【2021夏季挑战赛】产品经理招聘需求分析

我是社区第233262位番薯,欢迎点我头像关注我哦~

1. 选手简介

1.1 选手介绍

大家好,我叫刘静,现在在河南某畜牧公司,做产品经理工作,入职以来的主要工作是结业务需求和痛点,主动挖掘需求,设计功能模块,其中也包括数据分析方面的需求设计。一直对数据可视化比较感兴趣,希望趁着这次比赛的机会,让自己能更多的思考和学习。



1.2 参赛初衷

对数据可视化比较感兴趣,也希望趁着这次比赛的机会,让自己能有更多的思考和学习



2. 场景介绍

2.1 样本来源及业务背景介绍

样本来源于通过爬虫工具(后裔采集器))抓取智联招聘网站上产品经理岗位招聘信息进行全面分析。
近年来,随着互联网、大数据、云技术、AI等新技术的新起,企业更加重视数据化建设,从业务线上化到决策智能化,不断完善企业数字化转型之路。产品经理就显得尤为重要,产品经理的能力水平直接影响着企业数字化转型的成效。公司要想招聘到合适的产品经理即要了解行业平均水平,又要了解产品经理招聘要求才能找到合适的人才,助力企业实现数字化转型之路。



2.2 分析思路

因为要了解招聘市场上对产品经理的需求和薪资,以及大家对于工作地点是否有要求,来综合判定什么样的人是我们的最佳人选。
主要从以下几个方面分析:

 

学历要求:招聘市场上产品经理学历分布是怎样的?我们招聘什么学历的人合适?
待遇要求:招聘市场上其他公司给出的待遇是什么,我们公司待遇是否有吸引力?
工作地点分布:主要考虑人员对工作地点是否有要求,是否都倾向于一二线城市?
招聘信息发布日期:招聘市场上其他企业招聘旺季是什么时候?从而探索出我们公司招聘的最佳时机;
行业集中度:招聘市场上需求产品经理岗位的行业主要为哪些行业?是否有竞争力
薪资分布情况:不同薪档分布情况;
⑦招聘市场对产品经理工作年限的需求情况,拥有几年产品工作经历的人员为最佳人员?

 

主要分析指标为以上7个指标,分析过程中会对两个相关指标进行关联分析,探寻数据之间的规律和关联关系。




3. 建模过程简介
3.1数据样本获取

首先使用爬虫软件(后裔采集器)抓取智联招聘网站上关于产品经理岗位招聘信息。



将获得的数据进行处理,将合在一起的【学历要求】【工作年限】【工作地点】等进行分列,得到可使用的数据。
截图202107032307177658.png




3.2数据上
将整理好的EXCEL表格上传至BI中,并建立自助数据集。

截图202107032307435789.png



3.3仪表盘制作
3.3.1学历要求,主要想获取招聘市场学历要求占比,且学历分类只有6种类型,故采用饼图比较直观清晰。

截图202107032308316404.png


3.3.2待遇情况分析

 

待遇类型较多,且全是文字类型,比较使用使用词云来看整体的分析,突出招聘市场给出的待遇分布情况。用不同待遇的记录数来表达待遇的数量。

截图202107032308511055.png


3.3.3工作地点分析
主要考虑人员对工作地点是否有要求,是否都倾向于一二线城市?最直观采用条形图表示各城市的招聘条数。且同一省份累加在一起。

截图202107032309333262.png


3.3.4招聘信息发布日期:招聘市场上其他企业招聘旺季是什么时候?从而探索出我们公司招聘的最佳时机;
首先做日历图,看不同时间,比如周几的招聘信息发布最多。用先year、month、week函数把发布时间转换成 年、月、周,并转化为维度字段。
纵坐标为周几,需要用weekday函数把发布时间转化成周几,并且为维度字段。

截图202107032309577463.png

用不同日历时间的记录数来表示颜色深浅,可以看出月初的第一个工作日,招聘信息发布最多。



截图202107032310515450.png

日期趋势变化图
排除日历时间对招聘信息发布的影响,单独看不同时间发布信息的数量,看是否有月份或者季度规律,故采用折线图,横坐标为发布时间,纵坐标为记录数。因本次数据时间跨度较少,无法看出季度影响,但是可以看出月初为招聘信息发布高峰期,如公司招聘可以在月度发布照片信息。

截图202107032311136499.png


3.3.5行业集中度:招聘市场上需求产品经理岗位的行业主要为哪些行业?是否有竞争力
因为行业较为分布,行业类型多,需对行业进行自定义分组。





截图202107032312092816.png

3.3.6薪资分布情况:不同薪档分布情况;
为展示不同薪资分布情况,采用矩形数图来表示,不同薪资段记录数表示矩形块的大小。
可以看出面议和18-24万最多。


截图202107032312503207.png


3.3.6工作年限需求分布,拥有几年产品工作经历的人员为最佳人员?
采用柱状图,分析不同工作年限的记录数,可以看出3-5年和5-10年的工作年限的人员
需求量最大
截图202107032258246216.png
 
[

 

3.3.7其他指标关联性分析,
如工作年限是否跟薪资有关系?


截图202107032314098348.png

不同规模与薪资是否有关系?

截图202107032314324888.png


最终分析效果图如下:



截图202107032315244418.png


4. 参赛总结

 

4.1 Fine 工具使用体验
2019年公司引进Fine BI系统之后,对BI的应用仅限于简单的表格、柱状图、饼图等,复杂的图形分析从未使用过。2021年开始对数据可视化感兴趣,从网上视频课、BI自助文档、以及公司BI大神的教学,越来越觉得BI工具非常强大,完全颠覆自己以往的认知,深知自己之前所了解知识的局限性。



BI工具亮点
亮点1、excel表格上传数据:这个功能很友好,使得BI分析的数据不限于开发人员准备数据,自己也可以从网上获取数据之后进行导入分析;
亮点2、自助数据集:自助数据集可以预先处理下数据,为后面分析节省时间,比如过滤、分组、增加字段、等,其中左右合并功能也很强大,通过某个相同字段可以关联两张表的数据,用于数据的匹配合并等,很方便;
亮点3、自定义图表,可以实现多种图形灵活合并使用,比如地图和矩形图、柱状图和折线图等,更加满足多样化个性化分析需求;
亮点4、复用、直接复用其他的组件,大大节省了效率;
亮点5、插入图片、文本、网页等,可以做出分析报告;
在实际整个分析的过程中,也是自己第一次完整制作出分析报告,算是完成对自己的突破。同时在这个过程中也认识到自己掌握知识的局限性。对于图表的应用不够合理有效。现将整体过程中遇到的问题整理为以下几点:

 

1、原始数据脏数据较多,数据不规范,多样性较多,导致处理数据较繁琐。同一个字段类型分类较多,且分类之间有重合,数据太过于分散,在数据处理过程中工作量加大;
2、由于对不同场景适用的图形理解不深入,在进行维度分析的时候,试错成本较高,花费数据较长;



4.2 收获

 

1、开拓了视野,加深自己对于Fine BI的认知,是一款非常强大的工具,打开数据可视化的新世界文。加深自己对于Fine BI的兴趣,坚定了自己以后深入学习 BI的信念;

 

2、数据可视化分析最大的价值就是帮助客户更好的理解数据,发现数据规律和问题,服务于业务;但是不同图形之间,适用的场景以及图形展示的逻辑,对于不是很了解图表结构的人员 不是很好理解图表内容,需要加深数据分析图表的逻辑。


产品经理招聘需求分析.pdf (549.77 K)

发表于 2021-7-11 10:36:18
点赞,学到了个经验:提出好的问题是成功的一半。
报告开头把需要关注的问题理清楚了,让人能提前抓住重点,这样我们在读图表的时候就能自然而然得到答案。这大概就是这篇文章更好读的原因之一吧

再替新同学们划个重点:excel表格上传数据、自助数据集处理、自定义图表、组件复用、文本编辑功能要学会~ 编辑于 2021-7-11 10:53  
发表于 2021-7-14 11:29:50
由于对不同场景适用的图形理解不深入,在进行维度分析的时候,试错成本较高,花费数据较长;——推荐阅读可视化指南:选择图表-https://help.fanruan.com/dvg/doc-view-3.html
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

2回帖数 2关注人数 4549浏览人数
最后回复于:2021-7-14 11:29

返回顶部 返回列表