本文数据由python抓取，数据来历于某直聘网站，照旧北京、上海、广州、深圳、杭州五多半会的岗亭雇用信息，获取了「数据产物司理」与「产物司理」两个岗亭在2020年5月16日的最新数据，来看看产物司理与数据产物司理岗亭有什么区别？

一、数据来历

注：数据由python抓取；可视化由tableau建造；仅供进修交换，不行商用，如有侵权，请接洽删除。

之前我写过数据产物司理岗亭雇用详情及阐明，有伴侣问，能不能写一写产物司理与数据产物司理的岗亭雇用比拟呢？

好的，同样，数据来历于某直聘网站，照旧北京、上海、广州、深圳、杭州五多半会的岗亭雇用信息，本着严谨的立场，我获取了「数据产物司理」与「产物司理」两个岗亭在2020年5月16日的最新数据。

获取的数据有“地位名称、事情所在、公司名称、薪资、事情履历、学历要求、行业、融资环境、公司人数、地位吸引标签、福利及地位描写等”

那么，在这两个岗亭的背后，我们能获取哪些信息呢？下面我们来梳理一下。

这几个都市中，两个岗亭的雇用数量比拟怎么样？

各区中的岗亭是怎么漫衍的？哪些区的雇用岗亭最多？

在各个公司中，产物司理岗亭与数据产物司理岗亭雇用数量有着奈何的比拟？

各都市中，差异公司两个岗亭的雇用数量占比环境如何？

各都市中，差异的公司局限，两个岗亭的漫衍环境如何？

差异都市间，两个岗亭在薪资比拟上环境如何？

差异都市间，两个岗亭在差异事情履历、及薪资上的比拟环境如何？

两个岗亭在学历与薪资中比拟环境如何？

两个岗亭在差异行业中的岗亭占比环境如何？

两个岗亭在公司局限与薪资上有哪些关联？

两个岗亭在雇用中的福利比拟？哪些福利呈现次数最多？

两个岗亭在地位吸引标签的高频词中比拟环境如何？

两个岗亭中，地位描写中的高频词比拟环境如何？

好的，话不多说，下面开始进入正式阐明。

二、阐明详解 1. 这几个都市中，两个岗亭的雇用数量比拟怎么样？

细心的伴侣大概发明白，上一篇阐明数据产物司理岗亭的时候，岗亭数量是2250条，此刻是1966条，莫非岗亭淘汰了这么多？

嗯嗯，这是真的，上一篇的岗亭数据是2020年3月份抓取的，以本日的数据来看，岗亭数淘汰了284条，下降了12.62%；差不多每个都市淘汰了近60个岗亭。个中差距的原因，大概跟之前数据是年后人才需求量较大有关，3、4月凡是为雇用旺季，而5月份凡是为雇用淡季。

可是我们也知道，凡是原因都不会这么简朴，岗亭淘汰跟今朝的整个市场情况是否有关呢？

我们再来看一下都市与岗亭数量图表，发明杭州的数据产物司理雇用数量，要高于产物司理的雇用数量。

产物司理雇用数量排行别离为：广州/杭州、北京、深圳、上海；数据产物司理雇用数量排行别离为：杭州、广州、深圳、北京、上海。

各都市的总体数据量差不多，这些数字的参考意义不大。

2. 各区中的岗亭是怎么漫衍的？哪些区的雇用岗亭最多？

为什么既有市、又有区呢？

这是因为有些岗亭信息上没有写明是详细哪个区，可是影响也不大。

在一些地域中，数据产物司理岗亭数量多，另一些地域中，产物司理岗亭数量多，影响的因素有哪些呢？

别着急，我们接着往下看。

3. 在各个公司中，产物司理岗亭与数据产物司理岗亭雇用数量有着奈何的比拟？