Project
AI 与就业机会结构分析
自动清洗并分析 3 万条招聘信息，从教育、技能、行业、地区、薪资与自动化风险观察 AI 如何重组机会分布。
Python · pandas · Visualization · Reporting · Labor Data
Product Snapshot
- Role
- 独立数据分析
- Users
- 关注 AI 就业变化的求职者、教育者和研究人员。
- Stage
- 2025.11 完成自动化清洗、分析、可视化与 Markdown 报告。
- Focus
- 教育要求、技能组合、行业与地区差异、薪资、公平性和自动化风险。
- Validation
- 将 30,000 条职位数据转化为可复跑的分析流程和结构化研究报告。
- Public Proof
- 数据处理代码、可视化输出和自动生成报告。
Next Step
研究目标
与其笼统讨论“AI 会不会替代工作”，这个项目更关注机会如何被重新分配：哪些岗位提高了技能门槛，哪些地区和行业更集中，以及薪资和自动化风险如何共同变化。
方法
我为 30,000 条招聘信息建立自动化清洗、派生字段、分组分析、可视化和报告生成流程，覆盖教育、技能、行业、地区、薪资、公平性与自动化风险。
结果与边界
项目产出可复跑脚本和结构化 Markdown 报告。分析揭示的是招聘样本中的相关结构，不把职位描述直接等同于真实就业结果，也不把自动化风险分数解释为确定的岗位消失预测。
配置公开站点的 Giscus 环境变量后，这里就会出现讨论区。