51job (официальный сайт 51job) сканирование 10 000 информации о наборе персонала

Взяв за образец 10 000 единиц информации о найме в электронной коммерции, просканированной онлайн 51job , подробно проанализируйте перспективы трудоустройства, рабочее место, среднюю зарплату и требования к работе в этой отрасли.

В этой статье в основном отображаются и описываются данные с помощью диаграмм облака слов и визуальных диаграмм.

1. Сначала загрузите образец инфографики (потому что их слишком много, обрезана только часть)

данные сканера

Просканирована информация о вакансии и должностные инструкции
Первое изображение включает в себя название должности, название компании, место работы, зарплату, время выпуска (время выпуска компании, когда я просканировал, это было 2020.6.24) и URL-ссылку на страницу с подробной информацией; Содержание описывает информацию о вакансии и требования к ней. положения.

Все следующие визуализации данных основаны на образце информации, просмотренной выше.

2. Отображение облака слов

(1) рабочие места

вставьте сюда описание изображения
Благодаря наблюдению и анализу карты должностей было обнаружено, что среди 10 000 единиц собранной выборочной информации спрос на руководящие должности относительно высок, например, операции, менеджеры, руководители, директора, обслуживание клиентов и т. д. все ранг в топе; технические посты Спрос относительно невелик, такие как искусство, дизайн, графика и т. д. появляются реже, в то же время, с развитием социальной электронной коммерции и влиянием эпидемии, электронная коммерция живет трансляции, якоря электронной коммерции и другие формы постепенно обогащаются, и количество рабочих мест в прямом эфире значительно увеличилось, чем раньше;

В то же время рабочие места в электронной коммерции часто сочетаются с платформами электронной коммерции, такими как Amazon, Taobao, Tmall, JD.com, AliExpress и т. д.;

С развитием глобализации поток товаров внутри страны и за границу стал более частым, и перспективы трансграничной электронной коммерции неплохие.

(2) Рабочее место

вставьте сюда описание изображения
Путем наблюдения и анализа установлено, что наиболее популярными городами для электронной коммерции являются Пекин, Шанхай, Гуанчжоу, Шэньчжэнь и экономически развитые города на юго-восточном побережье, в отличие от некоторых внутренних городов, таких как Ухань, Чанша, Куньмин, Сиань и т. д. предоставляют рабочие места Количество невелико, а развитие электронной коммерции ограничено;

Кроме того, в некоторых новых городах первого уровня на юго-западе Китая, таких как Чэнду и Чунцин, хорошая политическая среда, и спрос на рабочие места в сфере электронной коммерции увеличился, что очень привлекательно для талантов и имеет большой потенциал для электронной коммерции. разработка.

(3) Требования к работе

Таблица требований к работе
После наблюдения и анализа было обнаружено, что компании электронной коммерции отдают предпочтение операционным и управленческим талантам, которые требуют определенного практического опыта, могут сочетаться с известными отечественными платформами электронной коммерции, знакомы с правилами работы и продвижением деятельности электронной коммерции. платформы и понимать новое обслуживание магазинов, быть ориентированным на клиента и обеспечивать высокое качество обслуживания.

С точки зрения качества соискателей, компании электронной коммерции больше внимания уделяют способностям соискателей, которые не требуют высокой академической квалификации, обладают чувством ответственности, командным духом и хорошими коммуникативными навыками.

3. Диаграмма визуализации

(1) Распределение средней заработной платы и количества должностей

Цель анализа данных Excel — получить текущую среднюю заработную плату в индустрии электронной коммерции, а также провести конкретный анализ Пекина, Шанхая, Гуанчжоу, Шэньчжэня и Ханчжоу — городов, большинство выпускников которых намерены работать в сфере электронной коммерции. Коммерческая отрасль может выбрать.

Пекин
вставьте сюда описание изображения
вставьте сюда описание изображения
вставьте сюда описание изображения
Гуанчжоу
вставьте сюда описание изображения
вставьте сюда описание изображения
вставьте сюда описание изображения
Шанхай
вставьте сюда описание изображения
вставьте сюда описание изображения
вставьте сюда описание изображения
Шэньчжэнь
вставьте сюда описание изображения
вставьте сюда описание изображения
вставьте сюда описание изображения
Ханчжоу

вставьте сюда описание изображения
вставьте сюда описание изображения
вставьте сюда описание изображения

(2) Сравнение Пекина, Шанхая, Гуанчжоу, Шэньчжэня и Ханчжоу со средним уровнем заработной платы по стране.

вставьте сюда описание изображения
Среди 10 000 выборочных данных расчетная средняя заработная плата в Гуанчжоу составляет 8 140 юаней в месяц, что ниже, чем средняя заработная плата по стране в 8 600 юаней в месяц, и это также единственный город из пяти городов, чей уровень заработной платы ниже среднее по стране;

Средняя зарплата в Пекине достигает 10 560 юаней в месяц, что является лидером страны, за ним следует Шанхай, а средняя зарплата в Ханчжоу и Шэньчжэне также близка к 10 000 юаней с большим потенциалом для развития.

4. Код сканера

В основном используйте запросы и библиотеки BeautifulSoup для обхода веб-сайта по подбору персонала 51job, ввода электронной коммерции в поле поиска и получения страницы перехода Первые 10 000 данных о вакансиях электронной коммерции — это примеры данных, собранные в этой статье.

Просканированы некоторые информационные блоки кода (в основном название должности, название компании, местоположение, время выпуска, зарплата, ссылка на страницу с подробностями)

def getjoblist(lf,joburl,lst):  #定义工作的(每一页的,后面会随着for循环不断到第二页)列表,里面存放职位名等信息和每个详情页的url链接,lst表示每一大页的链接
    la=[]  #定义空列表存放职位名
    lb=[]  #存放公司名
    lc=[]  #存放地点
    ld=[]  #存放薪资
    le=[]  #存放发布时间
        
    for joburl in lst:
        html=gethtml(joburl)
        soup=BeautifulSoup(html,'html.parser')        
        #lf=[]  #存放每个页面中对应的工作列表详情页的链接   
        #应该还要有下一页
        la.append('职位名')
        lf.append('详情页链接')
        for i in soup.find_all('p',class_='t1'):
            la.append(i.text.split(' ')[20])
            lf.append(i.a['href'])
                   
        for i in soup.find_all('span',class_='t2'):
            lb.append(i.string)
              
        for i in soup.find_all('span',class_='t3'):
            lc.append(i.string)
                
        for i in soup.find_all('span',class_='t4'):
            ld.append(i.string)
                
        for i in soup.find_all('span',class_='t5'):
            le.append(i.string)

Студенты, которым нужен полный блок кода, могут написать мне личное сообщение

визуализация данных учит

Добро пожаловать, братья и сестры, чтобы прийти и направлять

Supongo que te gusta

Origin blog.csdn.net/golden_knife/article/details/107053763
Recomendado
Clasificación