物流管理与数据分析，一个是原来所学专业，一个是目前新兴大热的职业，这次希望对物流管理与数据分析两个岗位的薪酬数据分析，得出两个行业的薪酬分布情况与职业发展情况，对自己岗位未来做一些分析和规划。

一、提出问题

1.物流管理岗位与数据分析岗位整体薪酬分布，谁高谁低？

2.随着工作年限增长，哪种岗位获得的职业收入更多？

3.如何规划职业得到更好的职业收入前景？

二、数据获取与理解

本次选取的数据为前程无忧在上海地区物流和数据分析的所有岗位招聘信息，主要数据字段包括岗位名称、公司、薪资、地区、工作年限要求。通过采集获取了例用后羿采集器对数据进行采集，3万条物流岗位的招聘数据，1.5万条数据分析采岗位的数据。

三、数据清洗

1.删除不相关数据

由于采集了很多不相关岗位数据，例如财务岗位等，所以用猴子老师在初级课程中提到的IF\COUNT\FIND嵌套函数对数据进行筛选，选出只包含物流关键词和数据分析等关键词的岗位。

筛选出所需数据后，对实习日薪岗进行删除处理。删除后，物流余下5000余条数据 ，数据分析余3000余条数据。

2.一致化处理

采集到的数据薪资字段原本包含XX千/月，XX万/月与XX万/年，通过使用left、mid函数，嵌套find函数将数字最低值与最高值提取出，再统一转化为XX千/月的形式。

3.提取最低工资年限

还是通过left、mid函数嵌套find函数取出每个岗位的最低工作年限

4.数据初步处理

通过每个岗位的最低与最高薪资算出平均薪资

四、构建模型和分析

1.物流管理岗位与数据分析岗位整体薪酬分布，谁高谁低？

利用Excel 分析工具进行描述性分析，利用柱状图，饼图，箱线图进行描述分析，最后得出下面的分析图表和分析结论。

1）从整体月薪的平均数来看，数据分析收入都超出物流管理50%以上，整体方向已经占很大优势

2）将月薪<5000，5000-10000, >10000分为低、中、高三种月薪。物理管理主要由中等收入人群构成，高收入占比少。而数据分析职位一般以上都能取得高收入

3）从月薪的四分位维度来对比，数据分析都比物理管理占更多优势

2.随着工作年限增长，哪种岗位获得的职业收入更多？

利用Excel的qua函数计算年限薪资中位数，利用折线图进行描述分析

从月薪工作年限变化来看，数据分析的增长趋势明显快于物理管理，双方差距从工作两年后逐渐拉大，工作五年后差距越来越明显

五、总结与建议

通过分析得到，物理管理属性岗位高收入群体（月薪大于3万）占整体的1%，低于数据分析的2.7%。选择数据分析职位未来发展前途更好。

分析报告来自社群会员 作者：猴子   中国科学院大学 电子与通信工程硕士