城市：哪个城市对数据分析的需求比较高?数据分析岗位在四大城市的薪资差异是否显著?

企业：招数据分析岗的企业，都是哪些类型的企业？招聘企业在各大城市的类型分布是怎样的？

技能：数据分析岗需要掌握哪些技能？哪些技能更受企业青睐？主流技能的平均薪酬中值是多少？

经验：企业在招聘数据分析师时，对应聘者的工作经验和学历要求？不同的经验要求是否意味着不同的技能要求？

学历：不同的工作经验和学历在薪资上是否存在差异？

入门小白：对于刚入门的求职者，可以去包容性更强的城市作为踏板进入这个行业，但是对薪资不要有太高期待。能力建议：Python、Excel

进阶追求：对于有一定项目经验者，可以来上海感受职场的魅力。上海有更多的机会、更高的薪资。能力建议：R、Python、SQL、Excel

高薪挑战：对自己能力有信息的求职者，可以尝试去北京尝试更有挑战性的职位。北京的薪水高竞争强，可以感受“中国的硅谷”工作氛围。能力建议：R 、Python、SQL、Excel、SAS、SPSS、Java、AI

1. 上海各类型酒店中，经济型酒店占比非常高，其次是舒适型和高档型
2. 上海各区主要是以经济型酒店类型为主，高档型和五星级酒店分布比较多的地区是黄浦区和长宁区，四星级和豪华型酒店分布比较多的是静安区。
3. 商务出行类，地铁周边和浪漫情侣类酒店最多
4. 顾客对酒店评价的标签中，干净卫生，酒店设施，交通方便，性价比高，位置好等字段最多。
5. 上海酒店大部分分布在著名景区、交通枢纽、商业区以及大学城附近，其中迪士尼度假区分布数量最多
6. 上海各类型酒店价格平均值范围：经济型，二星级：低于500 ， 舒适型和三星级：500-1000 四星级，五星级，高档型，豪华型：高于1000
7. 酒店评价人数的多少反应了酒店受欢迎程度，随着评分增加，酒店受欢迎程度增加。

对项目需求进行细化，明确需要查看的数据指标：
*预订交易额
*交易额
*预订订单数
*交易订单数
*日均UV=PC日均UV+APP日均UV
*预订转化率=预订订单数/（日均UV*7）
*预订客单价=预订交易额/预订订单数
*交易额转化率=交易额订单数/（日均UV*7）
*交易额客单价=交易额/交易额订单数
*预订占比=预订订单数/交易订单数

从整体上看，所有指标在预定功能优化后都出现下滑，因此不建议该功能优化在所有城市和所有店铺类型上线，需要针对不同城市和不同店铺类型分别考虑。

一线城市虽然预定交易额和交易额都是下降的，但其他细化的指标中只有转化率是下降的，日均UV和客单价都是上升的，交易额的下降和转化率的下降有关，需要结合其他数据进一步分析转化率下降的原因。针对一线城市，预定功能的优化可以上线。

主要城市虽然所有的指标都出现下滑，但长尾门店交易额是上升的，并且长尾门店的大部分指标也都是上升的，因此针对主要城市的长尾门店，预定功能的优化也可以上线。

可以在一天之中出车最多的时间加派人手。

荣威很受欢迎，其订单数量是最多的，可以适当增加其订单价。

各个城市的日均租金新用户都要大于老用户，可以加大宣传力度，来增加新用户，特别是北京，人均日租金最高，说明北京有很高的消费潜力，但是北京的用户却很少，导致北京的租金总额排倒数第二。

各个城市的用户自建订单日均租金和电话呼入日租金都差不多，只有北京的电话呼入高一些，可以具体分析这是为什么。如果是北京的电话呼入效率高，那么其他城市也可以效仿；如果是北京的用户自建订单有问题，那么可以分析是北京用户自建订单的哪个环节有问题，比如在用户预付定金时很慢，那么就可以针对这个环节来优化。