数据分析案例复盘：数据产品经理岗位招聘详情2.0

本文数据由python抓取，数据来源于某直聘网站，还是北京、上海、广州、深圳、杭州五大城市的岗位招聘信息，获取了「数据产品经理」这个岗位的2250条数据，来看看数据产品经理岗位的招聘情况是怎样的？有哪些影响因素。

我想从互联网产品向数据产品转岗，对于数据分析的技能掌握，我还是个初学者，为了提升学习效率，尝试以这种输出倒逼输入的模式，将自己的学习思路和学习内容分享出来，希望能与更多的产品人多多交流，大家多评论、多留言哈。

2.0改版心得：

1. 数据分析不是简单的数据罗列，而是从数据中发现哪些信息，得出哪些结论；
2. 数据分析完后，一定要得出结论，数据讲的是什么？有哪些差别？为什么会有这些差别？
3. 数据分析的目的是为了指导实践，而不是写一份报告；
4. 数据分析的方法和工具只是辅助手段，核心在于思维，用数据去量化和衡量业务现象；

下面正式开始文章内容

一、数据来源

注：数据由python抓取；可视化由tableau制作；仅供学习交流，不可商用，如有侵权，请联系删除；

之前的文章讲过，我爬取了某直聘网站，北京、上海、广州、深圳、杭州五大城市的[数据产品经理]岗位招聘信息，共计2250条；

获取的数据有“职位名称、工作地点、公司名称、薪资、工作经验、学历要求、行业、融资情况、公司人数、职位吸引标签、福利及职位描述等”

那么，在这些数据中，我们能得到哪些有价值的信息呢？下面我们来梳理一下。

1. 影响岗位数量的因素有哪些？

1.1、不同城市及地区，对岗位数量有哪些影响？

1.2、不同行业，对岗位数量有哪些影响？

1.3、不同公司规模，对岗位数量有哪些影响？

2. 影响薪资的因素有哪些？

2.1、不同城市及地区，对薪资有哪些影响？

2.2、不同行业，对薪资有哪些影响？

2.3、不同公司规模，对薪资有哪些影响？

2.4、不同学历，对薪资有哪些影响？

2.5、不同工作经验，对薪资有哪些影响？

3. 公司福利到底有哪些？哪些福利出现次数最多？哪些福利吸引力最大？

4. 职位吸引标签有哪些？公司招聘中，是拿什么去吸引你投简历的？

5. 数据产品经理岗位，到底在招什么？职位描述中都写了些什么？

二、分析详解

1. 影响岗位数量的因素有哪些？

1.1 不同城市及地区对岗位数量有哪些影响？



细心的朋会问，图表中怎么既有市，又有区呢？这是因为有些岗位信息中没有写明是具体哪个区，但是，我们还是可以得知：北京的招聘岗位主要集中在：海淀区、朝阳区；上海的招聘岗位主要集中在：浦东新区；广州的招聘岗位主要集中在：天河区、番禺区、海珠区；深圳的招聘岗位主要集中在：南山区、福田区；杭州的招聘岗位主要集中在：西湖区、余杭区、滨江区；这些地区也是互联网公司聚集的地区，软件园和大厂较多；

为什么互联网公司喜欢聚集扎堆呢？我想这跟当地的市场环境、供应链环境、人才环境、政策环境有关，这也是为什么做手机都喜欢扎堆在深圳，因为深圳的整个手机供应链及上下游环境非常成熟，对企业更友好；

企业聚集扎堆，对整个行业的发展来说，有什么影响呢？下面，我们结合行业一起来看；

1.2 不同行业，对岗位数量有哪些影响？



如果你是某个行业的从业者，看到上面的图表，你会更加清楚，你所在的行业在当地城市中，数据产品的岗位招聘情况，如果招聘数量较多，说明你所在的行业在当地有着不错的生态，有着较多的同类企业，如果招聘数量较少，也不用沮丧，关注所在行业中，招聘数量占比较多的城市，你做市场分析和竞品分析的时候，会用得上的，招聘数量较多的城市，要么当地存在着该行业中top级别的公司，要么当地同类型的公司特别多；

回答上一个问题，企业聚集扎堆，对整个行业的发展来说，有什么影响呢？

我认为这是一件好事，企业扎堆，有利于整个行业生态更活跃，而一个大公司能养活很多个做相关产业的中小公司，如阿里之于杭州，出现了“四通一达”，以及服务于阿里生态的众多公司；

1.3、不同公司规模，对岗位数量有哪些影响？

公司人数及融资规模



在融资规模与人数对比中，我们发现：在B轮及以下公司，人数规模大多处在100-499人之间；C轮之后，公司人数扩招会比较多；逐渐破千；

从融资规模来看，上市公司的岗位招聘数量最多；值得注意的是，不需要融资的公司岗位招聘数量仅次于上市公司，且远远超过其他融资阶段的公司；且在1000人以下规模的公司中，招聘数量最多；

我们在投递简历的时候，不一定非得盯着上市公司、非大公司不投，其实还有很多盈利能力不错、闷声发大财的公司，这类公司有些不需要融资，我了解的就有一些，虽然名气比不上一些网红明星公司，但是盈利能力非常强，产品也不错；

当你在网红公司吭呲吭呲的加班，为怎么应对用户退押金，而绞尽脑汁掉头发的时候，也许这个时候所谓的不知名公司又实现了一个「小目标」；当然，这个纯属YY哈，就是举个例子，虽然不大恰当；理想现实两难全，每个人都有自己的选择和坚守；

2. 影响薪资的因素有哪些？

聊完影响岗位数量的因素有哪些之后，我们再来看看，影响薪资的因素又有哪些呢？

2.1 不同城市及地区，对薪资有哪些影响？

岗位薪资；

北京：20k以上占比67.11%；15k以上占比96.44%，帝都的大公司资源、优质教育资源以及优秀人才的扎堆，这个数字在意料之中；

上海跟深圳的薪资结构差不多，20k以上占比分别为52.89%、54.22%；15k以上占比分别为86.67%、84%；主要都集中在15K以上；

杭州：20k以上占比47.33，15k以上占比82%；主要都集中在15K以上；

广州：20K以上占比25.78%，15k以上占比77.11%；其中15k-20k占比达51.33%，主要集中在10k-20k之间；

广州可能没有其他城市那么多的超级大公司和独角兽公司，跟广州的互联网环境有一定的关系，而且离深圳很近，企业和人才被分流；

2.2 不同行业，对薪资有哪些影响？


排序越往上，岗位招聘的数量越多；25K以上占比最多的是互联网金融，果然是离钱越近的越挣钱哈；20K以上占比超过50%的行业有：互联网、互联网金融、O2O、社交网络、通信/网络设备、人力资源服务、贸易/进出口等；这些行业的公司在人才吸引上，给的薪资是很可观的；

在找工作投递简历的时候，选择排序靠前的行业，相对来说，工作机会更多一些；同时也是当前非常热门的行业；

2.3 不同公司规模，对薪资有哪些影响？

融资情况与薪资



天使轮与A轮公司，15k以下占比分别为44.74%、28.66%；

B轮公司，15-20k占比达52.46%；20k以上占比35.24%；

C轮公司，15-20k占比达39.63%；20k以上占比43.9%；

D轮及以上公司，15k以上占比达90.8%；20k以上占比56.49%；

上市公司，15k以上占比达90.02%；20k以上占比54.92%；

从融资情况来看，相比而言，初创公司的薪资待遇较低；B轮的时候，跳槽进入获得的薪资相对较高；D轮公司薪资相对而言增幅是最高的；公司发展越大，会扩大对高级人才的需求；

从公司人数与薪资图表中，可得公司人数越多、规模越大，高薪资的占比会越来越高，企业对高级人才的需求越来越大；同时，中小企业的薪资待遇分布占比呈橄榄形，薪资待遇相对而言要低；

2.4 不同学历，对薪资有哪些影响？

本科在岗位要求中占绝大部分；

大专：10-20k占比达70%；

本科：15k以上占比达86.07%；

硕士：20k以上占比达64.06%；15k以上占比达93.75%；

博士：25k以上占比达100%；

市场的态度的确表示着，相比而言，更高的学历获得的薪资会更高；

2.5 不同工作经验，对薪资有哪些影响？



在校和应届生们注意啦，本科应届与硕士应届在薪资上有多大差距呢？是6-10k与10-15k的差距；

特别值得注意的是，结合上图学历对薪资的影响，我们可以看到，相比而言，同等工作经验，更高的学历获得的薪资更高；

当然，也不要泄气，学历与工作经验，都只是代表过去的成就，更高的学历及更长的工作经验，只是帮助公司来判断你未来产出价值的一个数据指标；就如同数据是用来量化和衡量业务现象一样；我们不会只根据一两个数据就断定业务的表现；

3. 公司福利到底有哪些？哪些福利出现次数最多？哪些福利吸引力最大？

数据产品经理岗位的福利信息共计186798个字；

分词完，累计38098个短词；





公司的福利到底有哪些？

这也是我们非常关注的一件事情；

我们看到，年终奖出现3524次；占比9.25%；

股票期权出现2060次；占比5.4%；

值得注意的是，双休福利出现次数为18次，不排除有些公司双休但是没有写上去；总的来看，双休的工作占比偏少；从我自己的工作经验和身边朋友的例子来看，双休占比也是偏少的；

住房免息贷款出现16次，这个福利还是很有吸引力的；

对于出现的频次较少，但很有吸引力的福利有哪些？公司配mac累计出现了6次；健身房出现2次；美女如云出现4次；氛围出现8次；

4. 职位吸引标签有哪些？公司招聘中，是拿什么去吸引你投简历的？

职位吸引标签共计61042个字；

分词完，去除标点符号和换行等，累计11447个短词；



数据分析、sql、数据挖掘、数据仓库、hive、python出现频次非常高，产品人需要不断的学习，才能紧跟时代的步伐，才能满足企业发展的需要；

5. 数据产品经理岗位，到底在招什么？职位描述中都写了些什么？

职位描述详情共计1774170字；

分完词，去掉不相关的词语及标签符号等，累计78724个短词



从图表中，我们看到，数据产品经理不仅要会产品经理需要会的技能，还需要对数据分析、数据挖掘、python、数据仓库、大数据产品、数据可视化有了解；

三、总结

影响岗位数量的因素跟地区有关系，互联网公司聚集的地区，受市场环境、供应链环境、人才环境、政策环境的影响；

跟行业有关系，总体来说，互联网相关行业，对数据产品的招聘需求量更大；

跟公司规模有关系，相比而言，人数较多或融资级别更高的公司，对数据产品的招聘需求量更大，值得注意的是，有一些不需要融资的公司对岗位的需求量也比较大，这类中，存在不少盈利能力非常强、产品也非常优秀的公司；

影响薪资的因素跟城市及地区有关系，相比而言，北上深杭的薪资相对较高，广州的薪资相对较低，跟广州的互联网环境有一定的关系，而且离深圳很近，企业和人才被分流；

跟行业有关系，总体来看，互联网相关行业薪资相对较高，互联网金融的高薪资占比最高；在找工作投简历的时候，针对数据产品岗位来说，选择互联网相关行业，工作机会更多一些；

跟公司规模有关系，相比而言，人数较多或融资级别更高的公司薪资相对更高；

跟学历有关系，本科学历要求达91.09%，市场的态度的确表示着，相比而言，更高的学历获得的薪资会更高；

跟工作经验有关系，相比而言，更长的工作经验获得的薪资更高；

我们也不用太深究这些因素，学历与工作经验，都只是代表过去的成就，更高的学历及更长的工作经验，只是帮助公司来判断你未来的产出价值；就如同数据是用来量化和衡量业务现象一样；你的能力与岗位的招聘需求匹配，就是最好的选择；

公司的福利我们可以看到，高频出现的福利都是我们所熟知的，其中有一些福利还是挺有吸引力的，如果你特别在意某一些福利，可以有针对性的投递对应的公司；

职位吸引标签公司在发布岗位招聘信息的时候，为了提高我们搜索与岗位的匹配度，会设置一些标签吸引我们去关注该岗位，我们发现，数据分析、sql、数据挖掘、数据仓库、hive、python出现频次非常高，这也是市场需求的呼声吧；

职位描述都写了些什么从图表中，我们看到，数据产品经理不仅要会产品经理需要会的技能，还需要对数据分析、数据挖掘、python、数据仓库、大数据产品、数据可视化有了解；

最重要的是数据思维，再利用这些数据工具和方法去辅助业务，指导实践；

希望大家多留言，多交流，谢谢