之前，某家公司被討論的沸沸揚揚：

?

上一個被如此討論的還是某個帶顏色的自行車。

不知道大家有沒有聽過一個段子，入職3天，公司倒閉了，由此，我想到了一個話題：如果可以提前知道什么樣的公司會被淘汰，哪些因素會使員工離職，是不是能起到一些幫助？

這也就是我們所說的人力數據分析，只不過擴大到了另一個層面。

我們通過收集到相關的數據，然后做出可視化，就可以得到結果了。

一、數據來源

根據各大數據網站的項目或者數據集，還有一些專業的統計網站，有些是現成的，也有些是需要通過python來處理的，最后就可以獲取到這些數據了。

?

二、數據處理

通常，清理數據需要大量的工作，并且可能是一個非常繁瑣的過程。

這個數據集的獲取過程是靠譜的，相對而言很干凈，不含缺失值。但是，我仍然需要檢查數據集，以確保所有其他內容都是可讀的，并且觀察值與特征名稱適當地匹配。

三、數據可視化

這就到了比較關鍵的一步了。

一般來說，做可視化需要學習Numpy，pandas，matplotlib幾個包的使用，而且過程還是比較復雜的：

?

于是，BI工具做可視化就出現了，像FineBI一樣簡單地做可視化，這才是上手快速簡單的那個：

?

接下來就是用FineBI對整個數據進行分析了，首先設立分析目標：

整體概況：分析每年被淘汰的公司總數、不同省市的情況、背后的原因等

特定分析：抽取發達地區北、上、廣作進一步的分析，主要淘汰的行業；公司類型，得出了以下5個分析的結論：

1、各年份被淘汰的公司總數對比

從FineBI的可視化圖表中，很容易就看出了趨勢的變化：

?

公司倒閉得最多得年份竟然是2017年...但如果數據統計到2020年的話，20年倒閉的數據肯定會更多。

2、被淘汰公司的主要原因

由FineBI做出來的餅圖如下：

?

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

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

?

順便再來看看每個月被淘汰的公司的數量：

?

總體來看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年的倒閉高峰出現在7月、16年的倒閉高峰出現在8月，17年是倒閉最為嚴重的年份其中7月、8月小高峰，主要高峰出現在12月，而18年和19年只出現了一個高峰分別出現在12月和9月。為何會受這種影響，如果數據集沒有問題那么需要結合當年的經濟狀況及政策來看。

以上只是分析的一部分，更多的還得你自己去使用FineBI這個數據分析工具去探索，有了數據源，有了數據分析工具，你做出上面的可視化也不是個事兒了。

總結

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。