我是貝貝：

物流管理與數據分析，一個是原來所學專業，一個是目前新興大熱的職業，這次希望對物流管理與數據分析兩個崗位的薪酬數據分析，得出兩個行業的薪酬分布情況與職業發展情況，對自己崗位未來做一些分析和規劃。

一、提出問題

1.物流管理崗位與數據分析崗位整體薪酬分布，誰高誰低？

2.随着工作年限增長，哪種崗位獲得的職業收入更多？

3.如何規劃職業得到更好的職業收入前景？

二、數據獲取與理解

本次選取的數據為前程無憂在上海地區物流和數據分析的所有崗位招聘信息，主要數據字段包括崗位名稱、公司、薪資、地區、工作年限要求。通過采集獲取了例用後羿采集器對數據進行采集，3萬條物流崗位的招聘數據，1.5萬條數據分析采崗位的數據。

三、數據清洗

1.删除不相關數據

由于采集了很多不相關崗位數據，例如财務崗位等，所以用猴子老師在初級課程中提到的IF\COUNT\FIND嵌套函數對數據進行篩選，選出隻包含物流關鍵詞和數據分析等關鍵詞的崗位。

篩選出所需數據後，對實習日薪崗進行删除處理。删除後，物流餘下5000餘條數據 ，數據分析餘3000餘條數據。

2.一緻化處理

采集到的數據薪資字段原本包含XX千/月，XX萬/月與XX萬/年，通過使用left、mid函數，嵌套find函數将數字最低值與最高值提取出，再統一轉化為XX千/月的形式。

3.提取最低工資年限

還是通過left、mid函數嵌套find函數取出每個崗位的最低工作年限

4.數據初步處理

通過每個崗位的最低與最高薪資算出平均薪資

四、構建模型和分析

1.物流管理崗位與數據分析崗位整體薪酬分布，誰高誰低？

利用Excel 分析工具進行描述性分析，利用柱狀圖，餅圖，箱線圖進行描述分析，最後得出下面的分析圖表和分析結論。

1）從整體月薪的平均數來看，數據分析收入都超出物流管理50%以上，整體方向已經占很大優勢

2）将月薪<5000，5000-10000, >10000分為低、中、高三種月薪。物理管理主要由中等收入人群構成，高收入占比少。而數據分析職位一般以上都能取得高收入

3）從月薪的四分位維度來對比，數據分析都比物理管理占更多優勢

2.随着工作年限增長，哪種崗位獲得的職業收入更多？

利用Excel的qua函數計算年限薪資中位數，利用折線圖進行描述分析

從月薪工作年限變化來看，數據分析的增長趨勢明顯快于物理管理，雙方差距從工作兩年後逐漸拉大，工作五年後差距越來越明顯

五、總結與建議

通過分析得到，物理管理屬性崗位高收入群體（月薪大于3萬）占整體的1%，低于數據分析的2.7%。選擇數據分析職位未來發展前途更好。

分析報告來自社群會員（知乎：貝貝199311）

推薦：一文看懂産品運營的分析方法