之前，某家公司被討論的沸沸揚(yáng)揚(yáng)：

?

上一個(gè)被如此討論的還是某個(gè)帶顏色的自行車。

不知道大家有沒有聽過(guò)一個(gè)段子，入職3天，公司倒閉了，由此，我想到了一個(gè)話題：如果可以提前知道什么樣的公司會(huì)被淘汰，哪些因素會(huì)使員工離職，是不是能起到一些幫助？

這也就是我們所說(shuō)的人力數(shù)據(jù)分析，只不過(guò)擴(kuò)大到了另一個(gè)層面。

我們通過(guò)收集到相關(guān)的數(shù)據(jù)，然后做出可視化，就可以得到結(jié)果了。

一、數(shù)據(jù)來(lái)源

根據(jù)各大數(shù)據(jù)網(wǎng)站的項(xiàng)目或者數(shù)據(jù)集，還有一些專業(yè)的統(tǒng)計(jì)網(wǎng)站，有些是現(xiàn)成的，也有些是需要通過(guò)python來(lái)處理的，最后就可以獲取到這些數(shù)據(jù)了。

?

二、數(shù)據(jù)處理

通常，清理數(shù)據(jù)需要大量的工作，并且可能是一個(gè)非常繁瑣的過(guò)程。

這個(gè)數(shù)據(jù)集的獲取過(guò)程是靠譜的，相對(duì)而言很干凈，不含缺失值。但是，我仍然需要檢查數(shù)據(jù)集，以確保所有其他內(nèi)容都是可讀的，并且觀察值與特征名稱適當(dāng)?shù)仄ヅ洹?/p>

三、數(shù)據(jù)可視化

這就到了比較關(guān)鍵的一步了。

一般來(lái)說(shuō)，做可視化需要學(xué)習(xí)Numpy，pandas，matplotlib幾個(gè)包的使用，而且過(guò)程還是比較復(fù)雜的：

?

于是，BI工具做可視化就出現(xiàn)了，像FineBI一樣簡(jiǎn)單地做可視化，這才是上手快速簡(jiǎn)單的那個(gè)：

?

接下來(lái)就是用FineBI對(duì)整個(gè)數(shù)據(jù)進(jìn)行分析了，首先設(shè)立分析目標(biāo)：

整體概況：分析每年被淘汰的公司總數(shù)、不同省市的情況、背后的原因等

特定分析：抽取發(fā)達(dá)地區(qū)北、上、廣作進(jìn)一步的分析，主要淘汰的行業(yè)；公司類型，得出了以下5個(gè)分析的結(jié)論：

1、各年份被淘汰的公司總數(shù)對(duì)比

從FineBI的可視化圖表中，很容易就看出了趨勢(shì)的變化：

?

公司倒閉得最多得年份竟然是2017年...但如果數(shù)據(jù)統(tǒng)計(jì)到2020年的話，20年倒閉的數(shù)據(jù)肯定會(huì)更多。

2、被淘汰公司的主要原因

由FineBI做出來(lái)的餅圖如下：

?

所以在找工作之前，也需要好好考慮一下這些該有的措施。

3、被淘汰公司的壽命

這里借用一下網(wǎng)上現(xiàn)有的分析，我是用開源工具寫代碼做的，不是說(shuō)finebi做不了，我是想讓大家對(duì)比一下可視化的效果。

?

順便再來(lái)看看每個(gè)月被淘汰的公司的數(shù)量：

?

總體來(lái)看2015年-2017年期間被淘汰的公司集中在7月、8月以及12月倒閉，其中15年的倒閉高峰出現(xiàn)在7月、16年的倒閉高峰出現(xiàn)在8月，17年是倒閉最為嚴(yán)重的年份其中7月、8月小高峰，主要高峰出現(xiàn)在12月，而18年和19年只出現(xiàn)了一個(gè)高峰分別出現(xiàn)在12月和9月。為何會(huì)受這種影響，如果數(shù)據(jù)集沒有問(wèn)題那么需要結(jié)合當(dāng)年的經(jīng)濟(jì)狀況及政策來(lái)看。

以上只是分析的一部分，更多的還得你自己去使用FineBI這個(gè)數(shù)據(jù)分析工具去探索，有了數(shù)據(jù)源，有了數(shù)據(jù)分析工具，你做出上面的可視化也不是個(gè)事兒了。

總結(jié)

以上是生活随笔為你收集整理的那些年破处倒闭的公司，都有哪些特征？打工人避雷必看的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。