EXCEL作为职场办公必备工具，应用范围非常广泛。从职场小白利用它进行简单的信息记录，到职场大神利用它进行信息分析，它总能发挥自己的作用。EXCEL是数据分析的基本工具，如果不考虑性能和数据量，它可以应付绝大部分的分析工作。

数据分析步骤：

提出问题：明确的问题，可以为后期的数据分析提供目标和方向。理解数据：理解数据包含两方面的内容：采集数据、查看数据集信息。数据清洗：数据清洗也叫数据预处理。构建模型：它是对清洗后的数据进行分析，简单的分析就是得出一些业务指标。数据可视化：将得出的分析结果利用图形的方式进行展示；

这里借用猴子老师提供的招聘网站源数据，利用EXCEL工具来进行数据分析工作。注意，在进行数据分析前，将原始数据进行备份，后续所有的操作都在备份数据上进行操作。防止后期有错误，可以找到原始数据进行核对。

第一步：提出问题

1.在哪些城市找到数据分析师工作的机会比较大？

2.数据分析师的薪水如何？

3.根据工作经验的不同，薪酬是怎样变化的？

第二步：理解数据

理解数据各列表示的意思。这份数据包含：城市、公司全称、公司ID、公司简称、公司大小、公司所在商圈等信息。其中，公司ID、职位ID均为数字类型，其他列信息均为字符串类型，字符串类型的数据是没法直接用于计算的。

第三步：数据清洗

很多时候我们拿到的原始数据都非常大，且存在大量无用信息。在进行数据分析前，我们就需要对数据进行清洗，去掉这些无用信息。数据清洗可以分为7步：选择子集、列名称重命名、删除重复值、缺失值处理、一致化处理、数据排序、异常值处理。

1、选择子集：选择数据分析感兴趣的几个列。源数据中，公司ID是唯一标识，而公司全名和公司简称均于公司ID存在重复。所以这里选择这两列，然后将其隐藏。注意：很多人在处理数据时喜欢将不需要的列信息直接进行删除，很多时候删除了数据列信息天津搜狐视频招聘数据分析，但是到后面却发现又需要用到删除的信息。所以这里建议隐藏，而不是删除。

2、列名称重命名：很多时候我们拿到的源数据列名称各种各样，比如有英文的，有特殊字符的。为了方便后期数据分析，我们可以将列名称重新命名。

3、删除重复值：数据中的职位ID是应聘职位的唯一标识，当它出现重复时，说明数据中有重复的职位数据，需要经重复的职位数据进行删除处理。这里进行处理后，系统共删除了1843个重复值，保留了5031个唯一值。

4、缺失值处理：原始数据可能会因为各种原因缺失数据。缺失值处理方式有4种，一：通过人工手动补充，主要针对于缺失值比较少的情况；二：删除缺失数据；三：用平均值代替缺失值；四：用统计模型计算出来的值代替缺失值。

为了保证后续的数据分析工作正常进行，我们需要对缺失值进行处理。这里针对城市列缺失数据进行补充。首先，通过EXCEL的定位功能，查到到空值位置。然后利用CTRL+ENTER对缺失值进行补充。

5、一致化处理：一致化指的是数据是否有统一的标准或者是命名。如元数据中的公司所属领域，很多公司属于多个领域（电子商务，数据服务）各个领域间用逗号隔开。这种格式的不一致，会影响后期的分析结果，我们需要对这种数据进行统一命名处理。

这里采用EXCEL的分列功能，将公司所属领域中的信息按照逗号分隔符号，进行分隔处理。注意：分列功能会覆盖掉右列单元格，所以要先复制需要进行处理的这一列，将其复制到最后一个空白列的地方，然后进行操作。

薪水列写的是一个薪水范围，采用的是文本格式（7K-9K)，这种文本格式无法进行计算，这种情况后面无法进行平均薪水计算。所以我们还需要对薪水列信息进行一致化处理。这里我们在薪水后面增加3列信息，分别为最低薪水、最高薪水、以及平均薪水。

利用函数：LEFT(M2,FIND("-",M2)-2)，求出最低薪水；

利用函数：MID(M2,FIND("-",M2)+1,LEN(M2)-FIND("-",M2)-1)，求出最高薪水；

将求得的最高薪水、最低薪水转换为数字格式后，利用函数AVERAGE，计算出平均薪水。

6、数据排序。数据经过排序后，可以帮助我们看到更多信息。比如，想知道拿到平均薪水最高的是多少？我们可以对平均薪水进行降序排序。

7、异常值处理。利用数据透视表对职位名称进行统计，发现其中数据分析师是出现对多次数的，其次是数据产品经理。同时，这其中还出现了很多非数据分析的岗位。本次分析的主要对象是数据分析师岗位的相关信息，孤儿其他岗位信息都属于异常值，需要对其进行处理，以免干扰分析结果。

在职位名称

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！