Advertisement

Glassdoor职位数据分析-数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该数据集来源于职场社交平台Glassdoor，包含大量关于公司职位的详细信息和员工评价，适用于进行深入的职业分析和市场研究。 Glassdoor是一个网站，现有员工和前员工可以在其中匿名审查公司情况。此外，用户还可以在该平台上匿名提交并查看薪水信息，并搜索和申请工作职位。2018年，该公司被日本的Recruit Holdings以12亿美元的价格收购。公司的总部设在美国加利福尼亚州米尔谷市，在芝加哥、都柏林、伦敦以及圣保罗也设有办事处。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Glassdoor职位数据分析-数据集
    优质
    该数据集来源于职场社交平台Glassdoor，包含大量关于公司职位的详细信息和员工评价，适用于进行深入的职业分析和市场研究。 Glassdoor是一个网站，现有员工和前员工可以在其中匿名审查公司情况。此外，用户还可以在该平台上匿名提交并查看薪水信息，并搜索和申请工作职位。2018年，该公司被日本的Recruit Holdings以12亿美元的价格收购。公司的总部设在美国加利福尼亚州米尔谷市，在芝加哥、都柏林、伦敦以及圣保罗也设有办事处。
     
  • 数据分析师职位信息数据集
    优质
    本数据集包含多个维度的数据分析师职位招聘信息，涵盖技能要求、经验需求及薪资范围等详细内容，旨在帮助求职者和招聘方更好地理解和匹配岗位要求。 该数据集包含2000多个从Glassdoor搜集的工作岗位信息，适用于数据分析员职位的分析研究。数据包括以下字段：通用ID、职称、Glassdoor网站上的工资估计、工作描述、公司评级、公司名称、位置（办公地点）、总部所在位置、按员工人数计算的公司规模、成立年份、所有权类型、行业分类及所属部门等信息，以及公司的年度收入和主要竞争对手。此外还包括一个字段来表示该职位是否支持快速申请功能。 此数据集可以为正在寻找数据分析师工作的求职者提供参考帮助，并且适用于机器学习、数据分析与挖掘等领域的工作。
     
  • Python职位的数据分析
    优质
    本课程聚焦于运用Python编程语言进行数据分析的相关技能培养。涵盖数据处理、清洗及可视化等关键技术，专为希望在Python开发领域求职者设计，助力学员掌握必备技术栈以胜任相关岗位需求。 有效提取和利用互联网大数据已成为当前数据挖掘与分析领域的研究热点。基于Python的招聘大数据爬取与分析，以智联招聘网站的数据为对象，使用Pycharm实现了信息的爬取，并通过Matplotlib绘制图形，对薪资水平、学历要求及福利情况等数据进行了可视化分析。测试结果表明，提出的大数据爬取算法和数据可视化方法能够真实、完整且有效地反映相关信息。
     
  • 员工离职数据分析集
    优质
    《员工离职数据分析集》汇集了对员工离职原因、趋势及影响因素的数据分析，旨在帮助企业识别潜在问题并采取预防措施，以降低员工流失率和提升组织效率。 该数据集包含14999个样本以及10个特征，通过现有员工是否离职的数据，建立模型预测有可能离职的员工。数据文件名为HR_comma_sep.csv。
     
  • 大数据职位招聘数据集.rar
    优质
    该资源为包含多个企业发布的大数据相关职位招聘信息的数据集合，涵盖技能要求、岗位职责等信息，适合进行数据分析和挖掘研究。 大数据招聘岗位数据集.rar
     
  • 数据分析职位面试问题
    优质
    本页面提供了针对数据分析职位面试的问题及答案，帮助求职者准备和应对数据分析师岗位相关的常见面试挑战。 一个合格的数据分析师应具备统计学基础知识、数据分析方法、数据获取技巧、数据解读能力以及对业务的理解，并且要有正确运用这些知识进行分析的思想。
     
  • 离职原因的数据集分析
    优质
    本数据集专注于收集和分析员工离职的原因，通过量化方法探究影响员工离开公司的关键因素，为企业提供优化人力资源管理、降低人员流失率的策略建议。 通过分析Kaggle的HR数据集来探究身边的朋友离职的原因，并基于该数据集中的特征建立一个评分卡模型以预测员工是否会离职。此数据集中共有15000份记录，其中3571人已经离开公司，这意味着大约有23.8%的人选择了离职。 具体的数据字段包括： - 满意度水平（satisfaction_level）：反映对公司的满意程度。 - 最近一次评估得分(last_evaluation) ：员工对公司工作的评价分数。 - 进行的项目数量(number_project) : 表示在过去的时间里参与了多少个项目。 - 平均每月工作时长(average_montly_hours): 每月的工作时间长度，单位为小时。 - 在公司的时间(time_spend_company): 员工每天在公司的平均停留时间。 - 工作事故（Work_accident）：是否发生过工作差错或意外事件的标志。 - 过去五年内的晋升情况(promotion_last_5years) ：过去五年内是否有职位提升。 - 职业(sales): 员工所属部门或者职业类型，可能是销售、技术等不同的分类。 - 工资等级（salary）: 代表员工收入水平的指标，可进一步细化为低中高三个档次。 - 是否离职(left)：一个二元变量表示该员工是否已经离开了公司。
     
  • Boss直聘最新数据分析职位表
    优质
    《Boss直聘最新数据分析职位表》汇集了当前市场上最新的数据分析岗位信息，旨在为求职者提供全面且精准的职业机会，助力职场人士实现职业发展与个人价值。 最新发布的数据分析职位表提供了详细的信息，包括数据专员、风控策略高级分析师以及数据分析经理等多个岗位的详情。这些职位均位于广州市内，共有165条招聘信息。