Salary Survey from AskAManager.org

该数据集来自AskAManager.org的薪资调查，主要关注全球管理人员的薪资趋势和行业差异。数据集包含17个变量，其中有6个是自由文本输入，数据集是实时的，不断增长。

This dataset originates from the salary survey conducted by AskAManager.org, primarily focusing on global salary trends and industry disparities among management personnel. The dataset comprises 17 variables, including 6 that are free-text inputs. It is a real-time, continuously expanding dataset.

原始信息汇总

数据集概述

数据集名称

• Salary Dataset Analysis

数据集来源

• 数据来自 AskAManager.org 的薪资调查。

数据集特征

• 包含17个变量。
• 其中6个变量为自由文本输入。
• 数据集是“实时”更新的，不断增长。
• 下载数据集时，包含一个“时间戳”变量（列A）。

数据集问题陈述

1. 哪个行业支付的薪资最高？
2. 随着工作经验的增加，薪资如何增长？
3. 同一职位在不同地点的薪资比较如何？
4. 不同性别和工作经验的薪资差异有多大？
5. 种族和教育水平与薪资的关系如何？
6. 是否存在一个“最佳”总工作经验与特定领域工作年限的组合？

技能/概念展示

• Power BI
• RStudio
• 数据清洗
• 按钮
• 建模
• 导航
• 数据操作
• 交互式仪表板

数据清洗步骤

• 从实时Google表格中提取数据。
• 类型转换。
• 删除空行。
• 处理行业列中的自由文本问题，通过创建新列和算法标准化行业名称。
• 将国家列中的非空州值统一为“USA”。
• 手动处理其他国家的不同写法。
• 删除货币为其他类型的行。
• 通过创建标准差列，过滤掉不切实际的收入值。

数据展示

• 使用Power BI创建仪表板，展示不同国家的薪资趋势。
• 限制每个变量在图表中的行数至少为15，以避免分析受异常值影响。

搜集汇总

数据集介绍

构建方式

该数据集源自AskAManager.org的薪酬调查，旨在揭示真实世界中的薪酬信息。数据收集通过在线表单进行，涵盖了多个国家的薪酬数据，尽管以美国为中心。数据集中包含17个变量，其中6个为自由文本输入，这导致了大量的数据清洗工作。数据集是动态的，随着时间的推移不断增长，且包含时间戳变量，便于模拟数据的增长过程。

特点

该数据集的特点在于其多样性和动态性。它不仅涵盖了广泛的行业和职位，还包含了地理位置、工作经验、性别、种族和教育水平等多个维度的信息。数据集中的自由文本输入增加了数据的复杂性，但也提供了更丰富的分析可能性。此外，数据集的动态增长特性使其能够反映最新的薪酬趋势。

使用方法

使用该数据集时，首先需要下载R脚本、Power BI仪表板和Excel表格，并确保它们位于同一文件夹中。在Power BI仪表板中，右键点击数据面板中的表格，选择“更改源”，并输入新的目录路径。通过这种方式，用户可以加载并分析数据集，探索不同行业、地理位置和经验水平下的薪酬差异，以及性别、种族和教育水平对薪酬的影响。

背景与挑战

背景概述

Salary Survey from AskAManager.org数据集源于AskAManager.org网站，旨在揭示真实世界中的薪资信息。该数据集由Masud Sajid等研究人员整理，主要聚焦于美国地区的薪资数据，同时也涵盖了其他国家的薪资信息。数据集的核心研究问题包括不同行业的薪资差异、工作经验对薪资的影响、地理位置对薪资的影响、性别与薪资的关系、种族与教育水平对薪资的关联等。该数据集为研究人员和从业者提供了一个宝贵的资源，帮助他们深入理解薪资分布及其影响因素，对人力资源管理和薪酬研究领域具有重要的参考价值。

当前挑战

Salary Survey from AskAManager.org数据集在构建和分析过程中面临多重挑战。首先，数据集中包含大量自由文本输入，导致数据清洗工作异常复杂，尤其是在处理行业名称和国别信息时，同一概念的不同表述增加了数据标准化的难度。其次，数据集为动态更新，需处理时间戳变量以模拟数据的增长，这对数据分析和建模提出了更高的要求。此外，数据集中存在异常值和不同货币单位，需通过统计方法和手动处理来确保数据的准确性和一致性。最后，如何在Power BI等工具中有效展示多维度的薪资趋势，同时避免异常值对分析结果的影响，也是该数据集分析中的一大挑战。

常用场景

经典使用场景

在薪酬研究领域，Salary Survey from AskAManager.org数据集被广泛用于分析不同行业、地区、性别及工作经验对薪酬的影响。研究者通过该数据集，能够深入探讨薪酬差异的根源，揭示不同职业和地区的薪酬分布规律。该数据集的多维度信息为薪酬公平性研究提供了丰富的数据支持。

解决学术问题

该数据集有效解决了薪酬研究中的多个关键问题，如行业薪酬差异、工作经验与薪酬增长的关系、性别薪酬差距等。通过数据清洗和分析，研究者能够识别出薪酬分布中的异常值和不一致性，进而提出更具针对性的薪酬政策建议。该数据集为学术界提供了宝贵的实证研究素材，推动了薪酬公平性和透明度的研究进展。

衍生相关工作

基于Salary Survey from AskAManager.org数据集，许多经典研究工作得以展开。例如，研究者利用该数据集开发了薪酬预测模型，分析了性别和种族对薪酬的影响，并探讨了教育水平与薪酬之间的关系。这些研究不仅丰富了薪酬领域的学术成果，还为政策制定者提供了科学依据，推动了薪酬公平性和透明度的提升。