基于大數據的互聯網行業人才薪資影響因素分析

郭麗清 藍康偉 朱思霖 李泓鍇 許穎

摘? 要： 為了實現人才的更好發展，文章對互聯網行業人才薪資影響因素進行分析。通過爬取數萬條互聯網行業的招聘信息，并利用描述性分析、相關性分析方法，得出工作經驗、城市、學歷、公司規模等多個維度因素對薪資的影響作用。最后文章對互聯網行業人才薪資的問題進行總結、展望，以期使從業者把握行業動態，為求職者提供重要參考。

關鍵詞： 人才發展; 互聯網行業; 人才薪資; 影響因素

中圖分類號：G316;TP391.1? ? ? ? ? 文獻標識碼：A? ? 文章編號：1006-8228（2020）02-09-04

Analyzing the factors affecting salary of talent in the Internet industry with big data

Guo Liqing， Lan Kangwei， Zhu Silin， Li Hongkai， Xu Ying

（School of Information Science & Technology， Xiamen University Tan Kah Kee College， Xiamen Fujian， 363105， China）

Abstract： In order to achieve better development of talents， this paper analyzes the factors affecting the salary of the Internet industry. By crawling tens of thousands of recruitment information in the Internet industry， and using descriptive analysis and correlation analysis methods， the effects of multiple dimensions， such as work experience， city， education， and company size， on salary are obtained. Finally， the issues of the salary in the Internet industry are summarized and prospected， in order to enable practitioners to grasp the industry dynamics and provide job seekers with important reference.

Key words： Alent development; the Internet industry; salary of talent; influencing factor

0 引言

人才是企業發展的根本。在“互聯網+”發展新業態下，企業對相關人才的需求呈現井噴趨勢。2017年中美兩國的互聯網人才需求量是供應量的10倍[1]。

人才供需失衡是制約企業發展的瓶頸。如何招聘到合適的人才，成為企業人力資源部門重點關注的問題。而薪資是人才能力與崗位需求匹配的重要體現，也是人才在擇業過程中考慮的主要因素[2-3]。本文從國內某招聘網站抓取2019年6月發布的上萬條互聯網行業的招聘數據，以薪資水平為切入點，探究各項因素對薪資的影響情況，以期對人力招聘和人才求職的過程提供有益的參考。

1 數據說明

本文數據共包含3萬多條招聘信息，每條數據包含求職薪資、公司名稱、所在地、公司規模、融資情況、招聘崗位、經驗要求、學歷要求等9個變量，各個變量詳細信息見表1。以薪資為因變量，各個維度的影響因素作為自變量。對于招聘數據中，不同公司崗位名稱略有不同，為了更好地分析，我們將崗位名稱歸類為5大類別，分別是研發、運營、產品、數據分析和設計，分析詳情在下文展開。

2 描述性分析

2.1 薪資分布情況

薪資水平高低在一定程度上能夠反映技術門檻以及人才供需之間的關系。圖1反映了薪資水平的整體分布情況。具體而言，互聯網行業的平均薪資水平為17.5k/月（k/月—千/月，下文同），中位數為15k/月，高于平均薪資的崗位數量為11056個，占總量41.16%。從薪資水平的分布柱形圖看，整體偏左，也有少量的高薪人才的需求，達到40k/月。

2.2 公司基本信息

2.2.1 城市分布情況

互聯網行業對人才需求，主要集中在一線城市和新一線城市，占總數的79.74%。北上廣深杭等一線城市對人才的需求量為22269人，占top10城市的84%。圖2描述了人才需求量Top10城市的薪資水平，北京的薪資水平最高，月均薪資中位數為20k，上海次之;杭州表現突出，高于深圳和廣州。究其原因，一線及新一線城市有著地理及相關政治、經濟政策的支持，存在其發展優勢，如北京、上海，遍布百度、騰訊、京東等互聯網巨頭總部;杭州作為強新一線城市，是互聯網人才聚集池，聚集以阿里巴巴為代表的大廠，有力地促進當地互聯網行業的發展，發展空間大。另外，新一線城市相比一線城市的消費水平較低，對企業及求職者具有相當的吸引力。

2.2.2 公司規模情況

圖3反映了公司規模與薪資水平的關系。從公司規模看，隨著公司規模的擴大，整體工資水平提高。少于15人的公司規模一般為中小型企業，財力相對短缺，薪資水平相對較低。然而，在該規模下，少數公司的薪資最高值，達到甚至超過其他規模大的公司的最大值，這也驗證了小型企業人才機制相對靈活。公司規模在500人以上占比為59%，平均薪資約為20k/月。當公司達到一定規模，公司的體系逐漸完善，薪資也趨于穩定。

2.2.3 公司融資情況

圖4反映了公司融資情況與薪資水平的關系。未融資和天使輪的企業處于種子階段，風險較高，平均薪資約為12k/月;進入A輪融資后的企業開始步入正軌，為了更好地發展，企業愿意提供較高的薪資水平;D輪及以上的公司達到23k/月。然而，上市公司的薪資低于C輪或C輪以上的公司，可能的原因是上市企業整體相對發展較為平穩，工作強度較為合適，同時具有一定的品牌效應，有些人愿意在更好地平臺發展而放棄較高薪資。

2.3 崗位需求信息

2.3.1 崗位類別

圖5反映了崗位類別與薪資水平的關系。從薪資角度看，數據分析崗位的薪資水平最高，薪資范圍為15-25k/月。這間接地佐證了近幾年來各大企業漸漸意識到數據是企業的資產，紛紛進行相關人才的戰略儲備。研發和產品是求職者尋求工作的熱門崗位;設計崗位中，平面設計師的工資會相對高一些。運營崗位是根據不同的職位薪資也隨之不同，新媒體運營崗位人員的薪資相對較高。

2.3.2 工作經驗

圖6反映了工作經驗與薪資水平的關系。從工作經驗看，薪資隨著工作經驗的積累呈直線上升的趨勢。工作3年以內的薪資水平差異不大，大約為12k/月，這主要因為工作的1-3年屬于個人成長沉淀期。3-5年的工作經驗，薪資明顯提升，平均薪資達到了15-25k/月。5-10年的工作經驗，薪資顯著提升，最高薪資可達40k+/月。這是因為具有5以上工作經驗的人才，處于個人成熟爆發期，可以給企業帶來可觀的價值/收入，此時的員工也期望具有更高地匹配薪資。

2.3.3 學歷要求

圖7反映了學歷要求與薪資水平的關系。從學歷看，互聯網行業中，人才招聘的崗位大多要求本科學歷，要求碩/博的崗位相對較少，薪資伴隨著學歷的提升也會水漲船高。大?；虿幌薜穆毼恍劫Y水平差異不大，中位數是12k/月，本科生則提升至18k/月，比大專學歷高了50%;碩士和博士學歷則明顯高于其他學歷，博士的薪資上限更高。這與和華為近期給8位應屆博士開出百萬年薪[4]的消息一樣，有力地說明了讀書可以創造財富。

2.3.4 崗位要求

為了能夠進一步了解企業對于崗位的詳細要求，我們運用jieba分詞提取關鍵詞信息，并統計了各關鍵詞出現的頻率，進而繪制了崗位要求詞云圖，結果如圖8所示。通過詞云圖可知，互聯網行業對于人才的要求在團隊合作、溝通、經驗、技術的要求最為明顯;數據結構算法、管理、設計、應用等要求緊隨其后。

3 相關性分析

Pearson相關系數法[5]是一種度量兩個變量之間關系密切程度的度量方法，廣泛應用于風險預測[6]、輿情評估[7]等各個領域。相關計算公式如下：

[r=Nxiyi-xiyiNxi2-xi2Nyi2-yi2]

r的絕對值越接近1，兩個因素的相關性越強。為了更加直觀地觀察各個自變量與薪資標簽之間的關聯性，我們引入了統計學上的熱力圖模型[8]。從圖9中可看出工作經驗對薪資水平影響的相關度較高，接著依次是城市、學歷、崗位類型、融資情況、公司規模。

4 總結與展望

本文通過搭建爬蟲框架獲取某招聘網站3萬多條招聘信息，經過一系列的數據清洗處理后，通過數據分析及挖掘得到如下一些結論：①對于互聯網行業，人才需求量主要集中在北京、上海、廣州、深圳、杭州等一線和新一線城市;②工作經驗積累3-5年后薪資呈明顯上升趨勢;③在工作崗位方面，Java、Android、iOS等研發技術崗位依舊是主流的熱門崗位;④從學歷看，擁有碩/博教育背景的人才，薪資水平普遍高于20k+/月，且薪資上限遠遠高于本科及以下學歷;⑤崗位類型方面，新興起的數據分析相關職位薪資最高，大數據方面薪資誘人;⑥公司規模方面，規模在500人以上的薪資最高，規模少于50人的公司，最高薪資和最低薪資差距較大。最后，本文通過皮爾森系數對薪資影響因素進行相關性分析，結果表明：互聯網行業薪資影響因素影響力從大到小排序依次為工作經驗、城市、學歷、崗位類型、融資情況、公司規模。后續的研究，將嘗試引入機器學習相關算法構建人才自畫像，實現薪資預測模型，為求職者和HR提供一個相對客觀的參考數據。

參考文獻（References）：

[1] 趙吝加.全球互聯網人才發展概況[J].今日科苑，2018.4：31-39

[2] 秦浩， 郭薇.國外人力資源服務業的發展現狀及趨勢[J].商業時代，2013.8：122-123

[3] 陳遠矚.商業銀行應聘人員期望薪資的影響因素[D].華東師范大學，2018.

[4] 新浪新聞.華為百萬高薪招聘8名應屆博士年薪最高或達201萬[EB/OL].https：//news.sina.com.cn/s/2019-07-23/doc-ihytcitm3997993.shtml. 2019.07.23.

[5] 陳希孺.概率論與數理統計[M].合肥：中國科學技術大學出版社，2009.

[6] 趙海龍，張丹丹，黃松，莫石，魏浩.基于皮爾遜相關系數的海南省地閃密度與雷擊故障關系分析[J].高壓電器，2019.8：186-192

[7] 覃玉冰，鄧春林，楊柳.基于皮爾遜相關系數的網絡輿情評估指標體系構建研究[J].情報探索，2018.10：15-19

[8] 邱南森.數據之美[M].中國人民大學出版社，2014.