俗話說金9銀10，秋季無論對校園招聘、社會招聘的求職者都是一個很不錯的時機，我對這類問題比較感興趣，就專門開了一個如上的項目。針對國內的超一線城市：北京、上海、廣州、深圳，從國內的大型招聘網站分別於9、10、11月採集了有關數據挖掘、大數據相關的近25900條職位信息以及其他25個崗位近264100條職位信息，來看看這段時間的人才需求狀況，也對各位對數據職業感興趣的朋友們提供些相關的信息。
一、數據相關職業與其他職業的對比
我在招聘網站上設定了兩類比較熱門的數據相關方向：數據挖掘、大數據，其具體的職位名稱主要包含了大數據研發工程師、大數據分析工程師、大數據分析算法研究員、數據挖掘工程師、數據建模研究員、數據分析師、高級算法工程師等等。
爲了將數據相關職業和其他的幾個職位對比，我挑選了併購、產品經理、大數據、風控、行政、數據挖掘、銷售、遊戲開發、運營等崗位進行了對比，結果可以見下圖。
圖1 數據相關崗位氣泡對比圖
從這個結果我們可以得出數據相關職位整體的三大特點：收入高、職位多、公司大。
在最讓我們關注的收入水平上，數據相關職位整體呈現了較高的水準，平均招聘工資爲：大數據15976元/月、數據挖掘15984元/月，在關注職位中明顯佔優，也均超過了這次採集的27個職位收入的平均水平（11383元/月），同時也顯著高於2017年第一季度的北京平均工資（圖5）。在整理出來的薪酬箱線圖結果中（圖2），我們可以看到各職位的收入分佈，這裏面大數據和數據挖掘的薪酬中位數皆爲15000，屬於第一梯度，而數據挖掘的上限（嚴格來說是高內限:Q3＋1.5IQR）會比大數據稍高2000元，爲48000元/月左右。
圖2 27個崗位的基本信息對比圖
這裏不同崗位的分佈給了我們一點啓示：在這四個城市，收入的分配基本是按溝通能力、技術能力、技術能力與社會資源三個梯度逐步上升的，例如日常接待、協調溝通的行政類工作薪酬上限是較低的，日常會使用到IT、數據科學、用戶研究、法律等專業技術崗位的薪酬會明顯高於行政類工作，而日常會利用到財務、金融技術以及結合自身的社會資源的併購類崗位薪酬則傲視羣雄，薪酬上限遠超其他崗位。
回到圖1，可以看到併購的平均招聘工資高達20323元/月，與箱線圖的結果一致。這裏圓形的大小代表着三個月的職位數量，數據類職位中，大數據招聘數爲12000個，數據挖掘爲13900個，而單個關鍵詞職位中職位數最多的依次是網頁開發、產品經理、數據挖掘，併購職位的招聘數爲12000個，詳細可見月份城市崗位招聘職位數熱圖（圖2中間部分）。熱圖中的符號代表該月職位數相比上一個月是增加（+）還是減少（-），可以知道10月是數據類崗位招聘數最多的月份，而財務、測試、行政和運營類崗位則呈現出了遞增的趨勢，顯然是企業在靠近年底時需要多些人手去完成年度任務。
圖1中橫座標的規模指數代表公司人數的規模指數，數越大代表職位對應的公司越爲大型，詳細可見規模比例條形圖（圖2右部）。其中大數據、數據挖掘中、大型企業（規模人數多於500人）招聘崗位佔的比例分別爲44%、51%，可見大公司對於自身業務產生的大規模數據分析十分重視。
我認爲大公司佔比高也是一種優勢，由於大公司有三大優點：公司穩定、工資高、福利好。由國家工商總局企業註冊局、信息中心調查得到的全國內資企業生存時間分析報告顯示，企業規模越大，當期死亡率越低，趨勢越平穩。[1]
由廣東省人力資源和社會保障廳調查得到的廣東省企業職工薪酬情況分析則顯示，企業規模越大，職工平均工資越高（該數據爲2014年的數據），且大型企業無論在績效工資、津補貼以及加班加點工資上的分配都更佔優（該數據爲2015年的廣東企業薪酬調查數據）。[2]
圖3 廣東省企業職工薪酬情況部分圖
從我個人的經驗來看，小公司的領導會過於追求產出率而忽略了研發的深度和準確，“快速、迅速解決問題”會是常常聽到的詞，解決問題後馬上跳到另外新的問題上，而大公司對個人研究、研發的寬容度也會相對更高些。
在數據類崗位中，互聯網、電子商務、IT行業需求量最大，能佔到45%以上，隨後就是金融業、諮詢等信息敏感行業，值得一提的是培訓業也位於前列，看來數據分析類的培訓班還較有市場。招聘公司類型中，民營公司佔比在50%左右，合資公司10月佔比上升，外企11月佔比上升。
圖4 數據類工作的行業分佈及招聘公司類型
綜上所述，我們可以看出數據相關的職位現在是相對吃香的，在保留較大量的招聘職位下還能保證很高的平均工資和大公司指數。
這裏可能有人會問平均工資真有那麼高嗎？
我的看法是這裏的工資是會稍高的，一方面我們計算平均工資的方法是先剔除對薪酬保密的職位，然後將一個職位的最高、最低工資求平均，再根據其計算所有職位的平均值，有些企業並不會開到平均數而僅僅開了最低工資，還有保密薪酬的企業會對求職者進行“砍價”，另一方面要看到城市的招聘數量是不同的（圖6），北京數據類的職位數會超過其他三個城市的加和，且北京的平均薪酬會明顯更高（圖5）。[3]
圖5 2017年第一季度城市平均工資
二、數據類崗位在四個城市的特點
總的來說，北京機會多、薪酬高、加班多，上海競爭激烈、消費氛圍強，深圳工資較高、有增加趨勢但房租貴，廣州則生活成本低、機會工資皆較少、加班少。
我們可以從下圖看出，數據類崗位在北京的職位數遠遠多於上廣深，3個月基本上都會超過上廣深的職位總和，且10月明顯爲北京三個月最火的月份，上海則較爲平穩，大數據、數據挖掘的總和在每月2000個左右，深圳每月爲1200個左右，廣州則最少，在800個左右。而在平均薪酬這個方面，北京以17000元/月領先上海2500左右，而深圳則以15000元/月領先廣州2500左右。值得一提的是，這裏的工資是偏高的，理由除了上一部分對報價平均工資的討論外，還由於工作年齡帶來工資的梯度改變會影響平均工資，畢業生一下就拿到這個數從分佈上來看實屬少數（圖10）。
圖6 數據類工作於北上廣深的對比圖
而在下圖，我們可以對四個城市不同企業規模收入分佈有所瞭解（橫座標爲招聘企業的員工數，圖形的寬度代表職位數量）。北京上海的頂端薪酬（超過80000元/月）會明顯比深圳、廣州多，北京的高端薪酬職位（超過30000元/月）也會明顯比其他城市多，當地的中小型企業也會開高工資招聘高級人才，7500-10000元/月是各城市、各企業規模的第一個薪酬集中地，可以理解爲數據人打工薪酬的第一道坎。
圖7 數據類工作在北上廣深不同規模企業的招聘信息分佈
全國集中的好工作會吸引各地的人才到來，先看各大城市常住人口情況[4]，再看人口吸引力排名[5]，人口多的地方競爭相對會更激烈。
高薪酬的工作代價之一就是加班了，可以看看四大城市的加班排名，平均工資更高的北京上海加班也會更猛。[6]
在大城市生活，最大的支出往往是租房費用了，可以看看現在四大城市的房租收入比，深圳的會高達35.6%，再結合上面的各城市平均收入，我們可以估算出北上廣深的平均房租分別爲：2992、3362、3165、1823元。[7]
當然平時的消費也少不了，我們再來看看2017年前三季度各地的人均消費情況，明顯上海的消費風氣更爲濃厚，平均每個月能花3271元。[8]
所以綜合來看，北京工資最高、消費第二、房租第三，實在是快速攢錢的好地方。
三、企業用人要求
這裏我對職位的招人要求也爬取下來，並做了詞頻分析，綜合結果可見下圖。
圖8 招聘需求描述詞雲圖
整體來看，企業招人的思路偏向實用，相比起學歷、學校或者專業更專注於經驗、技術以及熟練度，也考慮人才的綜合能力，分析、溝通、管理、市場、創新等詞彙會在大量的招聘要求中被提到。
數據類崗位的經驗要求也印證了詞頻的結果，企業對1-5年工作經驗求職者的需求佔比高達67.5%(大數據）、77.3%（數據挖掘），無經驗要求的比例僅僅佔10%左右，所以應屆生要找到該類工作相對來說是有難度的，實習經驗、工作經驗尤爲重要。
圖9 數據類工作的經驗要求
相應的，經驗越足的求職者在薪酬上也越佔優勢，無經驗求職者的平均薪酬爲6000元/月，上下浮動3000元，而隨着工作時間的增加，平均薪酬逐步增加，對於3-5年的老手，平均薪酬能達到15000左右，5-10年則直超20000，個人認爲這個誇張的水平和大數據、數據挖掘、AI、算法等處於泡沫期不無關係。這裏可能有人會拿BATJ校招的高薪崗位來說特例，這裏我專門搜索了這幾家大型互聯網公司的無經驗要求職位，發現在薪酬上面他們大部分都選擇了保密，故在該結果沒有體現。
圖10 數據類工作經驗薪酬對比、學歷要求
在學歷要求方面，大專及以上佔22%，本科及以上佔比高達57%，碩士及以上佔比爲6%，學歷相關詞頻分析中，以上學歷這一關鍵詞出現最多，留學、海龜出現頻率與211、985的出現頻率相近， 但是稍遜，可見國內重本還是挺受青睞的。
圖11 學歷相關詞彙出現數量條形圖
最後來看下招聘中技能相關詞頻結果。數據分析、建模、統計、數學等對應詞彙最多出現，看來企業還是較爲關注求職者對基本原理的掌握，數據庫相關詞彙如SQL、MySQL也較多出現，而Java、Python和R爲數據類崗位最常出現的軟件語言類詞頻。
圖12 數據類工作技能相關詞彙量比較條形圖
參考資料：
[1] 國家工商總局企業註冊局、信息中心 |全國內資企業生存時間分析報告
[2]廣東省人力資源和社會保障廳|廣東省企業職工薪酬情況分析
[3]智聯招聘|2017年春季在線招聘數據庫的數據監測統計分析
[4]國家統計局|中國城市建設統計年鑑2015、中國縣城建設統計年鑑2015
[5]百度地圖|2017年第三季度中國城市研究報告
[6]城市資訊 | 2017全國加班報告出爐
[7]界面新聞丨“北上深”房租收入比超30％ [8]國家統計局|31省份前三季人均消費榜