数据分析师在哪个部门

一、数据分析师在哪个部门

作为一个数据分析师，你有很多的选项来选择你所在的部门。不同的部门将为你提供不同的机会和职业发展路径。在这篇博文中，我们将探讨一些常见的部门选择，以及每个部门为数据分析师带来的好处。

市场营销部门

市场营销部门通常负责推广产品、吸引目标客户、进行市场调研等工作。作为数据分析师，你可以在市场营销部门发挥重要的作用。你的数据分析技能可以帮助团队做出更明智的决策，并优化市场推广策略。

例如，你可以分析市场调研数据来了解潜在客户的需求和喜好，帮助团队确定精准的目标受众。你还可以通过分析宣传活动的效果数据，帮助团队优化营销活动并提高ROI。

金融部门

数据分析在金融部门中也是非常重要的。金融领域需要大量的数据分析来进行风险评估、投资分析和财务规划等工作。作为数据分析师，你可以协助金融团队进行数据挖掘和模型建立，以支持他们的决策。

你的数据分析技能可以帮助金融机构更好地理解市场趋势、调整投资组合并进行风险管理。你可以分析投资组合的历史数据，评估不同资产类别的表现，并提出优化建议。此外，你还可以通过分析客户数据来帮助机构发现潜在的交叉销售机会。

产品开发部门

在产品开发部门工作，你将有机会参与新产品和功能的开发过程。作为数据分析师，你可以通过分析用户行为数据、市场需求和竞争情报，为产品团队提供有价值的见解。

你可以通过用户行为分析来发现产品的改进点，并预测功能的成功潜力。你还可以与用户研究团队合作，分析用户调研数据，以了解他们的需求和反馈。这样，你将能够为产品团队提供数据支持，帮助他们制定更符合市场需求的产品策略。

数据科学部门

数据科学部门是数据分析师的理想去处之一。在这个部门，你将与其他数据科学家一起工作，利用各种技术和工具来分析大数据，并开发机器学习模型。

作为数据科学家，你可以研究和开发高级的数据模型和算法，以解决复杂的业务问题。你将有机会应用数据挖掘技术来寻找隐藏的模式和见解，并将其应用于业务决策中。

总结

作为一名数据分析师，你可以选择多个部门来发展你的职业。市场营销部门可以让你在市场调研和推广策略优化方面发挥作用。金融部门需要你的数据分析技能进行风险评估和投资分析。产品开发部门可以利用你的见解来改进产品策略。数据科学部门将提供更深入的数据分析和算法开发工作。

选择哪个部门取决于你的兴趣和职业目标。不要害怕尝试不同的部门，因为每个部门都将为你提供宝贵的经验和机会。无论你选择哪个部门，发展你的技能和知识将是关键。继续学习和探索新的方法和工具，将使你在数据分析领域保持竞争力。

二、数据分析师属于什么部门

数据分析师属于什么部门？

数据分析师是当今企业中越来越受重视的角色之一。随着数字时代的到来，数据分析师在帮助企业做出更明智的决策和发现商机方面发挥着重要作用。那么，数据分析师属于什么部门呢？本文将为你解答这个问题。

数据分析师的定义和职责

数据分析师负责收集、整理和分析大量数据，以获取对企业运营有意义的洞察和策略。他们使用各种数据分析工具和技术，将数据转化为可视化报告和洞察，帮助企业管理层做出明智的战略决策。

数据分析师的职责包括：

• 数据收集：数据分析师需要从各种数据源收集数据，包括企业内部系统、市场调研数据、用户行为数据等。
• 数据清洗：收集到的数据往往是杂乱无章的，数据分析师需要进行数据清洗，去除噪音和错误，确保数据的准确性。
• 数据分析：他们使用统计方法、数据挖掘和机器学习等技术来分析数据，发现数据中的模式和趋势，并提供对企业有价值的见解。
• 可视化报告：数据分析师将分析结果以可视化的方式呈现，比如制作图表、仪表盘等，使复杂的数据更易于理解和解释。
• 战略决策支持：他们的分析结果对企业的战略决策有重要的影响，包括市场定位、产品改进、销售策略等。

数据分析师所属部门

数据分析师的所属部门在不同的企业中可能有所不同，但通常数据分析师会与以下几个部门密切合作：

• 市场部门：数据分析师与市场部门密切合作，帮助市场部门了解消费者行为、市场趋势和竞争对手情报，为市场营销活动提供支持。
• 运营部门：数据分析师与运营部门合作，通过分析运营数据，帮助运营团队优化流程、提高效率、降低成本。
• 产品部门：数据分析师与产品部门密切协作，通过对用户行为和产品数据的分析，帮助产品团队改进产品功能和用户体验。
• 战略部门：数据分析师对企业的战略决策起到重要的支持作用，因此与战略部门的合作也非常紧密。

除了与上述部门的合作外，数据分析师也可能与财务部门、人力资源部门等其他部门进行合作，以为企业的决策提供数据支持。

数据分析师的技能要求

想要成为一名优秀的数据分析师，以下是一些重要的技能要求：

• 数据分析工具：掌握常用的数据分析工具，比如Python、R、SQL等。
• 统计和数学：具备扎实的统计学和数学基础，能够应用统计模型和方法进行数据分析。
• 数据可视化：熟练运用数据可视化工具，比如Tableau、Power BI等，将分析结果以直观的方式展现。
• 商业理解：了解企业的商业模式和运营流程，能够将数据分析结果与业务目标进行结合。
• 沟通能力：能够清晰、准确地向非技术人员解释复杂的数据分析结果。

结语

数据分析师是当今企业中不可或缺的角色，他们通过对大量数据的分析和解读，为企业的决策提供了有力的支持。不论在哪个部门，数据分析师都能发挥重要作用，为企业创造更大的价值。

三、数据分析师主体？

数据分析师的主体是以采集和整理数据为主

四、数据分析师和注册数据分析师的区别？

这两个概念并没有什么差异

现在我们国家是没有注册项目数据分析师的，因为只有劳动和社会保障部才有资格颁发职业资格证书。

现在市面上有两种所谓的项目数据分析师证书：

一个是中国商业联合会数据分析专业委员会颁发《项目数据分析师证书》，一个是工业和信息化部教育与考试中心颁发《项目数据分析师职业技术证书》

五、数据开发和数据分析师哪个更好？

如果说这二者哪个好一点，只能说数据开发偏向于程序，数据分析偏向于数学。

薪资区别

1、数据开发

作为IT类职业中的“大熊猫”，数据工程师的收入待遇可以说达到了同类的顶级。国内IT、通讯、行业招聘中，有10%都是和大数据相关的，且比例还在上升。在美国，大数据工程师平均每年薪酬高达17.5万美元；

大数据开发工程师在一线城市和大数据发展城市的薪资是比较高的。

2、数据分析

数据分析同样作为高收入技术岗位，薪资也不遑多让，并且，我们可以看到，拥有3-5年技术经验的人才薪资可达到30K以上。

最后，无论你是做大数据开发还是分析，都是高薪的技术岗位，最重要的是修炼好自己的技术。

六、大数据 数据分析师

大数据时代下的数据分析师

一、大数据时代下的数据分析师角色

二、数据分析师的职责和技能要求

三、应对新的挑战

七、数据挖掘数据分析师

数据挖掘与数据分析师

随着大数据时代的到来，数据挖掘和数据分析师的角色变得越来越重要。作为专业的数据从业人员，他们的工作涵盖了数据收集、处理、分析、挖掘以及应用等多个方面。

数据挖掘和数据分析师需要具备一定的专业技能和知识，包括统计学、机器学习、数据库管理、数据可视化等方面的知识。他们还需要掌握一定的编程技能，如Python、R等语言，以便更好地进行数据分析和挖掘。

数据挖掘和数据分析师的工作不仅仅是简单的数据处理和分析，还需要具备一定的创新能力和洞察力，能够从海量的数据中挖掘出有价值的信息，为企业的决策提供有力的支持。

随着数据时代的不断发展，数据挖掘和数据分析师的需求量也在不断增加。他们不仅可以在各类企业中担任重要的职位，还可以在政府部门、科研机构等领域发挥重要作用。

目前，越来越多的高校开设了数据科学与大数据相关的专业和课程，培养更多的专业人才，以满足社会对数据从业人员的迫切需求。

总的来说，数据挖掘和数据分析师是一个充满机遇和挑战的职业，需要从业人员具备较高的综合素质和专业技能。

八、分析师数据

分析师数据的重要性

如何处理分析师数据

数据分析师的角色

结论

九、数据分析师 大数据

数据分析师在大数据时代的重要性

随着大数据时代的到来，数据分析师的角色越来越重要。数据分析师是数据时代不可或缺的职业之一，他们通过分析大量的数据，帮助企业做出更明智的决策。在大数据时代，数据分析师需要具备更高的技能和知识，以适应不断变化的市场环境。

首先，数据分析师是数据驱动决策的核心力量。在许多企业中，数据分析师通过分析大量的数据，帮助企业了解市场趋势、客户需求和竞争状况。这些信息可以帮助企业制定更有效的营销策略、产品开发和运营计划。通过数据分析，企业可以更好地理解市场和客户，从而在竞争中取得优势。

其次，数据分析师是数据安全和隐私保护的关键角色。随着大数据技术的不断发展，数据安全和隐私保护成为了一个越来越重要的问题。数据分析师需要具备专业的数据安全知识和技能，以确保企业数据的安全和隐私。他们需要采取各种措施来防止数据泄露和攻击，同时确保数据的准确性和可靠性。

此外，数据分析师还可以为企业提供预测性分析。通过分析大量的历史数据和实时数据，数据分析师可以预测未来的趋势和变化。这可以帮助企业更好地应对市场变化和不确定性，从而保持竞争优势。同时，数据分析师还可以为企业提供智能化的建议和解决方案，帮助企业提高效率和降低成本。

在大数据时代，数据分析师的角色越来越重要。他们需要不断学习新知识、掌握新技能，以适应不断变化的市场环境。对于企业来说，选择一位优秀的数据分析师不仅可以提高企业的竞争力和效率，还可以为企业的未来发展奠定坚实的基础。

十、数据分析师证书怎么考?

1 为什么要考数据分析师证书？

为什么想考数据分析师证书呐？大部分小伙伴应该就是以下两种情况吧~

1.1 情况一 就业中 阶段

考证面临的情况：对于目前已就业的数据分析师而言，公司想要提升企业综合竞争力 可能会鼓励要求数据分析师去考证

考证动力的来源：就职企业要求考证

数据分析师证类别：数据分析师相关的证书目前主要是 CDA数据分析师（Certified Data Analyst）、CPDA数据分析师（Certified Projects Data Analyst）、BDA数据分析师（Business Data Analysis）三类。

从数据分析师证书基本情况来看，认证范围较广的是BDA~；从数据分析师证书关注度来看，关注CDA人数更多~（最近三月的搜索指数：CDA日平均为800，CPDA日平均为366，BDA日平均为225）

数据分析师证书基本情况：

数据分析师证书关注情况（数据来源为百度指数）：

1.2 情况二 就业前 阶段

考证面临的情况：转行想做数据分析师 或者 想做数据分析师缺乏相关经验，在职场中担心自身竞争力不足，于是想通过 考证 提升自身竞争力

考证动力的来源：提升自身竞争力，助力找份好工作（大企 高薪）

考证有效的验证：从就业者维度看，目前从事数据分析师的就业人员中，有证的比例比较低。而且 那些待遇比较好的数据分析师 主要是 专业技能很强 ，具有发现问题分析问题解决问题的思维和能力，跟有没有证 关系不是很大；从企业的维度看，数据分析招聘信息中，更加看中的是 专业性技能、严谨性思维、综合性能力，很难看到说是 有证优先的（感兴趣的小伙伴可以去智联、前程无忧、boss直聘等招聘网站搜索相关的招聘要求~ 或者 仔细看看下面的内容~）。

2 数据分析师证书在求职过程中很重要吗？

数据分析师证书在求职过程中很重要吗？首先咱们先来看看一些大企招聘数据分析师的要求吧~

通过stata软件，在相关招聘网站爬取 数据分析师岗位 相关的信息；获取相关招聘信息264条，在其对应的岗位要求、职责要求、任职要求内，并未发现 数据分析师证 或者 有证优先等相关信息；从这些招聘要求等信息中可以看出，企业更加注重的是 数据分析师拥有的 专业性技能、严谨性思维、综合性能力。

2.1 数据分析师岗位要求信息 爬取过程

爬取软件：stata

爬取结果：获取相关招聘信息264条

爬取过程：具体代码 详见 附录1

相关资料：对数据分析师岗位要求信息 爬取过程代码以及相关思路 感兴趣的小伙伴，可以通过百度云链接下载相关的代码哦~，相关链接分享给大家（包括 爬虫思路代码 爬虫结果数据 代码需要的原始数据）：

链接：https://pan.baidu.com/s/1OL4EPCANmq-NL1eOWf25Pg

提取码：lr7b

2.2 数据分析师岗位有哪些要求？

先看一些大企 关于数据分析师的 岗位要求吧~（更多信息详见数据分析师岗位要求汇总结果）

通过对智联招聘、前程无忧、BOSS直聘等招聘网站对应数据分析师的定义、任职要求等信息，分析了各个企业对于数据分析师的要求。企业更加注重的是 数据分析师拥有的 专业性技能、严谨性思维、综合性能力。专业性技能有哪些呐？主要包含 代码编程能力、擅长软件使用、统计建模思路 等。当然，数据分析不单单是 编程软件和数据库语言 的简单结合，还必须兼顾 统计建模、模型构建等，通过数据分析软件来构建相应的模型，真正地去挖掘数据潜在的价值，将数据资产的作用最大化，下面我将总结一些使用较为广泛，较为权威的一些 数据分析软件（6类）和统计建模模型（4类）。

软件编程语言要求(统计类)：SPSS SAS

软件编程语言要求(金融计量类)：EVIEWS STATA

软件编程语言要求(深度学习、机器学习类)：PYTHON RSTUDIO R

软件编程语言要求(数据库类)：SQL MYSQL ORACLE SQLSERVER

软件编程语言要求(开发类)：HBASE HIVE SPARK KAFKA Hadoop

软件编程语言要求(可视化类)：EXCEL、BI工具、TABlEAU

模型（统计类）：时间序列（平稳性、白噪声、纯随机等）、灰色预测、多元线性回归、聚类分析、主成分分析、因子分析、关联分析、方差分析、判别分析等

模型（机器学习类）：逻辑回归、支持向量机、神经网络、决策树、随机森林、集成等

模型（数学类）：大数定律、中心极限定律、建设检验、概率分析等

模型（可视化类）：用户画像、用户标签、行为分析、偏好分析、情景分析等

3 如何才能快速掌握数据分析师相关技能？

3.1 理论+实践 助力巩固相关技能

近几年来数据分析日趋重要，在各行各业均占有重要地位。作为数据分析师行业的老员工，对于数据分析师的成长之路深有体会，现在分享一下我的学习经验工作心得。

所谓，选择大于努力，走的方向对了，用的方法对了，才能真正的事半功倍。对于我自身而言，在数据分析师的这条道路上是走了不少弯路，希望大家能够找适合自身的学习路径。

做数据分析首先需要有一定的理论基础，其次要懂数据库，再次能够进行模型构建，最后就是可视化展示，将理论知识运用于实际案例中。

理论基础：为后期编程语言的学习，模型构建，结果展示奠定基础。

数据存取--数据库（MYSQL ORACLE SQLSERVER等）

数据建模--工具（R/PYTHON等）

数据展示--可视化（EXCEL BI工具 TABlEAU等）

一般情况下数据分析师都需要擅长一个数据库软件，用以存储数据；一个编程软件，用以处理数据，进行建模分析；一个可视化软件，用以展示数据。基本上学习三种软件即可，然后再结合实际业务情况，发现问题，分析问题，解决问题。

了解数据分析的方法与思维，学习数据分析基础理论，同时可以多看一些以案例为主的数据分析书籍，了解数据分析的理论基础之上，同时注重学以致用，用于实践案例中。

3.2 个人+团体 构建良好学习氛围

当然，在整个学习过程中 学习氛围和学习方向 是至关重要的因素；好的学习氛围和对的学习方向，有效助力 轻松学习、高校吸收、事半功倍~

学习氛围和方向有多重要？回想自己高三那会儿，每天教室、食堂、宿舍三点一线，每天早上六点起床晚上十二点休息，每天不是在拼命学习就是在拼命学习的路上，感觉起来貌似很辛苦很累。但是，回想起那年分奋斗时光，当时的自己其实并没有疲惫感，反而每天很兴奋很高兴。每天和同学在那里讨论题目，我说我的做法是对的，他说他的做法是对的，做错了的就要去买零食给大家吃，在我的记忆里自己基本都是对的那个，所以我的桌盒里，老是塞满了各种零食。很庆幸，曾经遇见的同学都是一群努力向前的人，推动着我一同前行。

在数据分析师的成长之路上，一个人可以走的更快，但无法走的很远；一群人的相互帮助与相互学习才能走的更快，走的更远。想学习的小伙伴，可以参与到一定的学习社群里面，找一群志同道合的小伙伴，相互学习，相互督促~。哈哈，很多小伙伴在数据分析师的路上 应该都是想要有一个团队的吧（悄悄地去看了一下 想要找学习社群的小伙伴还挺多的。以数据分析为关键词，其相关词中关于培训和课程的相关性较强，相关词距圆心的距离表示相关词与关键词的相关性强度，具体可参见下图）（数据来源为百度指数，该数据为您显示：通过用户在搜索该词的前后的搜索行为变化中表现出来的相关检索词需求算法说明：综合计算关键词与相关词的相关程度，以及相关词自身的搜索需求大小得出。相关词距圆心的距离表示相关词与中心检索词的相关性强度； 相关词自身大小表示相关词自身搜索指数大小，红色代表搜索指数上升，绿色代表搜索指数下降。）

与数据分析师相关的 学习社群以及相关培训班，我曾经了解了很多 或者 从身边的同事那里也听说了很多。对于想提升数据分析相关技能的小伙伴，如果想选择一个好的学习氛围和对的学习方向，可以参加《知乎数据分析3天实战训练营》哦。该训练营会构建相应的学习社群，包含社群打卡互动、社群学习方法心得交流等；同时，在主讲老师带领下，对于学习的知识点、重点、思维模式，都可以有一个对的学习方向。我们的主讲老师是猴子老师哦~

关于猴子老师：

· 知乎数据分析首席讲师

· 知乎知名答主（27万关注）

· 科普中国专家 著有畅销书《数据分析思维》作者

· 毕业于中国科学院大学，硕士

· 现智能猴创始人，前IBM软件开发工程师

· 前瑞启数据分析师

· 丰富的数据分析线上线下培训经验，专精于数据分析、SQL、Excel、Python、数据分析思维，积累10年教学经验，积累教授学员50W+

感兴趣的小伙伴赶紧行动起来吧~绝对物超所值~

4 如何提升数据分析面试成功率？

在具有一定的技能之后，面试的一些技巧和注意事项也是具有举足轻重的作用，分享一些 学习数据分析岗位面试内容，总结分析岗位面试技巧。

4.1 自我介绍

自我介绍环节，是面试官了解我们的重要方式，所以自我介绍在整个面试过程中具有举足轻重的作用。需要突出的点有：自身优势、对岗位的了解、职业规划。

可以按照以下步骤进行准备：

我是谁？姓名、毕业院校、专业、兴趣爱好

我获得哪些奖励？省级、校级、院级的奖励都有哪些

学习过哪些数据分析相关的技能？

参见过哪些数据分析相关的项目？

3.2 交流环节

一般情况下在自我介绍完成以后，面试官都会根据自我介绍内容，进行相关提问，以了解面试者的专业技能。所以自我介绍环节很是重要，你的自我介绍可能贯穿整个面试流程，所以在自我介绍环节一定要突出自身的优势，将面试官引导至自身擅长的领域，这将会大大增加面试成功的机会。

交流环节：在自我介绍完以后，面试官一般都会问一些技能和经验相关的问题，在这个环节切记不能空谈，一定要以自身的经验来谈，在交流的过程当中，和面试官一定要有话谈（曾经做过哪些项目，有哪些成果的检验，有哪些不一样的收获和感想）。在交流项目经验的过程中，对项目的介绍一定要有逻辑，这个很重要，因为这体现着一个人的思维逻辑。项目经验建议从：为什么要做，分几步做，成果怎样的逻辑来进行分析（这个毫无逻辑的回答在面试过程中是很忌讳的）。

3.3 反问环节

面试交流环节完成后，面试官一般都会反问：您有什么想要了解的嘛？您有什么问题吗？

此时，最好不要说没问题，也最好不要谈论薪资待遇问题（这个问题可以面试通过以后进行详谈）。应该问一些与岗位相关的问题，表示你对这个岗位很期待。或者可以谈谈你对这个岗位的认识和理解，问问面试官贵单位相应的岗位和李理解的岗位是否一致（这个需要深入了解该单位的数据分析岗位相关职责和工作内容，切勿仅仅以自身理解来谈，不然到时你说出的岗位就和面试的岗位不是一回事）。

最后，面试完后，就是体验个人素质的环节，一定要保持最有礼貌的离开面试室。

3.4 多做项目，才能和面试官有的谈

数据分析这个岗位对于项目经验有较高的要求，除了了解数据分析软件和编程语言以外，一定要参与一些大数据相关的项目，这样才能将学到的软件和编程知识和实际联系起来，真正的做到学以致用，才能和面试官和未来的leader有的谈！

在找工作之前，可以参加一些大数据相关的比赛或者加入一些学习社群，多做一些项目。最好跟着导师和同学做一些大数据相关的项目，同时还参加一些比较有挑战性的比赛，比如：数学竞赛、全国大学生统计建模大赛、数学建模大赛等等，如果能够拿到相应的奖项，在面试过程中是很加分的。

介绍项目可分为以下几个步骤:

为什么需要做这个项目？

这个项目分为几个阶段做的？

这个项目数据做了哪些处理？

这个项目用的哪些模型？

这个项目的结果怎样？

这个项目的效益价值在哪里？

想要在学历理论的同时也将理论应用于实践，积累实战项目经验，建议可以参加《知乎数据分析3天实战训练营》~。该训练营非常注重理论与实践的结合，将数据分析相关理论知识运用于实践当中。在获取职场必备的数据分析技能的同时，也能够学习相关的实战案例（例如：天猫店铺分析，数据图表实操案例，相关性分析实战演练等）。感兴趣的小伙伴可以仔细看看哦~

希望这些内容对您有所帮助，大家记得收藏哦！

如果觉得这些内容对您有用的话，麻烦点个赞呀，您的支持就是我们前进的动力，致力于为您分享更多更全更实用的干货哦！

附录1 数据分析师岗位要求信息 爬取过程代码

cd "D:\"
capture log close
log using "数据分析师岗位要求信息爬取log",replace
clear all
set more off

*原始数据网址
*https://www.zhipin.com/c101280600/t_807/?query=%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%B8%88&ka=sel-stage-807
*https://www.zhipin.com/c101280600/t_807/?query=%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%B8%88&page=1&ka=page-1
*https://www.zhipin.com/c101280600/t_807/?query=%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%B8%88&page=2&ka=page-2
*https://www.zhipin.com/c101280600/t_807/?query=%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90%E5%B8%88&page=3&ka=page-3

***1 分别获取网页的岗位信息
forvalues i=1(1)9{

copy "原数据`i'.txt" "test.txt",replace
import delimited test.txt,clear encoding(utf-8)
replace v1=trim(v1)
keep if (regexm(v1,"^<span class=") & regexm(v1,"job-name")) | (regexm(v1,"^<h3 class=") & regexm(v1,"name") & regexm(v1,"target="))

gen v2=v1 if regexm(v1,"^<span class=")
replace v2=v2[_n-1] if missing(v2) & !missing(v2[_n-1])
drop if regexm(v1,"^<span class=")


*招聘单位
split v1,parse("title=")
split v12,parse("ka=")
drop v1 v11 v12 v122 
rename v121 招聘单位

*招聘岗位
split v2,parse("title=")
split v22,parse("target=")
drop  v21 v22 v222
rename v221 招聘岗位

*岗位链接
split v2,parse("a href=")
split v22,parse("title=")
drop  v222 v21 v22
rename v221 招聘链接
gen len=strlen(招聘链接)
gen 招聘链接2=substr(招聘链接,2,len-3)
drop 招聘链接 len v2
replace 招聘链接2="https://www.zhipin.com"+招聘链接2

save "招聘单位岗位链接_`i'",replace
}
*

***2 数据合并
use  "招聘单位岗位链接_1",clear
forvalues i=2(1)9{
append using "招聘单位岗位链接_`i'"
}
*
export excel "招聘单位岗位链接",replace firstrow(var)
log close