실전 데이터 분석 77: 구인구직 플랫폼 채용 공고의 직무 연차 및 학력 조건 대비 재택 근무 여부별 급여 단가 상관 분석
📌 강의 개요 (30분 완성)
채용 사이트의 구인 포스팅 원본 정보입니다. 신규 채용 직원의 연차 경력(ExpYears) 요구조건 및 직무 분류(RoleCategory)에 따라 책정된 제안 연봉(Salary)의 편차를 재택근무(IsRemote) 조건별로 대조 분석합니다.
학습 목표:
- 직종별 평균 연봉 대치 (
groupby.transform): 직종별 임금 격차가 극명하므로 RoleCategory별 평균 연봉으로 결측을 대치합니다. - 직무 연봉 수준 요약 시각화 (
barplot,scatterplot): 직군별 평균 급여수준 막대 차트 및 경력 대비 제안 연봉 위 학력 조건 오버레이 상관 지도를 도출합니다.
🧐 실무 도메인 지식 가이드 (Domain Knowledge Guide)
👥 인사 및 조직 문화 (HR & Workplace Analysis) 인적 자원 관리(HR Analytics)는 핵심 인재의 이탈(Attrition) 방지, 사내 직무 이동 성과, 복지 리텐션을 다루는 과학적 기업 운영 분야입니다.
- 직원 자발적 퇴사(Attrition): 야근 빈도, 직무 몰입도(Engagement), 급여 대비 승진 연한 격차 등을 통해 조기 이탈 리스크 직원을 경보합니다.
- 채용 채널 성과 분석: 직무 코딩테스트 및 전형 결과와 입사 사후 실제 성과 데이터 간의 타당성(상관) 관계를 실증 분석합니다.
- 원격 근무 효율성: 원격/사무실 하이브리드 근무자의 생산성 점수와 근무 만족도 분산 차이를 통계 검증(T-test 등)합니다.
Step 1: 데이터 구조 살펴보기 (Data Overview)
csv_data 폴더에 준비해 둔 job_salaries.csv 파일을 판다스로 불러옵니다.
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# 그래프 설정 (한글 폰트 및 마이너스 기호 깨짐 방지)
import koreanize_matplotlib
plt.rcParams['axes.unicode_minus'] = False
sns.set_theme(style="whitegrid")
# 로컬 CSV 파일 불러오기
df = pd.read_csv('./job_salaries.csv')
# 데이터 구조 및 첫 5행 확인
df = pd.read_csv('./job_salaries.csv')
print(df.info())
print(df.head())
💻 [실행 결과]
<class 'pandas.DataFrame'> RangeIndex: 1000 entries, 0 to 999 Data columns (total 6 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 JobID 1000 non-null int64 1 ExpYears 1000 non-null int64 2 EducationLevel 1000 non-null str 3 RoleCategory 1000 non-null str 4 IsRemote 1000 non-null str 5 Salary 984 non-null float64 dtypes: float64(1), int64(2), str(3) memory usage: 65.2 KB None JobID ExpYears EducationLevel RoleCategory IsRemote Salary 0 770001 23 Bachelors Software No 131916.30 1 770002 20 Masters Software Yes 110837.75 2 770003 20 Bachelors Data Science Yes 101925.51 3 770004 11 Bachelors Marketing Yes 88528.23 4 770005 5 Bachelors Data Science Yes 74206.90
<class ‘pandas.DataFrame’>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 6 columns):
# Column Non-Null Count Dtype
— —— ————– —–
0 JobID 1000 non-null int64
1 ExpYears 1000 non-null int64
2 EducationLevel 1000 non-null str
3 RoleCategory 1000 non-null str
4 IsRemote 1000 non-null str
5 Salary 984 non-null float64
dtypes: float64(1), int64(2), str(3)
memory usage: 47.0 KB
JobID ExpYears EducationLevel RoleCategory IsRemote Salary
0 770001 23 Bachelors Software No 131916.30
1 770002 20 Masters Software Yes 110837.75
2 770003 20 Bachelors Data Science Yes 101925.51
3 770004 11 Bachelors Marketing Yes 88528.23
4 770005 5 Bachelors Data Science Yes 74206.90
```
💡 코드 딥다이브 (Code Deep Dive)
주요 분석 대상 컬럼:
JobID: 채용 공고 고유 식별 번호ExpYears: 공고에서 요구하는 최소 경력 연수 (년)EducationLevel: 필수/우대 학력 수준 (Bachelors, Masters, PhD)RoleCategory: 채용 직무 분류 (Data Science, Software, Marketing, HR)IsRemote: 상시 재택근무 제공 옵션 여부 (Yes/No)Salary: 최종 조율 제안 연봉 (USD/Year) (결측치 존재)
Step 2: 전처리와 결측치 정제 (Preprocess)
현실의 데이터는 항상 누락이 있거나 유효성 정제가 필요합니다. 데이터 전처리 단계에서 결측 상태를 확인하고 올바르게 보정합니다.
# 1. 컬럼별 결측치 개수 확인
print("--- 정제 전 결측치 확인 ---")
print(df.isnull().sum())
# 2. 결측치 전처리 및 대치 수행
df['Salary'] = df.groupby('RoleCategory')['Salary'].transform(lambda x: x.fillna(x.mean()))
print(df.isnull().sum())
💻 [실행 결과]
--- 정제 전 결측치 확인 --- JobID 0 ExpYears 0 EducationLevel 0 RoleCategory 0 IsRemote 0 Salary 16 dtype: int64 JobID 0 ExpYears 0 EducationLevel 0 RoleCategory 0 IsRemote 0 Salary 0 dtype: int64
— 정제 전 결측치 확인 — JobID 0 ExpYears 0 EducationLevel 0 RoleCategory 0 IsRemote 0 Salary 16
— 정제 후 결측치 확인 — JobID 0 ExpYears 0 EducationLevel 0 RoleCategory 0 IsRemote 0 Salary 0
```
💡 분석가의 통찰 (Analyst’s Insight)
- 직무별 임금 스케일 차이 전처리 반영: 데이터 마케팅 직무와 고단가 AI/데이터 사이언티스 및 개발 직무의 기저 평균 임금은 격차가 큽니다. 이들을 섞어서 대입하면 평균 임금이 뭉개지거나 왜곡되므로, RoleCategory 범주별 평균 연봉을 각각 구해 대입하는 것이 합당합니다.
Step 3: 단변수 분포 분석 (Univariate EDA)
가장 먼저 핵심 변수가 전체 데이터에서 어떤 빈도와 분포를 가졌는지 단일 변수 시각화를 통해 파악해 봅니다.
plt.figure(figsize=(8, 5))
# 단변수 분석 그래프 생성
sns.barplot(data=df, x='RoleCategory', y='Salary', palette='Blues_r', errorbar=None)
plt.title('채용 직무별 평균 연봉 수준', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 시각화 차트 읽는 법 & 인사이트
- 직무별 노동 시장 단가 순위 비교: 데이터 사이언티스(Data Science) 및 소프트웨어 개발(Software) 직무의 제안 연봉 평균 막대가 마케팅 및 인사(HR) 대비 시장 경쟁력 우위로 인해 가파르게 높게 형성되어 구인 시장의 임금 구도를 실증합니다.
Step 4: 다변수 상관관계 및 이상치 분석 (Multivariate EDA)
두 개 이상의 변수를 동시에 결합하여, 조건에 따른 수치 차이나 독립 변수와 종속 변수 간의 통계적 경향을 분석합니다.
plt.figure(figsize=(9, 6))
# 다변수 분석 그래프 생성
sns.scatterplot(data=df, x='ExpYears', y='Salary', hue='EducationLevel', palette='Set2', alpha=0.8)
plt.title('직무 경력 년수 대비 연봉 수준과 학력 프리미엄', fontsize=14, fontweight='bold')
plt.show()
💻 [실행 결과]
💡 코드 딥다이브 & 비즈니스 통찰 (Analyst’s Insight)
- 연차 경력 상승 비례 연봉 증가와 학력 조건의 가속 시너지: 요구 경력(X축)과 연봉(Y축)이 정직하게 우상향 선형 띠를 이룹니다. 특히 흥미로운 점은 동일한 경력 연수 대역에서도 석박사(Masters/PhD, 초록색/주황색 점 계열) 조건이 요구되는 공고의 연봉 단가가 학사(Bachelors, 주황색 점 계열) 대비 높은 상단 궤적을 선점하고 있어 학력 프리미엄의 존재를 증명합니다.
Step 5: 통계적 직관과 해석 (Statistical Logic)
💡 [급여 결정 요인의 인적 자본 이론(Human Capital Theory)과 경력 가치 가속 곡선] … (생략: 연차 경력 및 학력 요건 연봉 예측을 위한 OLS 다중 회귀 분석 해석)
🎯 30분 강의 마무리 및 심화 과제
오늘 우리는 실전 데이터셋을 분석하여 판다스로 데이터를 가공 및 정제하고, 시각화를 활용하여 핵심 변수 간의 통계적 유의성을 검증했습니다. 데이터 속에서 숨겨진 패턴을 올바른 시각으로 탐색하는 능력이 데이터 사이언티스트의 가장 강력한 무기입니다.
📝 심화 과제 (Advanced Challenge)
- 재택근무(IsRemote) 조건별 평균 연봉 비교: 재택근무가 가능한 공고와 출근 공고의 평균 연봉 차이를 집계하고, 어떤 그룹의 고용 시세가 비싼지 요약해 보세요.
- 고소득 신입 공고 서브셋 추출: 요구 경력이 2년 이하로 낮음에도 연봉이 $90k 이상 책정된 ‘초고수익 주니어’ 직무 공고들의 특징을 요약해 보세요.