使用 R 语言从拉勾网看数据挖掘岗位现状

因为毕业后想从事数据挖掘相关的职业,但对该行业的需求不太了解,网上资料太多查看花时间且抓不住重点,所以爬取了拉勾网上 900 多条相关的岗位共计 30 万字的职位描述的数据进行了相关的分析。分析结果主要想回答下面两个问题:

1、目前数据挖掘岗位的现状 ? 2、如果要从事数据挖掘行业,需要具备哪些技能 ?

分析时间:2017 年 2 月

工具:RStudio, Number, R (爬取和分析使用的都是 R )

分析的代码和爬取到的数据:https://github.com/edvardHua/JobRequirementAnalysis

数据挖掘岗位现状

分两块描述,第一块是基本的统计数据,包括数据挖掘在那个城市需求最旺盛,对应聘人员的学历要求,行业的分布和公司的财务状况。第二块围绕着薪酬做相关性的分析,主要是工作资历与薪酬之间的关系,以及行业与薪酬之间的关系。

首先可以看到大部分数据挖掘岗位都分布在北京,上海,深圳和杭州,北京该岗位需求相当旺盛,差不多占据了一半的职位数量。从左边的饼图可以看出,大部分数据挖掘岗位对应聘者的学历要求为至少是本科以上。

左边的条形图显示大部分的数据挖掘岗位都分布在移动互联网领域,另外,右边的饼图可以看出,上市公司和成长型 B 轮及 D 轮以上的公司对数据挖掘岗位的需求最大。

从左边这张图可以看出,对于有 1-3 年经验的应聘者,企业的普遍工资在 16-20 K 左右的水平,而对于 3-5 年工作经验的应聘者,则普遍的工资在 21-25 K,另外有意思的是,许多职位对工作经验没有要求,但是也愿意给出不错的薪酬。从右边的图可以看出,移动互联网领域职位数量多且工资相对较高,若想找份高薪的工作,在移动互联网行业做数据挖掘是个不错的选择。

从事数据挖掘行业,需要具备哪些技能组合

将爬取到的全部职位描述汇总在一起后,总共有差不多 30 万字的职位描述。这里首先使用 jiebaR 中文分词库对文本进行分析和挖掘。在挖掘之前,首先需要简历自己的词料库,我使用的词料库是从网上搜查得到,感兴趣可点击此处(https://github.com/edvardHua/JobRequirementAnalysis/blob/master/corpus/collected.dict.utf8)查询。

首先使用 jiebaR 库对 30 万字的职业描述进行关键字(TF_IDF 算法)提取,结果如下:

"数据挖掘" "算法" "数据" "经验" "熟悉" "机器学习" "优先"

关键字高度概括了企业对应聘者的需求,拿这些词造句的话,应该可以理解为:

「我们需要找一位熟悉数据结构和机器挖掘算法的人。另外,具备经验者优先。」

随后,再根据自己收集的语料库进行词频统计,做成云图,结果如下:

从词云和术语出现次数可以看出,想要从事数据挖掘,除了要熟悉基本的编程语言和框架外( Python,Hadoop,Java,Spark,R ),统计学也被很多企业所提及。

项目结构

地址:https://github.com/edvardHua/JobRequirementAnalysis

使用到的 R 包:ggplot2, jiebaR, wordcloud2

项目结构:

├── data │├── position-\ 1:63 拉勾网的原始数据,为 json 格式 ├── cache │ ├── position_after_cleaning.csv 预处理后的数据,直接读取既可使用 │ ├── ... ├── corpus │ ├── collected.dict.utf8 数据挖掘领域相关的语料库 │ ├── ... ├── graphs │ ├── ... ├── src │ ├── curl.R 爬虫 │ ├── clean.R 数据清洗 │ ├── func.R 公共函数 │ └── statistics.R 统计结果可视化 │ ├── mining.R 关键字提取和词频统计 └── tests └── test.R

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2017-10-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏CSDN技术头条

代码将退出历史舞台:像训狗一样训练计算机

计算机尚未出现之前,大多数经验丰富的心理学家都以为大脑就像个不可知的黑匣子。我们可以分析对象的行为——比如著名的巴普洛夫实验:摇响铃铛会让狗分泌唾液,但思维、记...

2058
来自专栏ATYUN订阅号

DeepMind通过夺旗游戏训练AI进行团队合作,胜率超过人类

谷歌的DeepMind今天分享了研究和实验的结果,其中多个人工智能系统经过训练,可以在Quake III Arena中玩夺旗(Capture the Flag...

883
来自专栏程序员笔记

设计玩家的兴趣曲线

1273
来自专栏数据猿

蓝灯数据董事长周强:“大数据”结合“小数据”才能有效破案

12月1日下午,由上海大数据联盟、数据猿主办的第20期魔方大数据在上海宝华万豪酒店成功举办。本期魔方大数据以“政务大数据”为主题,邀请了技术方和产业方大咖共聚一...

3186
来自专栏CDA数据分析师

12个数据科学面试必问问题

原作者 Venkat Nagaswamy 编译 CDA 编译团队 本文为 CDA 数据分析师原创作品,转载需授权 聘用到出色的数据科学家至关重要,但这并非易事...

2228
来自专栏华章科技

亚马逊数据专家十年经验总结:成为数据科学家的关键四步

但是,怎样才能成为数据科学家?或者说,一个合格的数据科学家需要具备哪些技能和素养?

603
来自专栏人工智能头条

代码将退出历史舞台:像训狗一样训练计算机

1373
来自专栏大数据文摘

数据中的城市,城市中的数据

1634
来自专栏PPV课数据科学社区

吐槽版评《大数据时代》一点笔记和一些琐碎的感想

? 我觉得维克多的“相关关系比因果关系更重要”指的应该是以数据预测为目的的时候,不应该过于看重去通过找寻数据产生的关联性的原因然后去推测规律,而是直接把相关性...

2415
来自专栏大数据挖掘DT机器学习

使用 R 语言从拉勾网看数据挖掘岗位现状

因为毕业后想从事数据挖掘相关的职业,但对该行业的需求不太了解,网上资料太多查看花时间且抓不住重点,所以爬取了拉勾网上 900 多条相关的岗位共计 30 万字的...

2594

扫码关注云+社区