【2023BI数据分析大赛】大数据专业人才需求可视化分析
作品选题
大数据专业人才需求可视化分析
一、选手简介
1、选手介绍
（1）团队选手版
团队名称：干饭大队
队长介绍：帆软社区用户名皇甫羌笛，目前就读于广州理工学院，去年因参加大学生计算机设计大赛接触到FineBI。 个人对数据高效处理、数据分析方面比较感兴趣。
成员介绍：
皇甫羌笛：团队队长，对高效处理数据有着浓厚的兴趣，勇于学习新知识，主要负责分析数据，处理数据，仪表盘制作。
叶树钰： 团队的导演，眼光毒辣，主要负责提供思路及找茬。
伍静欣：省赛参赛学生，颜值担当且积极向上，对数据分析全面到位，主要提供思路，挑选最优图表及全程找茬。
唐小余：省赛参赛学生，眼光独到，很有求胜心，主要负责排版美化。
王佳岚：观点独特，经常提出建设性建议。
团队组成：因比赛而结缘。
2、参赛初衷
与帆软缘于去年“大学生计算机设计大赛”，取得了不错的成绩，为了我们的团队磨合，我们参加了帆软去年的“帆软杯”。真正的目的在于通过参加比赛更好的提高我们团队的数据分析的敏锐性，真正的享受团队协作的过程，享受我们在一起的时光。
二、作品介绍
1、业务背景
随着企业数字化转型的加速，越来越多企业人才均加大对数字化人才布局，但显然目前市场上数字化相关的人才很少，而且非常抢手。从多渠道反馈结果来看，大数据相关职位已成为目前人才市场上最为紧缺的人才之一。本作品的初衷在于通过呈现人才需求的企业画像，建立大数据岗位的能力素质模型，勾勒人才画像，从而对大数据人才需求提出市场策略建议。
2、数据来源
自选数据：数据来源于新道人才网，采集方法用python网络爬虫进行数据的采集，得到“大数据相关职位招聘信息数据集”与“行政区划数据集”。
3、分析思路
4、数据处理
数据来源于新道人才网，采集方法用python网络爬虫进行数据的采集，得到“大数据相关职位招聘信息数据集”与“行政区划数据集”，在整理数据时，团队成员通过协商统一表头后整理所有数据，将表述不一致的同一数据统一用同一种描述，通过数据处理后合并到同一份数据表。通过对收集到的数据进行清洗并脱敏后得到本次作品的数据源。
5、可视化报告
通过在 Tab 组件内添加多个标签页，通过点击可切换不同标签页，展示不同分析模块的仪表盘，制作地图分布、企业分析、薪酬差异分析、任职资格分析四个标签页，如下图
地图分布仪表板实现过程：
根据省份、城市、数量等维度/指标，结合钻取目录的设置，创建“地图分布”组件，可以一目了然的看到各省份、城市的人才需求分布，如下图
根据城市、数量等维度/指标，制作“城市词云”词云组件，通过词语的文字大小，展示出各城市人才需求量的大小及对比情况，如下图
根据行业、地市名称、数量等维度/指标，结合对行业需求进行过滤设置，制作“北上广深行业TOP10分布”桑基图组件，得到北上广深四个城市主要流向哪些行业，如下图
根据经济地带、区域、数量等维度/指标，制作“经济地带分析”横向柱形图组件、“区域分析”折线图组件，得到东部地区、东南地区的需求占比最高，如下图
企业分析仪表板实现过程：
根据公司类型、公司规模、公司类型、需求量、平均薪资、需求占比等维度/指标，制作“公司类型分布”雷达图组件、 “公司规模分布”环形图组件，得到不同公司类型、不同公司规模的需求量的展示效果，如下图
根据行业、需求量、需求占比等维度/指标，制作 “行业需求量分布”矩形树图组件，通过面积的大小可以展示出各行业的需求量及其占比情况，如下图
根据职位、需求量等维度/指标，制作 “职位需求”词云图组件，通过面积的大小可以展示出各行业的需求量及其占比情况，如下图
薪酬差异分析仪表板实现过程：
根据学历、平均薪资等维度/指标，结合警戒线的设置，制作“不同学历的薪资差异”四分图组件，得到各学历的平均薪资对比，及与平均水平之间的距离，如下图
根据区域、平均薪资等维度/指标，制作“不同地域平均薪资差异”漏斗图，得到各区域的平均薪资对比，如下图
根据城市、平均薪资等维度/指标，制作“TOP城市的薪资差异”聚合气泡图组件，通过不同颜色、不同形状展示出平均薪资最高的10个城市的薪资差异情况，如下图
根据工作经验、平均薪资等维度/指标，结合警戒线的设置，制作“不同学历薪资差异”、“不同工作经历的薪资差异”四分图组件，得到各学历、工作经验的平均薪资对比，如下图
根据公司类型、平均薪资等维度/指标，制作“不同公司类型的薪资差异”多系列折线图组件，得到不同公司类型在最低薪资、最高薪资、平均薪资的具体情况，如下图
根据学历、薪酬分段、数量等维度/指标，制作“不同学历的薪酬分段需求量分布”横向柱形图组件，通过不同颜色显示不同的薪酬分段，可以得到不同学历中各薪酬分段的需求量对比，如下图
根据薪酬分段、需求量等维度/指标，制作“薪酬分段”环形图组件，通过不同颜色来显示各薪酬分段，通过需求量来显示角度的大小，如下图
根据省份、城市、平均薪资等维度/指标，结合钻取目录的设置，创建“不同省份平均薪资差异”地图组件，通过柱子的高低展示各省份、城市的人才需求平均薪资情况，如下图
任职资格仪表板实现过程：
根据学历、需求占比等维度/指标，制作“北上广深的需求分析”的需求分析组件，通过不同颜色的学历来展示北上广深不同学历的需求占比情况，如下图
根据分词、词频等维度/指标，结合对分词的过滤设置筛选出各工具，制作“技术工具需求分析”聚合气泡图组件，气泡颜色代表各分词，通过气泡大小展示各分词的词频大小，如下图
根据分词、词频等维度/指标，制作“任职资格词频图”词云图组件，字体颜色代表各分词，通过字体大小展示各分词的词频大小，如下图
根据专业要求1、专业要求2、数量等维度/指标，制作“大数据人才岗位专业要求”环形图组件，颜色代表不同的专业要求，角度代表所占比例，如下图
根据学历、需求量、需求量占比、平均薪资等维度/指标，制作“学历需求分布”分组汇总表，如下图
（3）最终结果呈现的页面布局
大数据人才需求可视化分析.pdf (3.48 M)
三、参赛总结
1、FineBI工具
FineBI工具值得点赞的除了软件平台的公益性之外，教学视频也在逐渐增加，而且技术支持很给力，给工作人员们点赞。
FineBI工具实现了很多数据的动态有效展现，数据之间进行联动，超喜欢这个功能的。
大数据时代，这个数据的处理和展示显得特别的刚需，感谢与帆软相遇，感谢帆软的支持。
但是在使用过程中还有些地方希望帆软改进的，主要就是组件格式没能有格式刷，样式需要一个个去调整，用时间较多，较为繁琐，新增个格式刷功能会更好。
2、参赛总结
感谢帆软给予的平台，让我们的团队有磨炼的机会，也提升了我们的操作技能，让我们对大数据可视化有了更进一步的了解，产生更大的冲劲，希望后期不止为了比赛而学，更希望可以应用到我们以后的学习、工作和生活中。再次感谢我们团队的小伙伴们，从数据选择、布局构思、数据处理、仪表板制作、作品介绍等方面通过不断的找茬、讨论与调整，让我们的作品得到了更好的优化，让我们都得到了更好的成长。
