import warnings
warnings.filterwarnings("ignore")import pandas as pd
from pandas import Seriesdata_analysis = pd.read_csv('./data_to_be_analysed/data_analysis_with_skills.csv')
data_mining = pd.read_csv('./data_to_be_analysed/data_mining_with_skills.csv')
machine_learning = pd.read_csv('./data_to_be_analysed/machine_learning_with_skills.csv')
business_analysis = pd.read_csv('./data_to_be_analysed/business_analysis_with_skills.csv')import re
# 均值函数
def average(job_salary):
# 取薪资均值----------------
pattern = re.compile('\d+')
salary = job_salary
try:
res = re.findall(pattern, salary)
avg_salary = 0
sum = 0
for i in res:
a = int(i)
sum = sum + a
avg_salary = sum / 2
except Exception:
avg_salary = 0
# 函数返回值
return avg_salary
salary_list = []
for i in range(0,data_analysis.shape[0]):
avg_sal = average(data_analysis['职位薪资'][i])
salary_list.append(avg_sal)
sal = Series(salary_list)
data_analysis.insert(9,'salary',sal)salary_list = []
for i in range(0,data_mining.shape[0]):
avg_sal = average(data_mining['职位薪资'][i])
salary_list.append(avg_sal)
sal = Series(salary_list)
data_mining.insert(9,'salary',sal)salary_list = []
for i in range(0,machine_learning.shape[0]):
avg_sal = average(machine_learning['职位薪资'][i])
salary_list.append(avg_sal)
sal = Series(salary_list)
machine_learning.insert(9,'salary',sal)salary_list = []
for i in range(0,business_analysis.shape[0]):
avg_sal = average(business_analysis['职位薪资'][i])
salary_list.append(avg_sal)
sal = Series(salary_list)
business_analysis.insert(9,'salary',sal)data_analysis.salary.describe()count 575.000000
mean 17.446957
std 8.261053
min 2.500000
25% 11.500000
50% 15.000000
75% 22.500000
max 47.500000
Name: salary, dtype: float64
%matplotlib inline
import matplotlib.pyplot as plt
data_analysis.salary.hist(bins=50, figsize=(8,5))
plt.show()
- 薪资主要分布在5k-30k之间
data_analysis = data_analysis.drop(['Unnamed: 0','Keyword','职位描述','职位薪资'],axis=1)data_mining = data_mining.drop(['Unnamed: 0','Keyword','职位描述','职位薪资'],axis=1)machine_learning = machine_learning.drop(['Unnamed: 0','Keyword','职位描述','职位薪资'],axis=1)business_analysis = business_analysis.drop(['Unnamed: 0','Keyword','职位描述','职位薪资'],axis=1)corr_matrix = data_analysis.corr()
corr_matrix["salary"].sort_values(ascending=False)salary 1.000000
Hive 0.292764
Hadoop 0.254448
Python 0.242217
Sql 0.235256
Spark 0.216505
Sas 0.119493
Tableau 0.044519
Spss 0.024708
Ppt -0.042691
Excel -0.140370
Name: salary, dtype: float64
- Data Analysis的职位中，
Hive,Spark,Hadoop大数据应用方面的软件是薪资的加分项。 - 同时，
Python,SQL,SAS,Tableau,SPSS等统计分析软件与可视化软件也是数据分析师区别于低薪分析专员的因素。 PPT,Excel作为必须的软件技能，对薪资变化并没有太大的影响，甚至仅仅会Excel的职位沦落为专员，会是一个减分项。- 结论：在数据分析领域，拥有大数据软件技能并且懂得Python这一编程语言的分析师的待遇较好。
corr_matrix = data_mining.corr()
corr_matrix["salary"].sort_values(ascending=False)salary 1.000000
Hive 0.195964
Spark 0.180962
Java 0.180336
Hadoop 0.136721
C 0.127518
Python 0.067957
Shell 0.020722
Linux -0.009015
Sql -0.052715
Sas -0.089915
Name: salary, dtype: float64
- Data Mining的职位中，
Hive,Spark,Hadoop大数据方面的软件是薪资极大的加分项。 Java,C,Python等编程语言对数据挖掘的工作有很大帮助因此也体现在了对薪资的正面影响上。- 分析结论：具备数据挖掘算法与编码能力且具备大数据方面分析技能的数据挖掘工程师的待遇较好。
corr_matrix = machine_learning.corr()
corr_matrix["salary"].sort_values(ascending=False)salary 1.000000
Hive 0.095518
Spark 0.093537
Java 0.064341
Tensorflow 0.059785
Hadoop 0.057670
Sql -0.035192
Linux -0.036466
C -0.052703
Matlab -0.058808
Python -0.104268
Name: salary, dtype: float64
- Machine Learning的职位中，没有特别突出的技能加分项，列表中的软件技能基本都是入职必备的技能。
Hive,Spark,Hadoop等大数据方面的技能会对薪资有一定程度的提升，不过影响较小。- 分析结论：机器学习工程师入门难度稍高，需要掌握具备的软件技能也较多，没有特别突出的薪资加分项。
corr_matrix = business_analysis.corr()
corr_matrix["salary"].sort_values(ascending=False)salary 1.000000
C 0.399615
Python 0.377288
Linux 0.255181
Java 0.237707
Hive 0.153111
Sql 0.115494
Sas 0.085293
Excel 0.059614
Ppt -0.057346
Spss -0.068219
Name: salary, dtype: float64
- Business Analysis的职位中，编程语言是极大的薪资加分项。如
C,Python,Java。 Excel,PPT,SPSS等软件是这个职位的必备技能，因此对职位薪资没有太大的影响。- 结论：在商业分析领域，拥有商业分析思维并且具有编程能力的分析师的待遇较好。
from sklearn.model_selection import train_test_split
train_set, test_set = train_test_split(data_analysis, test_size=0.2, random_state=52)data_train = train_set.copy()
data_test = test_set.copy()from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing import Imputer
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoderdata_analysis_num = data_analysis.drop(['公司名称','公司规模','地区','学历要求','工作经验','职位名称','融资情况','salary'], axis=1)
num_attribs = list(data_analysis_num)
cat_attribs = ['公司规模','学历要求','工作经验','融资情况']
num_pipeline = Pipeline([
('std_scaler', StandardScaler()),
])
full_pipeline = ColumnTransformer([
("num", num_pipeline, num_attribs),
("cat", OneHotEncoder(), cat_attribs),
])
data_analysis_prepared = full_pipeline.fit_transform(data_train)
data_analysis_test = full_pipeline.transform(data_test)data_analysis_prepared[:1]array([[-1.04902651, -0.99566158, -0.6853091 , -0.58404441, -0.5 ,
-0.4307749 , -0.38729833, 2.68594224, -0.37608404, -0.27343437,
0. , 0. , 1. , 0. , 0. ,
0. , 0. , 0. , 1. , 0. ,
0. , 0. , 0. , 0. , 1. ,
0. , 0. , 0. , 0. , 0. ,
0. , 0. , 0. , 0. , 0. ,
0. , 0. , 0. , 0. , 1. ,
0. ]])
data_analysis_labels = data_train.salary.values
test_labels = data_test.salary.valuesfrom sklearn.linear_model import LinearRegression
lin_reg = LinearRegression()
lin_reg.fit(data_analysis_prepared, data_analysis_labels)LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None,
normalize=False)
from sklearn.metrics import mean_squared_error
import numpy as np
salary_predictions = lin_reg.predict(data_analysis_prepared)
lin_mse = mean_squared_error(data_analysis_labels, salary_predictions)
lin_rmse = np.sqrt(lin_mse)
lin_rmse5.402995127278521
#salary_predictions[:10]data_test.head(10)
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
</style>
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| 公司名称 | 公司规模 | 地区 | 学历要求 | 工作经验 | 职位名称 | salary | 融资情况 | Sql | Python | Excel | Sas | Spss | Hive | Hadoop | Tableau | Ppt | Spark | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 198 | 上海克顿文化传媒 | 100-499人 | 上海 黄浦区 新天地 | 本科 | 3-5年 | 数据分析师 | 11.5 | 已上市 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 |
| 316 | 今日头条 | 10000人以上 | 上海 徐汇区 上海南站 | 本科 | 1-3年 | 广告数据分析师 | 11.5 | D轮及以上 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 |
| 52 | 壹米滴答 | 10000人以上 | 上海 青浦区 徐泾 | 本科 | 1-3年 | 资深BI数据分析师 | 16.0 | C轮 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 |
| 313 | 拼多多 | 1000-9999人 | 上海 长宁区 天山路 | 本科 | 经验不限 | 数据分析师 | 22.5 | 已上市 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19 | 太平洋房屋 | 10000人以上 | 上海 徐汇区 枫林路 | 本科 | 1-3年 | 数据分析师 | 12.0 | 已上市 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
| 482 | 印鹰 | 100-499人 | 上海 静安区 汶水路 | 本科 | 3-5年 | 数据分析经理 | 20.0 | B轮 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
| 212 | 复硕正态 | 20-99人 | 上海 静安区 大宁路 | 本科 | 1-3年 | 高级数据分析员 | 10.0 | 不需要融资 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 |
| 127 | 云序生物 | 20-99人 | 上海 松江区 新桥 | 大专 | 1-3年 | 生信分析师/数据分析 | 8.0 | 不需要融资 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 401 | 上海创蓝文化传播 | 500-999人 | 上海 松江区 松江工业区 | 本科 | 1-3年 | 数据分析师 | 20.0 | A轮 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 |
| 260 | 上海智帛 | 20-99人 | 上海 闵行区 漕宝路 | 大专 | 1-3年 | 数据分析 | 10.0 | 未融资 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
y_test = lin_reg.predict(data_analysis_test)
y_test[:10]array([17.01653719, 16.41342787, 21.16768836, 19.22802331, 13.22095168,
22.22075171, 11.02715534, 7.95300838, 13.12913168, 4.30171607])
test_labels[:10]array([11.5, 11.5, 16. , 22.5, 12. , 20. , 10. , 8. , 20. , 10. ])
lin_mse = mean_squared_error(test_labels, y_test)
lin_rmse = np.sqrt(lin_mse)
lin_rmse6.7698143548675915
- 测试集上误差约为6.77
from sklearn.model_selection import cross_val_score
scores = cross_val_score(lin_reg, data_analysis_prepared, data_analysis_labels,
scoring="neg_mean_squared_error", cv=10)
lin_rmse_scores = np.sqrt(-scores)display_scores(lin_rmse_scores)Scores: [5.81120933 5.92292919 6.50970607 6.24610706 5.18158564 6.27624993
7.37315509 6.07787995 5.67585695 4.86847943]
Mean: 5.994315863710689
Standard deviation: 0.6621760708217165
from sklearn.tree import DecisionTreeRegressor
tree_reg = DecisionTreeRegressor(random_state=52)
tree_reg.fit(data_analysis_prepared, data_analysis_labels)DecisionTreeRegressor(criterion='mse', max_depth=None, max_features=None,
max_leaf_nodes=None, min_impurity_decrease=0.0,
min_impurity_split=None, min_samples_leaf=1,
min_samples_split=2, min_weight_fraction_leaf=0.0,
presort=False, random_state=52, splitter='best')
y_pred_tree = tree_reg.predict(data_analysis_prepared)from sklearn.metrics import mean_squared_error
tree_mse = mean_squared_error(data_analysis_labels, y_pred_tree)
tree_rmse = np.sqrt(tree_mse)
tree_rmse1.4079709678742711
y_test = tree_reg.predict(data_analysis_test)
y_test[:10]array([15. , 12.5, 10. , 27. , 30. , 14.5, 8. , 7. , 12.5, 7. ])
test_labels[:10]array([11.5, 11.5, 16. , 22.5, 12. , 20. , 10. , 8. , 20. , 10. ])
tree_mse = mean_squared_error(test_labels, y_test)
tree_rmse = np.sqrt(tree_mse)
tree_rmse8.252411446722123
- 测试集上误差约为8.25
from sklearn.ensemble import RandomForestRegressor
forest_reg = RandomForestRegressor(random_state=52)
forest_reg.fit(data_analysis_prepared, data_analysis_labels)RandomForestRegressor(bootstrap=True, criterion='mse', max_depth=None,
max_features='auto', max_leaf_nodes=None,
min_impurity_decrease=0.0, min_impurity_split=None,
min_samples_leaf=1, min_samples_split=2,
min_weight_fraction_leaf=0.0, n_estimators=10, n_jobs=None,
oob_score=False, random_state=52, verbose=0, warm_start=False)
y_pred_rf = forest_reg.predict(data_analysis_prepared)
forest_mse = mean_squared_error(data_analysis_labels, y_pred_rf)
forest_rmse = np.sqrt(forest_mse)
forest_rmse2.714777885552381
data_test[:10]
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
</style>
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| 公司名称 | 公司规模 | 地区 | 学历要求 | 工作经验 | 职位名称 | salary | 融资情况 | Sql | Python | Excel | Sas | Spss | Hive | Hadoop | Tableau | Ppt | Spark | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 198 | 上海克顿文化传媒 | 100-499人 | 上海 黄浦区 新天地 | 本科 | 3-5年 | 数据分析师 | 11.5 | 已上市 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 |
| 316 | 今日头条 | 10000人以上 | 上海 徐汇区 上海南站 | 本科 | 1-3年 | 广告数据分析师 | 11.5 | D轮及以上 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 |
| 52 | 壹米滴答 | 10000人以上 | 上海 青浦区 徐泾 | 本科 | 1-3年 | 资深BI数据分析师 | 16.0 | C轮 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 1 |
| 313 | 拼多多 | 1000-9999人 | 上海 长宁区 天山路 | 本科 | 经验不限 | 数据分析师 | 22.5 | 已上市 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19 | 太平洋房屋 | 10000人以上 | 上海 徐汇区 枫林路 | 本科 | 1-3年 | 数据分析师 | 12.0 | 已上市 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
| 482 | 印鹰 | 100-499人 | 上海 静安区 汶水路 | 本科 | 3-5年 | 数据分析经理 | 20.0 | B轮 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
| 212 | 复硕正态 | 20-99人 | 上海 静安区 大宁路 | 本科 | 1-3年 | 高级数据分析员 | 10.0 | 不需要融资 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 |
| 127 | 云序生物 | 20-99人 | 上海 松江区 新桥 | 大专 | 1-3年 | 生信分析师/数据分析 | 8.0 | 不需要融资 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 401 | 上海创蓝文化传播 | 500-999人 | 上海 松江区 松江工业区 | 本科 | 1-3年 | 数据分析师 | 20.0 | A轮 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 1 | 1 | 0 |
| 260 | 上海智帛 | 20-99人 | 上海 闵行区 漕宝路 | 大专 | 1-3年 | 数据分析 | 10.0 | 未融资 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
y_test = forest_reg.predict(data_analysis_test)
y_test[:10]array([20.08333333, 10.35 , 18.025 , 26.25 , 19.58333333,
20.35 , 9.11666667, 10.825 , 12.55428571, 9.1 ])
test_labels[:10]array([11.5, 11.5, 16. , 22.5, 12. , 20. , 10. , 8. , 20. , 10. ])
forest_mse = mean_squared_error(test_labels, y_test)
forest_rmse = np.sqrt(forest_mse)
forest_rmse7.087180783205348
- 测试集上误差约为7.09
from sklearn.model_selection import cross_val_score
scores = cross_val_score(forest_reg, data_analysis_prepared, data_analysis_labels,
scoring="neg_mean_squared_error", cv=10)
forest_rmse_scores = np.sqrt(-scores)def display_scores(scores):
print("Scores:", scores)
print("Mean:", scores.mean())
print("Standard deviation:", scores.std())
display_scores(forest_rmse_scores)Scores: [5.92160593 6.47537707 8.01906699 5.64303733 6.39749406 7.22392532
6.18275771 6.05244757 6.53447138 4.86251585]
Mean: 6.331269920627992
Standard deviation: 0.8130474122018511
from sklearn.model_selection import GridSearchCV
param_grid = [
# try 12 (3×4) combinations of hyperparameters
{'n_estimators': [3, 10, 30], 'max_features': [2, 4, 6, 8]},
# then try 6 (2×3) combinations with bootstrap set as False
{'bootstrap': [False], 'n_estimators': [3, 10], 'max_features': [2, 3, 4]},
]
forest_reg = RandomForestRegressor(random_state=52)
# train across 5 folds, that's a total of (12+6)*5=90 rounds of training
grid_search = GridSearchCV(forest_reg, param_grid, cv=5,
scoring='neg_mean_squared_error', return_train_score=True)
grid_search.fit(data_analysis_prepared, data_analysis_labels)GridSearchCV(cv=5, error_score='raise-deprecating',
estimator=RandomForestRegressor(bootstrap=True, criterion='mse', max_depth=None,
max_features='auto', max_leaf_nodes=None,
min_impurity_decrease=0.0, min_impurity_split=None,
min_samples_leaf=1, min_samples_split=2,
min_weight_fraction_leaf=0.0, n_estimators='warn', n_jobs=None,
oob_score=False, random_state=52, verbose=0, warm_start=False),
fit_params=None, iid='warn', n_jobs=None,
param_grid=[{'n_estimators': [3, 10, 30], 'max_features': [2, 4, 6, 8]}, {'bootstrap': [False], 'n_estimators': [3, 10], 'max_features': [2, 3, 4]}],
pre_dispatch='2*n_jobs', refit=True, return_train_score=True,
scoring='neg_mean_squared_error', verbose=0)
cvres = grid_search.cv_results_
for mean_score, params in zip(cvres["mean_test_score"], cvres["params"]):
print(np.sqrt(-mean_score), params)7.29061793698431 {'max_features': 2, 'n_estimators': 3}
6.413781857864982 {'max_features': 2, 'n_estimators': 10}
6.092544533188321 {'max_features': 2, 'n_estimators': 30}
7.107886960097701 {'max_features': 4, 'n_estimators': 3}
6.315256370330592 {'max_features': 4, 'n_estimators': 10}
5.976022358347516 {'max_features': 4, 'n_estimators': 30}
7.001163746738424 {'max_features': 6, 'n_estimators': 3}
6.1921055299084635 {'max_features': 6, 'n_estimators': 10}
5.996739844433075 {'max_features': 6, 'n_estimators': 30}
7.088902371406774 {'max_features': 8, 'n_estimators': 3}
6.292396346910386 {'max_features': 8, 'n_estimators': 10}
5.980558606686522 {'max_features': 8, 'n_estimators': 30}
7.0825937380292405 {'bootstrap': False, 'max_features': 2, 'n_estimators': 3}
6.412140716903331 {'bootstrap': False, 'max_features': 2, 'n_estimators': 10}
7.062864506385558 {'bootstrap': False, 'max_features': 3, 'n_estimators': 3}
6.337407579436449 {'bootstrap': False, 'max_features': 3, 'n_estimators': 10}
6.766095704089036 {'bootstrap': False, 'max_features': 4, 'n_estimators': 3}
6.251001206038802 {'bootstrap': False, 'max_features': 4, 'n_estimators': 10}
grid_search.best_params_{'max_features': 4, 'n_estimators': 30}
feature_importances = grid_search.best_estimator_.feature_importances_
#feature_importancesnum_attribs = list(data_analysis_num)
cat_attribs = ['公司规模','学历要求','工作经验','融资情况']# 变量重要性排序
attributes = num_attribs + cat_attribs
sorted(zip(feature_importances, attributes), reverse=True)[(0.05883012920907406, 'Sql'),
(0.05739271707726927, 'Hadoop'),
(0.052855819385887605, 'Python'),
(0.05042672750583558, '工作经验'),
(0.04841490914313372, 'Hive'),
(0.03169130633549138, 'Excel'),
(0.0301026272691416, 'Spark'),
(0.027897066519544437, 'Sas'),
(0.02382836465248971, 'Spss'),
(0.023060368955297835, '学历要求'),
(0.022374373956317948, 'Tableau'),
(0.01650026584689836, '融资情况'),
(0.013561201776627235, 'Ppt'),
(0.004150442668926646, '公司规模')]
- 公司规模对薪资的影响很小。
final_model = grid_search.best_estimator_
final_predictions = final_model.predict(data_analysis_test)
final_mse = mean_squared_error(test_labels, final_predictions)
final_rmse = np.sqrt(final_mse)final_rmse6.867133419234717
- 误差为6.87
salary_test_series = Series(final_predictions,index=data_test.index)data_test_prediction = data_test.copy()
data_test_prediction.insert(7,'prediction',salary_test_series)data_test_prediction.sample(10)
<style scoped>
.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}
</style>
.dataframe tbody tr th {
vertical-align: top;
}
.dataframe thead th {
text-align: right;
}
| 公司名称 | 公司规模 | 地区 | 学历要求 | 工作经验 | 职位名称 | salary | prediction | 融资情况 | Sql | Python | Excel | Sas | Spss | Hive | Hadoop | Tableau | Ppt | Spark | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8 | 辰德网络科技 | 100-499人 | 上海 | 本科 | 1-3年 | 数据分析 | 7.0 | 8.916667 | 未融资 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 224 | 安心记加班 | 100-499人 | 上海 徐汇区 交大 | 本科 | 3-5年 | 高级数据分析师 | 22.5 | 17.355556 | B轮 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 1 |
| 490 | 北京海金格医药科技 | 100-499人 | 上海 静安区 宜川路 | 本科 | 1年以内 | 临床数据分析 | 10.0 | 9.800000 | 已上市 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| 230 | 任意门科技 | 100-499人 | 上海 浦东新区 花木 | 本科 | 1-3年 | 数据分析师 | 22.5 | 18.438889 | C轮 | 1 | 1 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 1 |
| 299 | 天壤智能 | 100-499人 | 上海 徐汇区 龙华 | 本科 | 3-5年 | 数据分析师 | 32.5 | 18.216667 | A轮 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 0 |
| 329 | 横援投资 | 20-99人 | 上海 松江区 九亭 | 本科 | 3-5年 | 数据分析师 | 11.5 | 12.033333 | 未融资 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 351 | 雅智捷 | 20-99人 | 上海 静安区 天目西路 | 本科 | 3-5年 | 高级咨询顾问 - 数据分析 | 15.0 | 18.466667 | 20-99人 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| 316 | 今日头条 | 10000人以上 | 上海 徐汇区 上海南站 | 本科 | 1-3年 | 广告数据分析师 | 11.5 | 18.383333 | D轮及以上 | 1 | 0 | 1 | 1 | 1 | 0 | 0 | 0 | 0 | 0 |
| 535 | 高顿教育 | 1000-9999人 | 上海 虹口区 虹口足球场 | 本科 | 3-5年 | 大数据产品经理(数据分析师) | 17.5 | 19.737222 | C轮 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 520 | 浅橙科技 | 500-999人 | 上海 杨浦区 新江湾城 | 本科 | 经验不限 | 数据分析（风险政策） | 7.5 | 18.483333 | B轮 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |