【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

1. 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

1. 地图分布仪表板实现过程：
2. 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

1. 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

1. 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

1. 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

1. 企业分析仪表板实现过程：
2. 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

1. 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

1. 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

1. 薪酬差异分析仪表板实现过程：
2. 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

1. 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

1. 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

1. 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

1. 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

1. 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

1. 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

1. 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

1. 任职资格仪表板实现过程：
2. 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

1. 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

1. 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

1. 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

1. 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。

恭喜通过大赛初审！！

1、图片模糊，建议优化排版和图片，可点击文末“编辑”按钮重新上传图片，或者选择“导入Word”按钮，重新导入全文；

2、如果使用本地BI制作，请确保提交的附件resources.zip内容完整（附件如有更新请微信发送苏茜）；组委会将在8月16日后统一进行作品资源迁移，将您的作品导入大赛公共平台，形成在线模板查看链接，方便评委查看；

评审优先看此社区文章，请选手确保内容完整、排版清晰。截止8月17日20:00仍可调整排版问题，作品其他内容不可再修改。

学到了，涨知识了?(?ˊ?ˋ)?

今天又学到了??

嘀嘀，打卡成功
楼主的分析使用的数据展现形式还比较多样化，像矩形图、雷达图、词云、气泡图等等，基本没有重样的；如果可以加一个总结性的结论就更好了，个人认为分析报告是一个整体，不是简单的模块堆积和数据堆积。我做这个分析是为了解决什么问题或者表达一个怎么样的观点等等，目前没有从看板和说明中看到的

打卡：楼主分别从地理位置、企业、薪酬、任职资格四个方面进行分析，采用了全局分析，有点不好抓住重点，是不是可以按企业集中的地理位置，阵对前20%展开薪酬、任职资格进行反向论证，是不是更能突出重点

打卡：看了楼主的故事板，感觉就像在看一个数据分析视觉嘉年华，报告中对数据的标新立异的展示和整个报告图表的搭配都值得借鉴！

哈哈哈，这是我喜欢的分析类型，把一些信息如JD数据进行汇总，然后根据这些数据去挖掘背后的信息，这样地出来的结论会很有意思~
一点小建议：
1、各个分区的结论在报表中都有体现，但没有一个总结性的结论，整体就比较散
2、分析思路这样的方式会让读者觉得文章清晰明了，但流程太多也会导致疲惫，可以将同类型的组合在一起，比如左边是大的流程，右边是细分流程，观感会好些；
3、图片内容该居中的居中，截图的时候尽可能相同尺寸，不然看起来有点难受；
4、可视化报表部分色系搭配不太适合，颜色太多了

打卡：
首先整个报告的内容还是很丰富的，尤其是分析思路的流程图还是很清晰的。其次是可视化的组件丰富多样。
这里有个小建议：
在业务背景那里说到要对大数据人才需求提出市场策略建议，不过报告中却没有看到，这个可以完善下。

打个卡，同学利用比赛做的分析，既参加了比赛，还对以后人才市场有了了解，方便了番薯们选择城市，一举多得，。

打个卡，这个作品很有现实意义了。提个小建议是排版可以稍微优化一下哦~

打卡：个人建议作品报告中可以减少具体图表组件的制作过程描述，增加篇幅描述各图表部分的数据解读结论等内容，让读者更快获取到作品的分析主题和结论。可视化仪表板的背景稍微浅一些、各图表组件增加边框、组件布局等再调整下会不会更好些呢

打卡：运用了比较多的展示方式，比较新颖，可以学习相关分析方法。

打卡：
工具运用的很多，整体的分析思路不错，UI设计的整机很舒服。整体故事化的讲解。不过还可以再细化下，最终得出一个制程管理改进的结论

数据清洗方面的内容介绍的较少，可视化方面黑底色视觉效果不太好。

打卡：清晰的数据分析思路，配色统一，布局合理美观，故事化表达相关的数据分析场景，值得学习。