最近有個朋友找到我，說是想要轉行做數據分析師，但是卻不知道在數據分析的求職環境怎麼樣？而且自己什麼工具都不會，python、R語言什麼的也都是淺嘗輒止，擔心自己一轉行就失業。
這也是很多想要轉行數據分析的人的困惑，其實數據分析入門並不難，只要掌握了Excel數據分析的基礎，基本上就已經拿到了數據分析的敲門磚，Excel既是基礎也是關鍵，是邁向數據分析的第一步。
所以我就從網上爬了一些求職網站上關於數據分析崗位的情況，用Excel做一次完整又簡單的數據分析實操，幫助大家能夠儘快學會數據分析的基礎。
首先要明確這次數據分析的目的是什麼？也就是為了解決什麼問題？（提出的問題要能用很明確的指標和數字來衡量，切勿模稜兩可）
提出問題：
1、在哪些城市找到數據分析師工作的機會比較大？
2、數據分析師的薪水如何？
3、根據工作經驗的不同，薪酬是怎樣變化的？
接下來要理解表格中的各個欄位（列名）表示什麼意思：
數據清洗即數據預處理，目的是去掉無效、重複數據，以取得符合我們要求的數據。
數據清洗的基本步驟：
1、選擇子集
只選擇對數據分析有意義的欄位，無意義的欄位選擇隱藏，即隱藏不需要分析的列（儘量不刪，保證數據的完整性）。這裡隱藏公司ID和公司全名，保留職位ID和公司簡稱。
2、列名重命名
將不合適的列名更改為我們容易理解的形式。
3、刪除重複值
對重複數據進行刪除，這裡我們對【職場ID】列進行刪除重複值處理：
4、缺失值處理
先檢查數據是否存在缺失值，先查看完整數據列的計數：
再選擇其他列查看是否缺失數據：
可以看出【城市】這一列缺失2條數據。
一般對缺失值的處理有4種方法，根據情況靈活使用：
這裡對【城市】這一列的處理方法：
由於缺失數據較少，這裡選用人工手動補全，使用Ctrl+Eneter快捷鍵，在不連續的單元格中同時輸入同一個數據或公式時很好用：
5、一致化處理
對數據進行統一的命名和處理。比如數據中的公司的所屬領域是「企業服務，數據服務」，對該列數據進行拆分。
步驟如圖：
然後我們將薪水處理成【最低薪水】、【最高薪水】、【平均薪水】，用於存放清洗後的薪水數據，利用函數實現：
FIND函數的意思是查找一個字符串在另一個字符串中出現的起始位置，用FIND 函數查找分隔符【k】或者【-】。
FIND函數用來對原始數據中某個字符串進行定位，以確定其位置。FIND函數進行定位時，總是從指定位置開始，返回找到的第一個匹配字符串的位置，而不管其後是否還有相匹配的字符串。
LEFT函數（從左開始截取字符串），MID函數（從中間截取字符串），Len函數（計算字符串長度），函數具體用法可以在百度上查。
利用LEFT函數截取最低薪水：
6、數據排序
我們對【平均薪水】這一列進行降序排序：
7、異常值處理
使用數據透視表處理表格：
此時發現【職位名稱】中有職位不屬於數據分析：
這些異常值需要去掉，應返回原表重新篩查。
步驟：
1、在哪些城市找到數據分析師工作的機會比較大？
以城市為行標籤，工作年限要求為列標籤，數據透視分析不同城市對不同年限的數據分析師的需求情況。
步驟：全選--選項卡，數據透視圖----將數據透視表欄位中的【城市】拖入到行，將【工作年限要求】拖入到列，再將【城市】拖入到值中：
再點選表格中左上角行標籤---其他排序選項---降序排序--計數項：城市
最後將數值按列匯總的百分比顯示數據：
將值按行匯總百分比顯示數據：
結論：從數據透視表可以看出，在北京數據分析的崗位最多，往後是上海、深圳、杭州、廣州；按工作年限要求來看，3-5年的需求量最大，其次是1-3年，這說明數據分析對年輕人需求將更多。
2、數據分析師的薪水如何？
首先，安裝EXCEL 的分析工具庫功能：選項卡，文件--選項---加載項---管理，選擇 EXCEL 加載項---轉到---勾選 分析工具庫---確定。
操作步驟如下圖：
以城市為行標籤，平均薪水為列標籤，數據透視表分析城市與平均薪水的關係：
結論：從上面數據透視結果可以看出，深圳的數據分析師平均薪水最高，其次是北京，上海，杭州。
3、根據工作經驗的不同，薪酬是怎樣變化的？
以工作年限要求行標籤，平均薪水為列標籤，數據透視分析工作年限與平均薪水的關係：
結論：從上面數據透視結果可以看出，隨著工作經驗的增長，數據分析師的薪酬也在不斷增加。
綜合上面三個數據透視結果，我們可以得到以下分析結論：
有關數據分析的系統知識，可以關注我的公眾號「數據分析不是個事兒」回復【數據分析】，有30篇文章系統講解數據分析從入門到進階。