我是贝贝：
物流办理与数据剖析，一个是本来所学专业，一个是现在新式大热的作业，这次期望对物流办理与数据剖析两个岗位的薪酬数据剖析，得出两个作业的薪酬散布状况与作业开展状况，对自己岗位未来做一些剖析和规划。
一、提出问题
1.物流办理岗位与数据剖析岗位全体薪酬散布，谁高谁低？
3.怎么规划作业得到更好的作业收入远景？
二、数据获取与了解
本次选取的数据为出息无忧在上海区域物流和数据剖析的一切岗位招聘信息，首要数据字段包括岗位称号、公司、薪资、区域、作业年限要求。经过收集获取了例用后羿收集器对数据进行收集，3万条物流岗位的招聘数据，1.5万条数据剖析采岗位的数据。
三、数据清洗
1.删去不相关数据
筛选出所需数据后，对实习日薪岗进行删去处理。删去后，物流余下5000余条数据 ，数据剖析余3000余条数据。
2.共同化处理
收集到的数据薪资字段本来包括XX千/月，XX万/月与XX万/年，经过运用left、mid函数，嵌套find函数将数字最低值与最高值提取出，再一致转化为XX千/月的方式。
3.提取最低工资年限
仍是经过left、mid函数嵌套find函数取出每个岗位的最低作业年限
4.数据开始处理
经过每个岗位的最低与最高薪资算出均匀薪资
四、构建模型和剖析
1.物流办理岗位与数据剖析岗位全体薪酬散布，谁高谁低？
使用Excel 剖析东西进行描绘性剖析，使用柱状图，饼图，箱线图进行描绘剖析，最终得出下面的剖析图表和剖析定论。
1）从全体月薪的均匀数来看，数据剖析收入都超出物流办理50%以上，全体方向现已占很大优势
2）将月薪5000，5000-10000, 10000分为低、中、高三种月薪。物理办理首要由中等收入人群构成，高收入占比少。而数据剖析职位一般以上都能获得高收入
使用Excel的qua函数核算年限薪资中位数，使用折线图进行描绘剖析
从月薪作业年限改变来看，数据剖析的增加趋势显着快于物理办理，两边距离从作业两年后逐步拉大，作业五年后距离越来越显着
五、总结与主张
引荐：
一文看懂产品运营的剖析办法
