随着5G时代的到来,网络招聘已经成为了大家求职的主要途径。网络招聘信息能够直观地反映岗位的需求情况,对于大数据时代中应运而生的数据分析类岗位,在网络招聘中也表现出了高薪资、供不应求以及地区差异明显等特征。其中岗位薪资更是求职者所密切关心的问题。因此本文一共进行了数据分析类岗位需求和薪资影响因素两个方面的研究。数据分析类岗位需求数据分析方面,本文利用网络爬虫技术共获得招聘网站上12107条数据分析类岗位招聘信息。首先通过描述性统计分析方法得到部分岗位需求信息。结果表明,数据分析类岗位主要分布在一线以及新一线大城市中。数据分析类岗位需求大多聚集在民营企业;而企业规模也以50人-500人中小企业居多。除了计算机软件、电子商务、互联网等传统服务行业,新能源、半导体、现代物流等新兴产业也迎来了巨大需求。紧接着,本文使用文本挖掘模型深入提炼岗位要求中的信息。LDA主题模型将岗位要求一共分为了如下8个维度:行业经验要求、个人素质要求、开发技能要求、数据分析技能要求、专业学历要求、算法理论要求、项目技能要求以及其他要求。通过TF-IDF算法在此基础上进一步挖掘各主题的关键词,其中开发技能要求和数据分析技能要求中包含了大量的软件技能要求,包括Office、Python、R、BI等数据处理与分析技能;SQL、My SQL、Oracle以及SQL Server等数据库操作技能;HIVE、Spark以及Hadoop等大数据处理组件技能;JAVA、Scala、C++以及MATLAB等编程语言技能。薪资影响因素分析方面,从招聘网站信息和统计年鉴信息中共同提取出61个与岗位薪资有关联的变量。先分别使用Lasso回归、RFECV算法以及Boruta算法进行变量选择,得到对薪资影响最大的经济水平、就业环境、公共设施便利程度、科学发展和教育发展等方面的变量。最后将变量选择的结果分别与MLP神经网络算法和XGBoost算法相结合,进行岗位薪资预测。结果表明,基于RFECV算法选择出的变量集拥有最好的模型性能,并且RFECV-XGBoost算法的结果明显优于RFECV-MLP算法。结合岗位需求和薪资的影响因素,本文最后对数据分析类岗位相关的高校和求职者都提出了部分建议。