城市，成都杭州武汉梯队次之。1~3年以及3~5年经验的缺口相当。
2、BI工程薪资情况分析
各经验年龄的平均薪资状况，差距梯度还是很明显的。
目前市面上BI工程的薪资主要分许在7~17K左右区间。23~26K，应该是5~10年左右经验的岗位也相当。
3、薪资变化随着经验的增长，学历影响力的大小
整体来说，BI工程师大专和本科的薪资差异并不是很大，3~5年经验，本科稍占优势。到5~10年，基本拉平，也就是说学历因素影响比重更弱，这时候更看重经验。其他的分析过程就不多做赘述了，主要是使用数据透视表和数据透视图进行多维度（城市，学历，工作经验）的分析，没有其他复杂的技巧。关于数据透视图和数据透视表。选中所要分析的数据列，2013版以上的Excel基本上都很智能的帮你推荐图标，生成透视界面，只要分清楚拖拽的字段事到列，到值还是到行即可。然后视情况多数据做一定筛选，因为数据清洗得不一定很彻底，我在制作的过程中就忽略了一些字段的空缺值，又回过头做了过滤。
![十周入门数据分析.jpg][1]在数据分析中，数据分析思维是框架式的指引，实际分析问题时还是需要很多“技巧工具”的。就好比中学里你要解一元二次方式，可....
Excel是我们工作中经常使用的一种工具，对于数据分析来说，这也是处理数据最基础的工具。很多传统行业的数据分析师甚至只要掌握Excel和SQL即可。![十周....
经常有刚从事数据分析的职场萌新，问我做数据分析工作要学些什么，应该怎样规划学习路径。我会告诉他：如果你Excel还用的不溜的话，就先学学Excel，当你用Ex....
SQL全称是StructuredQueryLanguage，翻译后就是结构化查询语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。....
统计学是数据分析的基石。学了统计学，你会发现很多时候的分析并不靠谱。比如很多人都喜欢用平均数去分析一个事物的结果，但是这往往是粗糙的，不准确的。如....