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：   ①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？ ②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？ ③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？ 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； 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 ⑥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。 146579 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。 146582 3.2数据上传 将整理好的EXCEL表格上传至BI中，并建立自助数据集。 146583 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。 146584 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。 146585 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。 146586 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。 146587 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。 146588 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。 146589 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。 146590 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。 146592 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 146574   [   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? 146593 不同规模与薪资是否有关系？ 146594 最终分析效果图如下： 146595 4. 参赛总结   4.1 Fine 工具使用体验 从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)