各地区各行业工资水平的分析--2010
各地区各行业工资水平的分析（2010年数据）
王红纱学号：6120906011
1. 研究背景及意义
1.1 研究背景
工资水平是指一定区域和一定时间内劳动者平均收入的高低程度。生产决定分配，只有经济发展才能提供更多的可分配的社会产品，因此一个地区的工资水平在一定程度上反映了其经济发展的水平。
1.2 研究意义
1. 通过多元统计分析方法，探究一个地区的工资水平与其经济发展水平之间的内在联系。
2. 将平均工资水平划分为3类，分析哪些地区、哪些行业的工资水平较高，可以为大学生就业提供宏观上的方向指引。
2. 数据来源与描述
2.1数据描述
本问研究全国31个省市（港、澳、台除外）的工资状况，各省市分别记录了其19个主要行业的平均工资水平，这19个主要行业包括：企业、事业、机关、金融业、制造业、建筑业、房地产业、农林牧渔业等等，具体数据格式参见图-0。
通过聚类分析方法，判断哪些地区平均工资水平较高
聚类分析是依据研究对象的个体特征，对其进行分类的方法，分类在经济、管理、社会学、医学等领域，都有广泛的应用。聚类分析能够将一批样本（或变量）数据根据其诸多特征，按照在性质上的亲疏程度在没有先验知识的情况下进行自动分类，产生多个分类结果。类内部个体特征之间具有相似性，不同类间个体特征的差异性较大。本文采用两种方法进行聚类分析：一种是系统聚类法，另一种是K-均值法（快速聚类法），对工资水平进行分析。
表1国内生产总值指数、就业人员平均工资和城镇居民消费价格指数
年份国内生产
总值指数
就业人员平均工资指数城镇居民消
费价格指数
货币工资实际工资
2001 108.3 116.1 115.3 100.7 2002 109.1 114.2 115.4 99.0 2003 110.0 112.9 111.9 100.9 2004 110.1 114.0 110.4 103.3 2005 111.3 114.3 112.5 101.6 2006 112.7 114.6 112.9 101.5 2007 114.2 118.5 113.4 104.5 2008 109.6 116.9 110.7 105.6 2009 109.2 111.6 112.6 99.1 2010 110.4 113.3 109.8 103.2 注：数据来自2011中国劳动统计年鉴
表2 各地区分行业平均工资水平(2010年)
地区农林牧渔采矿业制造业电力、燃气及水
的生产和供应业建筑业交通运输、仓
储和邮政业
信息传输、
计算机服务
和软件业
北京29889 68514 48298 85178 46421 51342 105560 天津40221 59897 42482 82607 53686 55912 73276 河北12423 49514 27894 45478 23159 33141 38840 山西20570 52252 25350 43023 25936 37888 33916 内蒙古18292 42248 30024 48860 24946 39991 37530 辽宁10040 41238 32126 42658 27535 38451 56013 吉林15220 33584 31153 33044 21165 30422 33772 黑龙江12916 39793 26764 36613 22904 31501 40416 上海39575 62356 52163 93049 69051 58405 115524 江苏20736 41573 32209 66131 29679 38584 58902 浙江34088 28330 29671 77180 28595 48359 77125 安徽16945 57314 29238 40467 28046 29408 36316 福建18041 29328 26627 50529 30138 39741 59117 江西16265 27978 25579 37312 25293 38628 32566 山东24143 46560 27773 42025 25807 39435 50315 河南17433 46887 25864 37196 24151 31748 35042 湖北19541 31989 30689 39067 27661 34668 39222 湖南15435 24867 28691 36134 23674 32921 39592 广东15270 47254 31277 58158 29019 49623 68204 广西17023 28708 26179 39264 27688 33697 42633 海南18042 30151 26772 40553 25237 42036 60215 重庆20544 31491 31894 50326 27730 33613 62634 四川19980 37984 28577 39844 24036 36496 42615 贵州18175 32779 29381 47822 25437 32106 37097 云南15922 27175 28550 44110 21002 35897 37346 西藏20238 26315 26984 41225 27908 39032 51682 陕西23934 42417 26015 39677 25357 35846 42498 甘肃19735 43258 28173 37624 20836 30928 24896 青海26020 40320 28459 44721 26423 43523 41668 宁夏20940 71685 29560 55543 25284 36498 42469 新疆20022 47805 31588 43855 28908 45572 43124 注：数据来自中国劳动统计年鉴
表2 各地区分行业平均工资水平(2010年)续表1
地区批发和零
售业住宿和餐
饮业
金融业房地产
业
租赁和商务
服务业
科学研究、技术
服务和地质勘
查业
水利、环境和
公共设施管理
业
北京64150 31978 164643 50814 63794 88018 41376 天津44710 22742 89166 47385 28880 80485 44067
河北19780 17314 45176 27894 21159 49179 21663 山西18890 15064 47037 17847 19819 33847 16657 内蒙古24342 21335 45588 26475 31840 40047 27729 辽宁28616 21613 53676 28147 24598 48030 24753 吉林22999 17594 43174 23153 23918 38732 18375 黑龙江25702 20804 42537 21881 28238 39938 18663 上海61509 32815 155763 48306 60905 83338 44376 江苏31451 24029 71115 43305 29776 60437 30940 浙江39901 24679 98135 42290 32450 56621 32462 安徽26935 18188 46561 27250 28122 36068 20949 福建32850 22268 70532 36917 24511 41592 26824 江西24868 18268 38926 25857 21725 30430 19757 山东23845 21810 53148 29793 28987 45803 25387 河南22403 20201 41871 28913 24560 36436 24648 湖北25081 20601 49830 30760 26647 45518 21730 湖南27604 19963 44428 27550 25086 36381 22133 广东38378 24781 90519 37590 41195 69434 31351 广西26093 17211 60153 27597 25994 36182 20150 海南23955 18875 62984 26157 20703 30680 20652 重庆29667 21389 58751 32396 25440 55381 21818 四川29046 22262 52854 29995 34221 53854 20555 贵州27776 18935 61474 22997 22036 29670 20737 云南26268 16030 60775 22236 23969 34588 17788 西藏39462 22090 98092 43451 27828 63810 32464 陕西23836 18171 48138 37842 28327 48734 23514 甘肃20563 17588 35311 22936 21608 34730 23186 青海24898 18574 41641 21948 42784 48822 25591 宁夏29497 17799 53674 28610 26137 36666 25155 新疆32343 21954 53127 23005 22517 38593 25575 注：数据来自中国劳动统计年鉴
表2 各地区分行业平均工资水平(2010年) 续表2
地区居民服务和其
他服务业教育卫生、社会保障和
社会福利业
文化、体育和
娱乐业
公共管理和社会
组织
北京27625 65150 70182 76415 55680 天津23529 66285 60149 54182 67714 河北34932 33588 30645 26208 29923 山西20623 30620 24049 24927 27751 内蒙古39550 43397 38375 37805 40338 辽宁25101 41656 36638 36478 36941 吉林17511 31548 28476 26684 29247 黑龙江29803 34630 32095 29827 31568 上海35226 69738 73470 68533 73073 江苏34349 49340 46337 48360 58861
浙江35127 63693 62508 56313 64667 安徽23258 32445 31811 28435 33622 福建33977 40550 40844 35654 42000 江西22375 29980 31494 30555 29395 山东32461 38621 38044 41008 35726 河南23650 33090 31177 28511 28474 湖北26086 34230 33751 32390 34198 湖南23740 31825 36476 32908 30156 广东29956 42928 52308 47213 53350 广西21791 32182 33100 32141 33864 海南20526 40791 35308 29492 39376 重庆26049 37497 44249 34163 36936 四川24029 34408 39209 32101 35015 贵州21966 30466 29993 24531 29537 云南18340 32301 28988 24834 31650 西藏44509 52781 48293 50858 54848 陕西26147 39785 34809 29724 33224 甘肃21384 29725 28881 28769 30227 青海32969 42447 37126 38694 40648 宁夏23356 35785 31896 34118 33119 新疆18330 35016 32323 32609 35950
3. 聚类分析应用
表3 描述统计量，最大值、最小值、均值和标准差
N 极小值极大值均值标准偏差农林牧渔31 10040 40221 20568.32 7051.542 采矿业31 24867 71685 41663.35 12689.637 制造业31 25350 52163 30516.26 6177.462 电力、燃气及水的生产和供应业31 33044 93049 49008.81 15654.385 建筑业31 20836 69051 28797.16 9961.832 交通运输、仓储和邮政业31 29408 58405 38884.26 7433.597 信息传输、计算机服务和软件业31 24896 115524 50326.61 20477.664 批发和零售业31 18890 64150 30239.29 10587.282 住宿和餐饮业31 15064 32815 20868.55 3947.699 金融业31 35311 164643 63832.23 30765.755 房地产业31 17847 50814 31009.58 8811.817 租赁和商务服务业31 19819 63794 29283.03 10311.248 科学研究、技术服务和地质勘查业31 29670 88018 47485.29 15771.144 水利、环境和公共设施管理业31 16657 44376 25516.94 7241.757 居民服务和其他服务业31 17511 44509 27041.13 6708.301 教育31 29725 69738 40532.19 11509.982 卫生、社会保障和社会福利业31 24049 73470 39451.74 12399.589 文化、体育和娱乐业31 24531 76415 37240.00 12741.286 公共管理和社会组织31 27751 73073 39905.74 12667.597
N 极小值极大值均值标准偏差
农林牧渔31 10040 40221 20568.32 7051.542
采矿业31 24867 71685 41663.35 12689.637
制造业31 25350 52163 30516.26 6177.462
电力、燃气及水的生产和供应业31 33044 93049 49008.81 15654.385
建筑业31 20836 69051 28797.16 9961.832
交通运输、仓储和邮政业31 29408 58405 38884.26 7433.597
信息传输、计算机服务和软件业31 24896 115524 50326.61 20477.664
批发和零售业31 18890 64150 30239.29 10587.282
住宿和餐饮业31 15064 32815 20868.55 3947.699
金融业31 35311 164643 63832.23 30765.755
房地产业31 17847 50814 31009.58 8811.817
租赁和商务服务业31 19819 63794 29283.03 10311.248
科学研究、技术服务和地质勘查业31 29670 88018 47485.29 15771.144
水利、环境和公共设施管理业31 16657 44376 25516.94 7241.757
居民服务和其他服务业31 17511 44509 27041.13 6708.301
教育31 29725 69738 40532.19 11509.982
卫生、社会保障和社会福利业31 24049 73470 39451.74 12399.589
文化、体育和娱乐业31 24531 76415 37240.00 12741.286
公共管理和社会组织31 27751 73073 39905.74 12667.597 Valid N (listwise) 31
分析描述统计量的输出结果可知，平均工资水平较高的三个行业分别是金融业（63832.23元），信息传输、计算机服务和软件业（50326.61元），电力、燃气及水的生产和供应业（49008.81元）；平均工资水平较低的三个行业分别是农、林、牧、渔业（20568.32元），住宿和餐饮业（20868.55元），水利、环境和公共设施管理业（25516.94元）。
表4显示的是用平方Euclidean距离计算的近似矩阵表，其实质是一个不相似矩阵，其中的数值表示各个样本之间的相似系数，数值越大，表示两样本距离越大。
表4 近似矩阵表
Case 1:北
京2:天
津
3:河
北
4:山
西
5:内
蒙古
6:辽
宁
7:吉
林
8:黑龙
江
9:上
海
10:江
苏
11:浙
江
1:北京0 2.157 10.149 11.903 7.753 7.655 11.489 10.271 0.756 4.472 3.483 2:天津 2.157 0 6.761 7.716 4.909 4.981 7.861 7.28 2.107 2.36 1.671 3:河北10.15 6.761 0 0.639 0.54 0.513 0.693 0.266 12.411 1.854 4.338 4:山西11.903 7.716 0.639 0 1.368 1 0.44 0.571 14.243 3.192 5.554 5:内蒙古7.753 4.909 0.54 1.368 0 0.508 1.335 0.57 9.327 0.942 2.462 6:辽宁7.655 4.981 0.513 1 0.508 0 0.647 0.381 9.749 1.122 2.983 7:吉林11.489 7.861 0.693 0.44 1.335 0.647 0 0.335 14.101 2.822 5.271 8:黑龙江10.27 7.28 0.266 0.571 0.57 0.381 0.335 0 12.623 2.051 4.329 9:上海0.756 2.107 12.411 14.243 9.327 9.749 14.101 12.623 0 5.706 3.983 10:江苏 4.472 2.36 1.854 3.192 0.942 1.122 2.822 2.051 5.706 0 0.841 11:浙江 3.483 1.671 4.338 5.554 2.462 2.983 5.271 4.329 3.983 0.841 0 12:安徽9.61 6.453 0.388 0.4 0.882 0.534 0.408 0.315 12 2.076 4.547 13:福建7.063 4.373 0.863 1.708 0.42 0.445 1.372 0.802 8.616 0.637 1.814
14:江西11.247 7.414 0.658 0.47 0.977 0.594 0.231 0.326 13.52 2.482 4.521 15:山东7.39 4.58 0.501 0.987 0.22 0.379 1.009 0.487 9.197 0.949 2.459 16:河南10.07 6.66 0.335 0.423 0.745 0.442 0.299 0.219 12.504 2.026 4.369 17:湖北8.915 5.734 0.441 0.746 0.543 0.277 0.335 0.246 10.967 1.419 3.324 18:湖南10.17 6.933 0.626 0.795 0.823 0.412 0.221 0.243 12.492 2.013 3.999 19:广东 3.591 2.396 2.232 3.356 1.285 1.165 3.091 2.288 5.084 0.473 1.224 20:广西10.09 6.689 0.605 0.552 0.906 0.451 0.205 0.289 12.336 2.005 3.931 21:海南9.45 5.855 0.879 0.691 0.892 0.399 0.516 0.548 11.35 1.815 3.252 22:重庆7.262 4.587 0.719 1.278 0.681 0.298 0.781 0.579 9.153 0.909 2.374 23:四川7.949 5.323 0.591 0.885 0.616 0.296 0.514 0.328 10.144 1.308 3.07 24:贵州10.60 7.104 0.601 0.42 0.991 0.581 0.188 0.303 12.844 2.353 4.424 25:云南11.176 7.49 0.791 0.437 1.266 0.674 0.143 0.436 13.57 2.663 4.673 26:西藏 5.557 3.595 2.291 4.035 1.22 1.686 3.427 2.405 6.822 0.581 1.149 27:陕西8.432 5.081 0.475 0.813 0.616 0.474 0.667 0.518 10.52 1.271 3.035 28:甘肃11.344 7.393 0.484 0.266 1.012 0.703 0.162 0.316 13.799 2.587 5.023 29:青海7.567 4.648 0.874 1.191 0.289 0.703 1.258 0.731 9.113 1.263 2.497 30:宁夏8.104 5.082 0.695 0.654 0.966 0.768 1.112 0.889 10.347 1.823 3.924 31:新疆8.178 4.91 0.923 0.63 0.87 0.376 0.687 0.69 10.111 1.771 3.461
表4 近似矩阵表续表1
12:安徽13:福
建
14:江
西
15:山
东
16:河
南
17:湖
北
18:湖
南
19:广
东
20:广
西
21:海
南
22:重
庆
9.61 7.063 11.247 7.39 10.073 8.915 10.169 3.591 10.085 9.45 7.262 6.453 4.373 7.414 4.58 6.66 5.734 6.933 2.396 6.689 5.855 4.587 0.388 0.863 0.658 0.501 0.335 0.441 0.626 2.232 0.605 0.879 0.719 0.4 1.708 0.47 0.987 0.423 0.746 0.795 3.356 0.552 0.691 1.278 0.882 0.42 0.977 0.22 0.745 0.543 0.823 1.285 0.906 0.892 0.681 0.534 0.445 0.594 0.379 0.442 0.277 0.412 1.165 0.451 0.399 0.298 0.408 1.372 0.231 1.009 0.299 0.335 0.221 3.091 0.205 0.516 0.781 0.315 0.802 0.326 0.487 0.219 0.246 0.243 2.288 0.289 0.548 0.579 12 8.616 13.52 9.197 12.504 10.967 12.492 5.084 12.336 11.35 9.153 2.076 0.637 2.482 0.949 2.026 1.419 2.013 0.473 2.005 1.815 0.909 4.547 1.814 4.521 2.459 4.369 3.324 3.999 1.224 3.931 3.252 2.374
0 1.125 0.576 0.584 0.147 0.418 0.553 2.347 0.44 0.744 0.752
1.125 0 0.889 0.378 0.869 0.451 0.658 0.977 0.682 0.6 0.33 0.576 0.889 0 0.746 0.302 0.258 0.123
2.712 0.115 0.288 0.724 0.584 0.378 0.746 0 0.444 0.309 0.623 1.17 0.622 0.62 0.387 0.147 0.869 0.302 0.444 0 0.239 0.286 2.344 0.279 0.53 0.631 0.418 0.451 0.258 0.309 0.239 0 0.124 1.748 0.153 0.358 0.212 0.553 0.658 0.123 0.623 0.286 0.124 0 2.303 0.092 0.348 0.415 2.347 0.977 2.712 1.17 2.344 1.748 2.303 0 2.272 1.979 1.195 0.44 0.682 0.115 0.622 0.279 0.153 0.092 2.272 0 0.231 0.44 0.744 0.6 0.288 0.62 0.53 0.358 0.348 1.979 0.231 0 0.516 0.752 0.33 0.724 0.387 0.631 0.212 0.415 1.195 0.44 0.516 0
0.461 0.54 0.479 0.29 0.345 0.122 0.304 1.323 0.319 0.493 0.208 0.386 0.911 0.178 0.773 0.268 0.27 0.188 2.694 0.14 0.365 0.604 0.607 1.135 0.158 1.02 0.467 0.378 0.241 2.845 0.132 0.302 0.743 2.916 0.776 2.855 1.361 2.636 1.823 2.299 1.025 2.375 2.298 1.423 0.44 0.521 0.551 0.257 0.281 0.204 0.471 1.641 0.386 0.531 0.363 0.237 1.281 0.261 0.724 0.122 0.352 0.326 2.991 0.295 0.609 0.864 0.953 0.733 0.978 0.277 0.871 0.581 0.906 1.304 0.851 0.843 0.722 0.295 1.306 1.152 0.624 0.521 0.899 1.215 1.961 1.017 1.084 1.069 0.55 0.888 0.548 0.532 0.488 0.481 0.632 1.618 0.574 0.409 0.689
表4 近似矩阵表续表2
23:四川24:贵州25:云南26:西藏27:陕西28:甘肃29:青海30:宁夏31:新疆7.949 10.598 11.176 5.557 8.432 11.344 7.567 8.104 8.178 5.323 7.104 7.49 3.595 5.081 7.393 4.648 5.082 4.91 0.591 0.601 0.791 2.291 0.475 0.484 0.874 0.695 0.923 0.885 0.42 0.437 4.035 0.813 0.266 1.191 0.654 0.63 0.616 0.991 1.266 1.22 0.616 1.012 0.289 0.966 0.87 0.296 0.581 0.674 1.686 0.474 0.703 0.703 0.768 0.376 0.514 0.188 0.143 3.427 0.667 0.162 1.258 1.112 0.687 0.328 0.303 0.436 2.405 0.518 0.316 0.731 0.889 0.69 10.144 12.844 13.57 6.822 10.52 13.799 9.113 10.347 10.111 1.308 2.353 2.663 0.581 1.271 2.587 1.263 1.823 1.771 3.07 4.424 4.673 1.149 3.035 5.023 2.497 3.924 3.461 0.461 0.386 0.607 2.916 0.44 0.237 0.953 0.295 0.55 0.54 0.911 1.135 0.776 0.521 1.281 0.733 1.306 0.888 0.479 0.178 0.158 2.855 0.551 0.261 0.978 1.152 0.548 0.29 0.773 1.02 1.361 0.257 0.724 0.277 0.624 0.532 0.345 0.268 0.467 2.636 0.281 0.122 0.871 0.521 0.488 0.122 0.27 0.378 1.823 0.204 0.352 0.581 0.899 0.481
0.304 0.188 0.241 2.299 0.471 0.326 0.906 1.215 0.632
1.323
2.694 2.845 1.025 1.641 2.991 1.304 1.961 1.618 0.319 0.14 0.132 2.375 0.386 0.295 0.851 1.017 0.574 0.493 0.365 0.302 2.298 0.531 0.609 0.843 1.084 0.409 0.208 0.604 0.743 1.423 0.363 0.864 0.722 1.069 0.689
0 0.482 0.559 1.809 0.234 0.544 0.491 0.83 0.457 0.482 0 0.122 2.946 0.598 0.208 1.057 0.891 0.518
0.559 0.122 0 3.189 0.707 0.321 1.136 1.189 0.627
1.809
2.946
3.189 0 1.714 3.262 1.625 2.98 2.635 0.234 0.598 0.707 1.714 0 0.518 0.57 0.665 0.641 0.544 0.208 0.321 3.262 0.518 0 1.014 0.697 0.576 0.491 1.057 1.136 1.625 0.57 1.014 0 1.02 0.765 0.83 0.891 1.189 2.98 0.665 0.697 1.02 0 0.544 0.457 0.518 0.627 2.635 0.641 0.576 0.765 0.544 0
显示的是聚类表，该表反映的是每一阶段聚类的结果，系数表示的是“聚合系数”，第2列和第3列表示的是聚合的类。
表5 聚类表
阶
群集组合
系数
首先出现阶群集
下一阶群集 1 群集 2 群集 1 群集 2
1 18 20 .09
2 0 0 2
2 14 18 .119 0 1 7
3 17 23 .122 0 0 9
4 24 2
5 .122 0 0 6
5 1
6 28 .122 0 0 8
6 7 24 .166 0 4 7
7 7 14 .188 6 2 15
8 12 16 .192 0 5 16
9 17 22 .210 3 0 12
10 5 15 .220 0 0 13
11 3 8 .266 0 0 16
12 17 27 .267 9 0 14
13 5 29 .283 10 0 21
14 6 17 .337 0 12 18
15 7 21 .341 7 0 17
16 3 12 .343 11 8 17
17 3 7 .448 16 15 20
18 6 13 .457 14 0 21
19 10 19 .473 0 0 26
20 3 4 .509 17 0 23
21 5 6 .510 13 18 23
22 30 31 .544 0 0 24
23 3 5 .692 20 21 24
24 3 30 .752 23 22 29
25 1 9 .756 0 0 28
26 10 26 .803 19 0 27
27 10 11 1.071 26 0 29
28 1 2 2.132 25 0 30
29 3 10 2.477 24 27 30
30 1 3 8.255 28 29 0
图1
图1是冰柱图，是反映样本聚类情况的图，如果按照设定的类数，在那类数的行上从左到右就可以找到各类所包含的样本。
图2
下文使用聚类分析——K-均值法（快速聚类法）对全国各地工资水平进行聚类分析。
电力、燃气及水的生产和供应业85178 77180 37624
建筑业46421 28595 20836
交通运输、仓储和邮政业51342 48359 30928
信息传输、计算机服务和软件业105560 77125 24896
批发和零售业64150 39901 20563
住宿和餐饮业31978 24679 17588
金融业164643 98135 35311
房地产业50814 42290 22936
租赁和商务服务业63794 32450 21608
科学研究、技术服务和地质勘查业88018 56621 34730
水利、环境和公共设施管理业41376 32462 23186
居民服务和其他服务业27625 35127 21384
教育65150 63693 29725
卫生、社会保障和社会福利业70182 62508 28881
文化、体育和娱乐业76415 56313 28769
公共管理和社会组织55680 64667 30227
表7 迭代历史记录a
表8表示的是最终聚类中心，可以看出，第1类的平均工资水平最高，第2类居中，第3类最低。
表8 最终聚类中心
聚类
1 2 3
农林牧渔34732 26111 18233
采矿业65435 40674 39889
制造业50231 32525 28455
电力、燃气及水的生产和供应业89114 65060 42323
建筑业57736 33777 25348
交通运输、仓储和邮政业54874 46302 36006
信息传输、计算机服务和软件业110542 65838 42077
批发和零售业62830 38780 25744
住宿和餐饮业32397 23664 19325
金融业160203 89405 50474
房地产业49560 42804 27007
租赁和商务服务业62350 32026 25956
科学研究、技术服务和地质勘查业85678 66157 40413
水利、环境和公共设施管理业42876 34257 22250
居民服务和其他服务业31426 33494 25331
教育67444 55005 35274
卫生、社会保障和社会福利业71826 53919 33740
文化、体育和娱乐业72474 51385 31357
公共管理和社会组织64377 59888 33704
表9表示的是最终聚类中心间的距离，可以看出，第2类与第3类之间的距离要比第2类与第1类之间的距离小。
表9 最终聚类中心间的距离
表10表示的是每个聚类中的案例数，可以看出，第1类有2个样本，第2类中有5个样本。
表10 每个聚类中的案例数
表11是聚类表，表示的是每个个案的分类情况：第3列“聚类”表示的是该案例属于哪一类，第4列“距离”表示该案例与其所属类别重心之间的距离。
表11 聚类成员
案例号地区聚类距离
1 北京 1 19080.497
2 天津 2 47144.308
3 河北 3 21776.914
4 山西 3 26950.867
5 内蒙古 3 23614.445
6 辽宁 3 21553.810
7 吉林 3 22471.476
8 黑龙江 3 15249.143
9 上海 1 19080.497
10 江苏 2 26331.737
11 浙江 2 30027.727
12 安徽 3 21477.409
13 福建 3 36523.329
14 江西 3 24449.786
15 山东 3 20258.021
16 河南 3 17730.573
17 湖北 3 11889.098
18 湖南 3 19620.749
19 广东 2 24566.340
20 广西 3 17210.742
21 海南 3 29039.875
22 重庆 3 32583.129
23 四川 3 18322.001
24 贵州 3 22550.694
25 云南 3 23158.600
26 西藏 2 37628.986
27 陕西 3 16775.004
28 甘肃 3 28183.066
29 青海 3 28594.439
30 宁夏 3 35524.708
31 新疆 3 18458.468
北京与上海属于第1类，工资水平最高，天津、江苏、浙江、广东、西藏属于第2类，其他则属于第3类，工资水平较低。
4．结论
4.1不同行业平均工资水平的比较
平均工资水平较高的三个行业分别是金融业（63832.23元），信息传输、计算机服务和软件业（50326.61元），电力、燃气及水的生产和供应业（49008.81元）；平均工资水平较低的三个行业分别是农、林、牧、渔业（20568.32元），住宿和餐饮业（20868.55元），水利、环境和公共设施管理业（25516.94元）。
4.2不同地区平均工资水平的比较
比较系统聚类法和K-均值聚类法（快速聚类法）的输出结果，可以看出，其聚类结果大致相同。比较合理的聚类方法是将所有样本分成3类，第1类包括北京、上海，第2类包括天津、广东、浙江、江苏、西藏，剩下的其他样本属于第3类。很显然，第1类的工资水平（经济发展水平）最高，第2类居中，第3类次之。
行业薪资调查报告doc
行业薪资调查报告 篇一：XX公司薪资调研报告 XX公司薪资调研报告 开展此项工作的背景： 1. 目前企业普遍存在着员工之间相互攀比的问题，都觉得自己的工资低，同级岗位之间苦乐不均，部分员工心理不平衡； 2. 企业没有一个统一的可以公示的薪资管理办法，新进员工的工资确定人为因素较大，随意性强，不利于企业正常的人力资源管理。 3. 管理人员考核跟不上，方案中考核基本无法执行，考核形同虚设。 4. 企业没有薪酬设计的原则可以遵循，没有可以承受的薪资成本底限控制。 调研目的： 1. 提出符合企业现阶段管理的薪资总量控制点及薪资结构。 2. 使企业薪资水平既具有一定的市场竞争力，又能够满足企业薪资成本底限的要求。 3. 形成企业内部薪资调节机制，达到刺激竞争的作用，避免内部的薪资不公平现象，所有的调整过程有既定的程序、有公开的标准、有可衡量的依据。 一、人员标准薪资层级分析 ? 高管层
? 中层、主管及顾问 中层管理人员 ? 普通管理层 管理人员标准工资比例分析表： ? 辅助部门： 辅助部门人员 ? 一线生产人员： 一线生产人员 篇二：XX薪酬调查报告(终) XX年度薪酬调查报告 人力资源部 XX年1月9日 目录 一、调薪频率及范围 ................................................ ................................................... ............................ 1 二、薪酬增长率 ................................................ ................................................... (1) 1、全国平均增长率 ................................................ ...................................................
最新数据分析员工作总结
数据分析员工作总结数据分析员是根据数据分析方案进行数据分析的人员，能进行较高级的数据统计分析。下面是出国留学网的先、编为大家精心整理的“数据分析员工作总结”，供大家阅读!希望能够帮助到大家!篇一：数据分析员工作总结在数据分析岗位工作三个月以来，在公司领导的正确领导下，深入学习关于淘宝网店的相关知识，我已经从一个网店的门外汉成长为对网店有一定了解和认知的人。现向公司领导简单汇报一下我三个月以来的工作情况。 一、虚心学习 努力提高网店数据分析方面的专业知识作为一个食品专业出身的人，刚进公司时，对网店方面的专业知识及网店运营几乎一无所知，曾经努力学习掌握的数据分析技能在这里根本就用不到，我也曾怀疑过自己的选择，怀疑自己对踏出校门的第一份工作的选择是不是冲动的。 但是，公司为我提供了宽松的学习环境和专业的指导，在不断的学习过程中，我慢慢喜欢上自己所选择的行业和工作。一方面，虚心学习每一个与网店相关的数据名词，提高自己在数据分析和处理方面的能力，坚定做好本职工作的信心和决心。另一方面，向周围的同同事学习业务知识和工作方法，取人之长，补己之短，加深了与同事之间的感
情。 二、踏实工作 努力完成领导交办的各项工作任务三个月来，在领导和同事们的支持和配合下，自己主要做了一下几方面的工作 1、汇总公司的产品信息日报表，并完成信息日报表的每日更新，为产品追单提供可靠依据。 2、协同仓库工作人员盘点库存，汇总库存报表，每天不定时清查入库货品，为各部门的同事提供最可靠的库存数据。 3、完成店铺经营月报表、店铺经营日报表。 4、完成每日客服接待顾客量的统计、客服工作效果及工作转化率的查询。 5、每日两次对店铺里出售的宝贝进行逐个排查，保证每款宝贝的架上数的及时更新，防止出售中的宝贝无故下架。 6、配合领导和其他岗位的同事做好各种数据的查询、统计、分析、汇总等工作。做好数据的核实和上报工作，并确保数据的准确性和及时性。 7、完成领导交代的其它各项工作，认真对待、及时办理、不拖延、不误事、不敷衍，尽量做到让领导放心和满意。 三、存在的不足及今后努力的方向 三个月来，在公司领导和同事们的指导和配合下，自己虽然做了一些力所能及的工作，但还存在很多的不足，主要是阅历浅，经验少，有时遇到相对棘手的问题考虑欠周密，
数据分析师薪资_数据分析师一个月的工资是多少钱
https://www.360docs.net/doc/4915281578.html, 数据分析师薪资_数据分析师一个月的工资是多少钱 数据分析师薪资https://www.360docs.net/doc/4915281578.html,_数据分析师一个月的工资是多少钱？数据分析师指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。数据分析师需要的是对所在业务有深刻了解，能熟练运用手上的工具（无论是Excel，SPSS也好，Python/R也好，工程师给你开发的工具也好，必要时还要能自己充当工程师和科学家，力尽所能得到自己需要的工具）有针对性地对数据作分析，并且需要把发现言之有物地向其他职能部门呈现出来，最终变为行动。 数据分析师薪资在15万——50万的范围，一个月1万-5万的月薪。 接下来我们看一下数据分析师的招聘需求。 数据分析师—增长黑客 薪资：30000-50000 经验：5-10年 职位类型：IT互联网 岗位职责：1、依托业务流程的关键节点，梳理核心指标并逐层拆解，建立指标分析体系；2、整合打通面向增长的相关团队数据，并分析挖掘增长点；3、提取数据分析主题的相关数据，并运用分析能力形成结论；4、根据分析思路与框架，提炼数据产品需求，与相关团队（如数据中心、产品技术等）协作并推动落地，实现数据产品化；5、关注行业动态，为委员会输出数据能力。任职要求：1、经济、统计、计算机等相关专业，在互金或相关领域有3年以上经验优先。2、具有良好的商业敏感度和数据分析技能，能够进行高效而实际的分析方
https://www.360docs.net/doc/4915281578.html, 法以解决各类的业务问题。3、具有较强的逻辑思维能力，清晰的沟通表达能力，严谨细致，追求极致。4、至少熟悉SQL等一种数据处理语言，能熟练使用Excel或Tableau等数据分析工具，熟悉掌握决策树、逻辑回归、聚类、实验设计。 光环大数据，拥有16年的程序员培训经验，上市公司品牌，口碑极好，一线名师授课，强大的教研团队研制开发最新的课程，与中关村软件园战略合作保障人才输出，与学员签订就业协议保障就业问题！真正的靠谱品牌！ 数据分析师培训，就选光环大数据！ 为什么大家选择光环大数据！ 大数据培训、人工智能培训、Python培训、大数据培训机构、大数据培训班、数据分析培训、大数据可视化培训，就选光环大数据！光环大数据，聘请专业的大数据领域知名讲师，确保教学的整体质量与教学水准。讲师团及时掌握时代潮流技术，将前沿技能融入教学中，确保学生所学知识顺应时代所需。通过深入浅出、通俗易懂的教学方式，指导学生更快的掌握技能知识，成就上万个高薪就业学子。 【报名方式、详情咨询】 光环大数据官方网站报名：https://www.360docs.net/doc/4915281578.html,/ 手机报名链接：http:// https://www.360docs.net/doc/4915281578.html, /mobile/
全国各行业工资待遇一览
2013年国内各行业工资待遇一览 快速消费类： 宝洁：本7200、研8200、博9700，均14个月，另有800交通补助，marketing每9个月涨20％－30％。 玛氏：月薪10000。据说将14个月的工资除以12得出的数据，有知情者可以证实或证伪。 箭牌：sales:4400×15。 金融类： 阳光财险：研究生，投资研究岗，全年基本工资+奖金+福利＝8万（税前） 汇丰银行：Global markets中国大陆地区外汇trader，月薪8000。汇丰的BDP项目起薪8000，18个月培训后涨到12000。
东京三菱银行：上海外汇trader可参考汇丰薪水，起薪不超过1万。 花旗银行MT：8000×13。 高盛香港：所有部门，不分本研，起薪66万港币，但bonus可能不同。 高盛高华：固定收益部trader，本科生：30万。 中金IBD：本科：111000base，sign on bonus 9250×6。 研究生：19万base,sign on bonus 19250×10。 中信IBD：11000+ 巴克莱：香港sales：40万港币。 瑞银证券（UBSS）：operation部门15万、投行部门30万，本科和研究生一样，奖金要看项目。
荷兰国际ING：有一个base在香港的培训项目，是local pay＋global relocation package的形式，总额比一般投行都高（约70－80w），以前只招MBA，今年扩大到普研，值得争取。现在有越来越多的公司有这样的项目，大家要多留心想在国内读MBA的，以后可以瞄准这的项目。 中信银行总行：平均起薪5－6万，本科和研究生差别不大。 农行总行软开：转正后6500/月，房补1500左右，一年12个月。 招行管培：算是管培里面待遇比较好的，年薪10万，但是去深圳的话消费比北京要高 深发展管培：实习的时候非常非常少，少的可怜就不说了，转正了年薪8－10万，不同部门差别比较大，做前端的比做后端的多很多，信用卡中心比总行少很多。进出口总行：实习的时候3500，转正了4500，待遇福利一般 国开行总行：转正了7000以上，福利很好
数据分析师BDA大数据
13、R代码如下： df<- data.frame( Name=c("Alice","Becka","James","Jeffrey","John"), Sex=c("F","F","M","M","M"), Age=c(13,13,12,13,12), Height=c(56.5,65.3,57.3,62.5,59.0), Weight=c(84.0,98.0,83.0,84.0,99.5) ) 将df保存为C盘rLX（已建立）子目录中的test.csv文件，R代码为____________________。 14、设列表变量为“Lst<-list(name="Fred", wife="Mary", no.children=3, child.ages=c(4,7,9));”，Lst[["name"]]返回值为____________________。 15、设方阵为“A <- t(array(c(1:8, 10),dim=c(3,3)));”，函数eigen(crossprod(A,A))求____________________。 16、一组数据分布的最高峰点所对应的变量值即为____________________。 17、平均发展速度是环比发展速度的序时平均数，它有____________________和_____两种计算方法。 18、总指数按计算方法不同，可分为____________________和_____。 19、要设置一条1像素粗、200像素长的左对齐的水平线，应使用语句____________________。 20、链接式CSS样式表是通过使用html链接文件标签____________________将外部CSS应用到本页面的样式使用方法。 21、GIF格式的特点有：支持动画、无损压缩、最多包含256种颜色、____________________ 等。 22、盒子模型的float属性有三个属性值____________________。 23、在幻灯片中将插入点置于“大纲”选项卡，再按____________________键即可选取演示文稿中所有占位符中的文本。 24、数据的转置应选择____________________。 25、word默认显示的工具栏是____________________工具栏。
IT行业薪酬调查报告范文
IT行业薪酬调查报告范文 一、薪酬水平调查 技术岗位： 备注： 1、测试工程师，根据工作经验及能力等方面的划分，也可分为初级、中级、高级。 初级(测试员)一般为1.5K-2.2K。中级(测试工程师)为2.5K-3.5K;高级测试工程师为4K-6K。根据本公司情况，该职位人员需求较少，未做过多调查。 2、该调查结果是结合前程无忧，中华英才的薪酬调查工具，以及收集的60多家公 司的信息中的职位薪酬、150份简历中的目前薪酬与期望薪酬的综合评估。(统计可能不 太准确，仅供参考) 二、企业薪酬结构汇总 公司1：工资结构=岗位工资+工龄工资+学历工资+福利 (1)岗位工资根据工作岗位和技能水平确定;工龄工资根据员工实际参加工作时间和在 本公司工作时间而定，员工在其他单位的工龄为每年3元，在本公司的工龄为每年6元; 学历工资，根据员工所具有的学历水平来确定，本科60，硕士120，博士180.
(2)技术人员的工资根据公司内部评定的技能等级来确定。技术人员工资制度：工资=固定岗位工资+季度浮动工资 固定岗位工资=岗位工资*90%;季度浮动工资=岗位工资*3*个人季度考核系数*10% (3)新进员工工资一般定位招聘岗位工资等级内第一档。对公司急需的特殊，其工资档可根据工资协商定在招聘岗位工资等级内相应档。公司2：工资结构=基本薪酬+岗位薪酬+基本奖+考核奖+福利 (1)技术人员有25级薪资职级，新进员工，根据其工作年限、学历、以往工作成果确定工资序列职级。 (2)每年1月，对已在公司工作一年以上的技术人员重新评定其技术序列职级。考评人为各部门经理，考评依据月度考核成绩汇总，项目考核情况、年终考评意见。 公司3：工资结构=岗位工资+技能工资+基础贡献工资+工资性津贴初始技能工资的确定： (1)技术岗位初始技能工资依据公司内聘技术职称确定，若低职称转高职称，其技能工资不低于转职前的技能工资; (2)新入职员工其初始技能工资依据其最高学历、实际能力经技术委员会确定内部职称后相应确定; (3)技能工资升级考核办法： ①员工通过自学、自修或带职上学等获得更高学历的，晋升半级～一级技能工资，但不得超过岗位最高级; ②员工通过高级培训获得公司认可的证书者，晋升半级～一级技能工资，但不得超过岗位最高级; ③员工获得公司二等或三等成果奖者，分别晋升一级或半级技能工资，但不得超过岗位最高级; ④针对年度能力评估情况相应调整技能工资。 公司4：薪酬结构=基本工资+绩效薪酬+年功工资+津贴补助+福利 (1)不同岗位的基本工资、年功工资津贴补助的所占比例不同，研发部员工的薪资构成=基本薪酬(45%)+年功工资(5%)+津贴补助(5%)+福利(10%)+季度奖金(20%)+年度奖金(15%)
数据分析师薪资待遇如何,一位过来人的身份告诉你
数据分析师薪资待遇如何，一位过来人的身份告诉你 随着大数据时代的到来，企业对数据价值的重视，数据分析师的市场越来越大，毫无疑问数据分析师已成为“当今最具发展潜力的职业”，吸引了无数像小编这样的热血青年，在迈进大数据行业之前，先来了解一下数据分析师工资收入多少？ 在美国，大数据分析师平均每年薪酬高达17.5万美元，而国内顶尖互联网公司，大数据分析师的薪酬可能要比同一个级别的其他职位高20%至30%，且颇受企业重视。 国内拉勾网上，我们通过爬虫采集数据进行分析发现，全国有29个城市的企业有数据分析师的岗位的人才需求，其中将近一半需求产生在北京市，需求量全国第一。排在前5的分别是：北京、上海、深圳、杭州、广州。数据分析这一职业大量集中在北上广深四大一线城市，以及杭州这个互联网和电子商务企业的聚集地。 通过以上数据可以得出一个结论：数据分析师这高精尖职位，有大量的工作机会集中在北上广深以及杭州，期待往这个方向发展的同学还是要到这些城市去多多尝试。当然，从另一个方面说，这些城市也都集中了大量的各行业人才，竞争压力想必也是很大的。 任何行业都是看经验的，经验是王道，数据分析师也不例外，按工作经验统计，工作3年至5年薪资待遇普遍不会低于15K，拥有8年至10年经验的数据分析师平均薪资可以达25K 左右。怎么样是不是很心动？高薪职业就看你敢不敢来挑战喽！ 数据分析师薪资这么高，工作是不是很累呢？关于数据分析师工作累不累，CPDA师兄有话说 成为一名合格的数据分析师，不是那么简单的，数据分析师这个职业很肯定说是前途无量，然而，这也说明这并不是一个容易上手的工作，就业门槛是不低的。数据分析师需要储备大
各行业年平均工资
2017各行业年平均工资 2017行业平均工资出炉！国家统计局27日发布消息，公布了2016年不同岗位的平均工资水平。下面是小编收集整理的2017各行业年平均工资，欢迎阅读参考！！ 信息传输、软件和信息技术服务业年平均工资水平突破12万元，首次超过金融业，排名各行业门类首位，金融业工资水平则退居 次席。 全部就业人员年平均工资为57394元 ——外企岗位工资差距最大 调查显示，2016年全部一套表平台被调查单位就业人员年平 均工资为57394元，比2015年增长7.0%。 其中，中层及以上管理人员平均工资(123926元)最高，是一套表平台全部就业人员平均水平的 2.16倍；商业、服务业人员平均工资(46742元)最低，是一套表平台全部就业人员平均水平的81%。 从各类型企业岗位间差距看，外商投资企业岗位工资差距最 大，岗位平均工资最高与最低之比为 4.32；其次是港澳台商投资企业，最高与最低之比为 3.45；第三是国有企业，最高与最低之比是2.91。私营企业和其他内资企业岗位平均工资差距最小，最高与最低之比分别为 2.27和2.29。 IT业年平均工资破12万元为最高
——工资水平首次超过金融业 长期以来，金融业的平均工资水平排在首位，但今年悄然发生了变化，IT业平均工资水平首次超过金融业，排名各行业门类首位。 数据显示，2016年信息传输、软件和信息技术服务业年平均 工资为122478元，比上年增长9.3%，而金融业年平均工资为117418元，比上年仅增长 2.3%，增幅排各行业门类第二低位。 对于这种排位的变化，国家统计局人口和就业统计司首席统计 师孟灿文解读称，随着信息技术产业持续快速发展，信息传输、软件 和信息技术服务业平均工资得以快速增长。而金融业工资水平退居次席，主要受银行业高管限薪以及股市低迷等因素影响。 私营、非私营单位工资差距较大 ——非私营单位高出逾 2.4万元 从工资水平看，2016年，城镇私营单位就业人员年平均工资 为42833元，全国城镇非私营单位就业人员年平均工资为67569元。可见，二者之间工资差距明显，非私营单位平均工资比私营单位高出 了逾2.4万元。 为何两者工资水平差距较大？中国劳动学会副会长苏海南对 中新网记者分析，非私营单位包括国企、外企等，大中型企业居多， 效益比较好，而私营企业多数是劳动密集型中小企业，劳动生产率低于非私营企业，劳动者工资正常增长机制又大都没有完全建立健全， 劳动者议价能力也不强，导致工资水平明显低于前者。 苏海南认为，这两类用人单位平均工资差距大，有其客观原因，
大数据分析培训_数据分析师挣多少钱_光环大数据培训
https://www.360docs.net/doc/4915281578.html, 大数据分析培训_数据分析师挣多少钱_光环大数据培训 光环大数据作为国内知名的数据分析培训的机构，聘请专业讲师面对面授课，与时俱进及时更新课程体系，为保障学员就业与多家单位进行合作，保障学员就业。光环大数据所有项目都由阿里云真实项目数据，光环大数据成为阿里云授权认证中心，毕业通过相关考试就可以获得阿里云的证书。 从去年7月份开始学习 Udacity 的“数据分析师”纳米学位课程，到现在也算学了不少内容，接下来打算慢慢开始找工作了。既然想要从事数据分析师这个岗位，那自然首先需要对这个岗位有所了解。最直接、最真实的方式就是从企业那里获得需求讯息，这样才最能够指导自己的学习方向和简历准备。本次项目即是要利用爬虫爬取拉勾网上数据分析这一岗位的信息，然后进行一些探索和分析，以数据分析来了解‘数据分析’。 数据来源 本项目所使用的数据集全部来自拉勾网，是通过集搜客这一网络爬虫工具来爬取的。集搜客是一款简洁易用且功能强大的网络爬虫产品，通过鼠标点选和简单的命令操作即可实现爬虫的定制和运行，这里也推荐一下。之所以选择拉勾网作为本项目的数据源，主要是因为相对于其他招聘网站，拉钩网上的岗位信息非常完整、整洁，极少存在信息的缺漏。并且几乎所有展现出来的信息都是非常规范化的，极大的减少了前期数据清理和数据整理的工作量。（笔者毕竟是工作之余完成，时间有限，能省则省）本次爬取信息的时候，主要获得了以下信息： 内容字段岗位名称title月薪month_salary公司名称company所属行业industry公司规模scale融资阶段phase投资人investors所在城市city经验要求experience学历要求qualification全职/兼职full_or_parttime职位描述及任职要求description
日本各行业薪资水平
发布: 2009-5-05 21:18 | 作者: redkiller | 来源: 环球手机帮 此主题相关图片如下：
这是日本go-vern-ment统计的，从事该职业人士的平均收入情况。 日本各行从业人员收入差距相对较小，民航驾驶员收入是轻轨电车驾驶员的两倍，而在中国，民航正驾驶月入数万甚至十万是最基本的，北京地区公交车司机月入2000元左右，相差50倍 日本空姐收入和电工差不多 此主题相关图片如下：
日本律师的收入和社会地位远不如欧美国家 还有就是艺人收入 一线艺人年入百万美元计 收入第一的小室哲哉近15年平均年入500万美元，考虑到日本平成萧条后收入水平维持不变 差不多日本顶尖艺人年入是普通人的100倍 而中国情况就不同了，恐怕上千倍都不止 一个演员往往一两部电视剧主演男女一二号后，就可以购买豪华单元房和进口汽车。 此主题相关图片如下：
中国平安保险公司: （2007年营业额人民币886.68亿元） 董事长马明哲年薪6600万人民币 职员平均年薪2万7千人民币 底层员工平均年薪1万8千人民币 日本丰田汽车公司（2007年营业额2303亿美元） 社长渡边捷昭年薪2415万日元 社员平均工资737万日元 底层员工（汽车装配工）平均年薪425万日元 日本企业车间里的技术工人收入和地位往往比坐办公室的中高层管理人员都要高 日本文化讲究实干办公室的设计人员和管理人员经常下车间这是日本企业不同于欧美企业的地方 在日本有技术的技术工人有地位受尊敬在中国大家大家都努力找一个不干实事的位置。 此主题相关图片如下：
日本社会个人所得税税率与收入成正比递增 比其他国家都厉害抑制富人方面比欧美国家要厉害 遗产税印象中高达70% 总之在鼓励多劳多得抑制暴利收入阶层方面比欧美尤其是美国要做的彻底的多 日本基本是奖勤罚懒推崇工蚁精神抑制富人打压暴利；美国则是鼓励精英阶层（包括演艺体育精英）多拿钱鼓励暴利 普通公务员年入和技术工人差不多 但教师与pol.ice收入较丰厚 农民按照户均计算，考虑到分摊个人，收入应该是偏低的 但考虑到农村食品价格偏低同时农民一般不需承担购房压力，生活应该是过得去甚至比城里人更加闲适。
某些地区各行业工资水平的分析
年某些地区各行业工资水平的分析
————————————————————————————————作者：————————————————————————————————日期： 2
2009年某些地区各行业工资水平的分析 1、研究背景及意义 1.1研究背景 工资水平是指一定区域和一定时间内劳动者平均收入的高低程度。生产决定分配，只有经济发展才能提供更多的可分配的社会产品，因此一个地区的工资水平在一定程度上反映了其经济发展的水平。工资水平的影响因素包括地域的影响。企业所在的地区对企业的工资水平有相当大的影响，顺应这种大环境的要求才不会引起员工的异议。一般企业在确定其工资水平时，都应该对本地区的工资水平进行调查，以便对相关的工资环境有一个大概的了解。 1.2研究意义 1、通过多元统计分析方法，研究一个地区的工资水平与其经济发展水平的内在联系。 2、将平均工资划分为3类，分析哪些地区、哪些行业的工资水平较高，可为员工和企业提供宏观上的指引。 2、数据描述 本数据集象征性地抽取全国15个省市（北京、天津、河北、山西、辽宁、吉林、上海、江苏、浙江、安徽、福建、江西、湖南、广东、海南）的工资状况，各省市分别记录了其9个主要行业（企业、机关、农林牧渔业、采矿业、制造业、建筑业、计算机软件业、批发零售业、住宿餐饮业）的平均工资水平，具体参见下图： 3、分析方法 3.1通过描述统计分析方法，判断哪些行业平均工资水平较高
通过比较不同行业（如企业、机关、建筑业、制造业······）的均值、标准差、极大值、极小值，可以从总体上判断哪些行业的工资水平比较高，哪些行业 的较低。 3.2通过系统聚类分析方法，判断哪些地区平均工资水平较高 通过对不同地区进行聚类，使具有相似特征（亲疏程度高）的地区聚集在一起，使差异性大的地区分离开来，有助于合理地分析地域工资水平的情况。 4、输出结果分析 4.1描述统计结果分析 1、由表1分析统计量的输出结果可知：平均工资水平较高的三个行业分别是： 计算机软件业（55777.2元）、机关（43972.53元）、采矿业（39323.93元）；平均工资水平较低的三个行业分别是：农林牧渔业（20035.47元）、住宿餐饮 业（20619.67元）、制造业（27943.33元）。在9个行业中，极大值最大的是 计算机软件业（105413元），极小值最小的是农林牧渔业（8841元）。 Descriptive Statistics N Minimum Maximum Mean Std. Deviation 企业15 22000 62046 3.33E4 11642.301 机关15 26668 74734 4.40E4 17047.500 农林牧渔业15 8841 45925 2.00E4 10432.601 采矿业15 22846 66138 3.93E4 12600.091 制造业15 21242 48207 2.79E4 7662.814 建筑业15 19519 69131 2.96E4 13359.351 计算机软件业15 27753 105413 5.58E4 23372.698 批发零售业15 16263 60260 2.99E4 12801.976 住宿餐饮业15 13577 38040 2.06E4 6566.173 Valid N (listwise) 15 4.2系统聚类结果分析 1、表2数据中给出了样本处理的基本信息，包括样本总数、含有缺失值的样本数 以及百分比等。 Case Processing Summary a Cases Valid Missing Total N Percent N Percent N Percent 15 83.3% 3 16.7% 18 100.0% a. Squared Euclidean Distance used
薪酬报告系列-2020全国地区高级数据分析师岗位薪酬调查报告
2020 全国地区高级数据分析师岗位薪酬调查报告
一、调研概述 1.1 薪酬调研简介 本次薪酬调研由薪酬网全程控制，调查的企业覆盖多个行业、多种企业性质，调查项 目涉及工资、补贴、奖金、福利等薪酬项目及企业劳动制度，反映了企业员工的薪酬现状， 以及行业未来的薪酬发展方向。 本次薪酬调研，薪酬网制定了周密的调查方案，凭借薪酬网便捷高效的在线调研系统， 丰富的调查经验与专业的顾问团队；依托网站深厚的数据来源、庞大的客户群体，为企业 提供高价值的人力资源深度研究报告。快速简便的查询方法，适合各种专业程度的人力资 源从业者。 调查流程 收集数据 报告发布 数据分析 1.2 数据有效时间及有效样本 企业薪酬提交的人力资源数据起止时限为一个完整财务年度数据。 本次调研数据起止时限为：2019 年 01 月 01 日至 2019 年 12 月 31 日 本次岗位薪酬调研薪酬口径：总现金收入 薪 酬 网
涉及行业 ︱ Industry 信息技术和互联网(计算机软硬件，通讯) IT, Telecom and Software 电子技术Electrical/Electronic Engineering 金融（银行，风险基金） Finance (Banking, Venture Capital) 贸易Trading 快速消费品（食品，饮料，化妆品） Fast Moving Consumer Goods 耐用消费品（服装，纺织，家具，家电，工艺品） Durable Consumer Goods 咨询业 Consulting 生物/制药/保健/医药 Biomedical/Pharmaceutical/Healthcare 建筑/设计/装潢 Construction/Design/Decoration 酒店/餐饮 Hotel and catering 广告业 Advertising 加工/制造（工业自动化，设备，零部件） Manufacturing 化工/能源 Chemical Engineering/Energy 交通/运输/物流 Transportation/Logistic/Distribution 批发和零售 Wholesale & Retail 房地产及中介 Real Estate & Agency 服务业 Service 薪 酬 网
2018年至2019年国内主要行业薪酬调查
2018～2019年度五大行业薪酬大揭秘 2019年初，北京外企服务集团委托其下属的北京外企太和企业管理顾问公司进行了系统的薪酬数据调查和全面的分析工作，涉及企业４００家，网上有效问卷７５６９份。调查行业分别是：外资高科技行业、民营高科技行业、制药行业，消费品行业和能源化工行业。 纵观2018－2019年五大行业的薪酬福利市场，可以得出以下一些结论： ●五大行业的薪酬档次水平和国际薪酬趋势发展趋同，随着员工级别升高，薪酬趋势线逐渐陡峭。 ●外资高科技行业薪酬水平仍居五大行业之首，民营高科技紧追不及，在中高层员工的薪酬水平上，民营高科技在五大行业中处于低位。 ●消费品行业薪酬水平落差最大，最高点与最低点的相差近５倍。 ●化工行业与制药行业从总体的薪酬趋势来看，较为平滑，但整体合理。 据由高至低显示如下：外资高科技业、能源化工行业、消费品业、民营高科技行业、制药行业。其中高科技行业１８４７９５元，能源化工行业１４８８４０元，消费品行业１０９９６５元，民营高科技行业１０６７４３元，制药行业１００５２９元。不同行业年薪最高值之间最大相差８４２６４元。 ●业绩奖金：2018-2019年外资高科技行业与制药行业齐头并进。五大行业在业绩奖金方面的顺序，由高到低依次为：外资高科技、制药行业、民营高科技、能源化工行业、消费品业。其中外资高科技行业３１６０２元，制药行业３１１８３元，民营高科技行业２４０２７元，能源化工行业１６７６４元，消费品行业１２３８９元。可以看出，制药行业与外资高科技行业在业绩奖金方面较为突出，都达到年业绩奖金近３２０００元，也说明这两大行业更注重对员工的短期激励。 ●福利方面，外资高科技仍居榜首，化工行业紧随其后。调查结果显示，福利方面外资高科技行业与化工行业处于较高位置，两个行业年福利水平都超过２５０００元，其余三个行业水平相当，都在１５０００元左右。 哪些行业薪水较高？ 根据英才薪酬调查数据显示，目前一些薪酬水平较高的行业包括电信、快速消费品和计算机、互联网行业，这里的快速消费品指的是像食品、饮料和烟草这样的行业，其中电信收入最高，平均年薪为５７２０８元，快速消费品行业为４８７６９元，计算机行业为４５２７６元，互联网行业为４４０１４元；薪酬水平较低的行业包括协会、学会、社团，平均年薪为１９７０４元，社区服务和非盈利机构为１９３２５元，政府、公共事业为１７９９３ 资源、培训这一职业来说，电信行业的平均年薪是７７９６７元，教育文化行业为２８１６１元。 市场薪酬水平高低差异的主要有两方面的因素，一是行业之间的差距，如垄断性行业和一般竞争性行业之间就有比较大的差距，这一点在国有企业中比较明显，而后者企业间的差距就没那么大，这是由市场机制决定的。二是由企业自身的经济效益决定的，效益好的企业薪酬水平自然就会高一些。 总体薪资明显下降
数据分析员工作总结
数据分析员工作总结 在数据分析岗位工作三个月以来，在公司领导的正确领导下，深入学习关于淘宝网店的相关知识，我已经从一个网店的门外汉成长 为对网店有一定了解和认知的人。现向公司领导简单汇报一下我三 个月以来的工作情况。 一、虚心学习 努力提高网店数据分析方面的专业知识作为一个食品专业出身的人，刚进公司时，对网店方面的专业知识及网店运营几乎一无所知，曾经努力学习掌握的数据分析技能在这里根本就用不到，我也曾怀 疑过自己的选择，怀疑自己对踏出校门的第一份工作的选择是不是 冲动的。 但是，公司为我提供了宽松的学习环境和专业的指导，在不断的学习过程中，我慢慢喜欢上自己所选择的行业和工作。一方面，虚 心学习每一个与网店相关的数据名词，提高自己在数据分析和处理 方面的能力，坚定做好本职工作的信心和决心。另一方面，向周围 的同同事学习业务知识和工作方法，取人之长，补己之短，加深了 与同事之间的感情。 二、踏实工作 努力完成领导交办的各项工作任务三个月来，在领导和同事们的支持和配合下，自己主要做了一下几方面的工作 1、汇总公司的产品信息日报表，并完成信息日报表的每日更新，为产品追单提供可靠依据。 2、协同仓库工作人员盘点库存，汇总库存报表，每天不定时清 查入库货品，为各部门的同事提供最可靠的库存数据。 3、完成店铺经营月报表、店铺经营日报表。
4、完成每日客服接待顾客量的统计、客服工作效果及工作转化率的查询。 5、每日两次对店铺里出售的宝贝进行逐个排查，保证每款宝贝的架上数的及时更新，防止出售中的宝贝无故下架。 6、配合领导和其他岗位的同事做好各种数据的查询、统计、分析、汇总等工作。做好数据的核实和上报工作，并确保数据的准确性和及时性。 7、完成领导交代的其它各项工作，认真对待、及时办理、不拖延、不误事、不敷衍，尽量做到让领导放心和满意。 三、存在的不足及今后努力的方向 三个月来，在公司领导和同事们的指导和配合下，自己虽然做了一些力所能及的工作，但还存在很多的不足，主要是阅历浅，经验少，有时遇到相对棘手的问题考虑欠周密，视角不够灵活，缺乏应变能力;理论和专业知识不够丰富，导致工作有时处于被动等等。 另外，由于语言不通的问题，在与周围的同事沟通时，存在一定的障碍。 针对以上不足，在今后的工作中，自己要加强学习、深入实践、继续坚持正直、谦虚、朴实的工作作风，摆正自己的位置，尊重领导，团结同事，把网店的数据分析工作做细做好。 四、对公司人员状况及员工工作状态的分析 1、对公司人员状况的分析要想管好一个企业，首先要管好这个企业的人，要想管好一个企业的人，首先要对这个企业人员的基本情况有个比较全面的、细致的、科学的正确的了解。 目前公司成员大部分为90后，是一个年轻化的团队。他们大部分在长辈们的宠爱中长大，心理素质不怎么成熟，没有自信心，没有目标，责任心不强，不怎么能吃苦，心理承受能力较弱，不爱学习，不明白工作的真正意义。不过也有一部分比较懂事，做事比较踏实、勤奋、性格也比较好。
各行业薪资水平
快消类： 宝洁：本7200、研8200、博9700，均14个月，另有800交通补助，marketing每9个月涨20％－30％。 玛氏：月薪10000。据说将14个月的工资除以12得出的数据，有知情者可以证实或证伪 箭牌:sales:4400×15。 金融类：（回帖可见，大家顶起来看！） 阳光财险：研究生，投资研究岗，全年基本工资+奖金+福利＝8万（税前） 汇丰银行：Global markets中国大陆地区外汇trader，月薪8000。汇丰的BDP项目 起薪8000，18个月培训后涨到12000。 东京三菱银行：上海外汇trader可参考汇丰薪水，起薪不超过1万。 花旗银行MT：8000×13。 高盛香港：所有部门，不分本研，起薪66万港币，但bonus可能不同。 高盛高华：固定收益部trader，本科生：30万。 中金IBD：本科：111000base，sign on bonus 9250×6。 研究生：19万base,sign on bonus 19250×10。 中信IBD：11000+ 巴克莱：香港sales：40万港币。 瑞银证券（UBSS）：operation部门15万、投行部门30万，本科和研究生一样， 奖金要看项目。 荷兰国际ING：有一个base在香港的培训项目，是local pay＋global relocation package 的形式，总额比一般投行都高（约70－80w），以前只招MBA，今年扩大到普研，值得争取。现在有越来越多的公司有这样的项目，大家要多留心想在国内读MBA的，以后可 以瞄准这的项目。 中信银行总行：平均起薪5－6万，本科和研究生差别不大。 农行总行软开：转正后6500/月，房补1500左右，一年12个月。 招行管培：算是管培里面待遇比较好的，年薪10万，但是去深圳的话消费比北京要高 深发展管培：实习的时候非常非常少，少的可怜就不说了，转正了年薪8－10万，不同 部门差别比较大，做前端的比做后端的多很多，信用卡中心比总行少很多。 进出口总行：实习的时候3500，转正了4500，待遇福利一般 国开行总行：转正了7000以上，福利很好 嘉实基金：固定收益部研究生：基本工资11.2万，基本奖金4.8万。绩效奖金和福利不祥。固定收益部交易员（本科）：年薪10万左右，不包括分红。 华安基金：研究生，助理行业分析员，基本工资12万，不过是按照8万基本工资发，另外
国内主要行业薪酬调查()
２００１～２００２年度五大行业薪酬大揭秘 ２００２年初，北京外企服务集团委托其下属的北京外企太和企业管理顾问公司进行了系统的薪酬数据调查和全面的分析工作，涉及企业４００家，网上有效问卷７５６９份。调查行业分别是：外资高科技行业、民营高科技行业、制药行业，消费品行业和能源化工行业。 纵观２００１－２００２年五大行业的薪酬福利市场，可以得出以下一些结论： ●五大行业的薪酬档次水平和国际薪酬趋势发展趋同，随着员工级别升高，薪酬趋势线逐渐陡峭。 ●外资高科技行业薪酬水平仍居五大行业之首，民营高科技紧追不及，在中高层员工的薪酬水平上，民营高科技在五大行业中处于低位。 ●消费品行业薪酬水平落差最大，最高点与最低点的相差近５倍。 ●化工行业与制药行业从总体的薪酬趋势来看，较为平滑，但整体合理。 方面的行业数据由高至低显示如下：外资高科技业、能源化工行业、消费品业、民营高科技行业、制药行业。其中高科技行业１８４７９５元，能源化工行业１４８８４０元，消费品行业１０９９６５元，民营高科技行业１０６７４３元，制药行业１００５２９元。不同行业年薪最高值之间最大相差８４２６４元。 ●业绩奖金：２００１－２００２年外资高科技行业与制药行业齐头并进。五大行业在业绩奖金方面的顺序，由高到低依次为：外资高科技、制药行业、民营高科技、能源化工行业、消费品业。其中外资高科技行业３１６０２
元，制药行业３１１８３元，民营高科技行业２４０２７元，能源化工行业１６７６４元，消费品行业１２３８９元。可以看出，制药行业与外资高科技行业在业绩奖金方面较为突出，都达到年业绩奖金近３２０００元，也说明这两大行业更注重对员工的短期激励。 ●福利方面，外资高科技仍居榜首，化工行业紧随其后。调查结果显示，福利方面外资高科技行业与化工行业处于较高位置，两个行业年福利水平都超过２５０００元，其余三个行业水平相当，都在１５０００元左右。 哪些行业薪水较高？ 根据英才薪酬调查数据显示，目前一些薪酬水平较高的行业包括电信、快速消费品和计算机、互联网行业，这里的快速消费品指的是像食品、饮料和烟草这样的行业，其中电信收入最高，平均年薪为５７２０８元，快速消费品行业为４８７６９元，计算机行业为４５２７６元，互联网行业为４４０１４元；薪酬水平较低的行业包括协会、学会、社团，平均年薪为１９７０４元，社区服务和非盈利机构为１９３２５元，政府、公共事业为１７９９３元。另外， 人力资源、培训这一职业来说，电信行业的平均年薪是７７９６７元，教育文化行业为２８１６１元。 市场薪酬水平高低差异的主要有两方面的因素，一是行业之间的差距，如垄断性行业和一般竞争性行业之间就有比较大的差距，这一点在国有企业中比较明显，而后者企业间的差距就没那么大，这是由市场机制决定的。二是由企业自身的经济效益决定的，效益好的企业薪酬水平自然就会高一些。 总体薪资明显下降
各地区各行业工资水平的分析--2010
各地区各行业工资水平的分析（2010年数据） 王红纱学号：6120906011 1. 研究背景及意义 1.1 研究背景 工资水平是指一定区域和一定时间内劳动者平均收入的高低程度。生产决定分配，只有经济发展才能提供更多的可分配的社会产品，因此一个地区的工资水平在一定程度上反映了其经济发展的水平。 1.2 研究意义 1. 通过多元统计分析方法，探究一个地区的工资水平与其经济发展水平之间的内在联系。 2. 将平均工资水平划分为3类，分析哪些地区、哪些行业的工资水平较高，可以为大学生就业提供宏观上的方向指引。 2. 数据来源与描述 2.1数据描述 本问研究全国31个省市（港、澳、台除外）的工资状况，各省市分别记录了其19个主要行业的平均工资水平，这19个主要行业包括：企业、事业、机关、金融业、制造业、建筑业、房地产业、农林牧渔业等等，具体数据格式参见图-0。 通过聚类分析方法，判断哪些地区平均工资水平较高 聚类分析是依据研究对象的个体特征，对其进行分类的方法，分类在经济、管理、社会学、医学等领域，都有广泛的应用。聚类分析能够将一批样本（或变量）数据根据其诸多特征，按照在性质上的亲疏程度在没有先验知识的情况下进行自动分类，产生多个分类结果。类内部个体特征之间具有相似性，不同类间个体特征的差异性较大。本文采用两种方法进行聚类分析：一种是系统聚类法，另一种是K-均值法（快速聚类法），对工资水平进行分析。 表1国内生产总值指数、就业人员平均工资和城镇居民消费价格指数 年份国内生产 总值指数 就业人员平均工资指数城镇居民消 费价格指数 货币工资实际工资 2001 108.3 116.1 115.3 100.7 2002 109.1 114.2 115.4 99.0 2003 110.0 112.9 111.9 100.9 2004 110.1 114.0 110.4 103.3 2005 111.3 114.3 112.5 101.6 2006 112.7 114.6 112.9 101.5 2007 114.2 118.5 113.4 104.5 2008 109.6 116.9 110.7 105.6 2009 109.2 111.6 112.6 99.1 2010 110.4 113.3 109.8 103.2 注：数据来自2011中国劳动统计年鉴
国内各行业薪资调查表
国内I T行业薪水一览表（真实数据，对号入座）仪器电子家电类 序号 1 单位/企业： CV电子 职位：销售工程师 待遇详情：（硕士）广州 8k/m 序号 2 单位/企业：飞利浦 职位： 待遇详情：苏州8k/m*13 序号 3 单位/企业：海尔 职位：研发岗 待遇详情：青岛6.5w/y 序号 4 单位/企业：京东方 职位： 待遇详情：（硕士）合肥5k/m 序号 5 单位/企业：海信 职位：技术岗 待遇详情：6k/m 序号 6 单位/企业：美的集团 职位：研发 待遇详情：（本科） 8-9w/y 序号7 单位/企业：三星 职位：销售担当 待遇详情：成都 4k/m 序号8 单位/企业：欧普集团 职位： 待遇详情：5-6k/m*14 序号9 单位/企业：瑞晟 职位：技术类 待遇详情：（硕士）苏州 9k/m*13 序号10 单位/企业：天马微电子 职位：研发
单位/企业：上海微电子设备 职位： 待遇详情：上海 5.7k/m*18 石油能源类 序号 1 单位/企业：国家电网（南瑞国网电科院）职位：研发 待遇详情：（硕士）南京10w/y 序号 2 单位/企业：壳牌（Shell） 职位： 待遇详情：（本硕一样） 7.5k/m 序号 3 单位/企业：宝钢 职位：总部管培 待遇详情：（硕士） 12w/y 序号 4 单位/企业：中海油 职位：研发 待遇详情：北京 5w/y （第二年8w/y） 序号 5 单位/企业：法国液化空气 职位： 待遇详情：（硕士） 7.5k/m 汽车物流 序号 1 单位/企业：德尔福（中国研发中心） 职位：软件工程师 待遇详情：（硕士）上海8k/m*13 序号 2 单位/企业：上海大众 职位：项目管理 待遇详情：（硕士）上海11w/y+ 序号 3 单位/企业：北京汽车集团 职位： 待遇详情：（硕士）广州5k/m 公积金12% 序号 4 单位/企业：一汽 职位：研发