1、数据分析岗位的起源

我是气象专业毕业生，我记得2012年、2013年的时候，气象毕业生找对口的工作，还都只局限于气象局、环保局、空管、机场等体制内单位和国企。

体制外看着还好的是风电，不过据我调查，这也是个坑，技术和薪资上没有发展前景，而且风机多建在偏远地区，沙漠戈壁、海边、海岛，出个差够呛。

2017年的时候找工作，发现招聘市场多了一些大气环境类的“数据分析工程师”岗位，薪资还不低。这对于大气环境研究生来说，不仅沿袭了读研时的工作模式，还可以朝信息化、数据化方向发展，算是比较理想的职位了。

2、岗位弊端

目前的信息化潮流，只是给了【数据分析】岗位诞生的理由，实际工作中，这个岗位有它的尴尬之处。

最大的问题，是【数据分析】的定位比较低端，是公司卖仪器或网站这种高技术、高附加值商品的【附赠】。

数据分析师作为产品的【有机补充】，为产品瑕疵圆谎，同时，也充当着【劳务租赁】和【客服】的角色。

项目的启动、实施过程管不上，但却要对结果(数据质量)负责。

可能设备从研发、生产到维护都有问题，数据垃圾，但却要求你对客户提出的问题做妥当的回答。

技术门槛低，一周或一个月就上手。

这是一个出卖劳动，而不是知识的岗位。

很多公司招聘数据分析岗的门槛也很低，专业对不对口都无所谓，大多是要求“能吃苦”“有耐心”“适应出差”之类。

一般情况下，数据报告写多写少一个样，写好写坏一个样，没有研究数据的动力。

大多数的招聘要求有环境专业背景，不要求有编程能力，数据分析师的数据靠程序员传输，有的表格、图形、地图都是程序员做的。

不会编程的数据工程师只能使用程序员写的现有工具，以及Excel、等低级工具进行分析，常常无法实现自己的想法。

缺乏程序员帮助的情况下，往往还要自己动手，费时费力。

程序员写的工具也大多跟环境专业理解的不同，诸如大量的手动标记污染的位置和时间，能把人整死。

公司有销售出身的高管，有硬件技术出身的高管，但没有信息化出身的高管，数据工作常处于被外行领导的局面。

总结：由于数据分析在业内是低端定位，简单地搜索最近的招聘信息，该岗位的月薪普遍不过万，想实现收入继续增长，应当考虑转型。

3、转型方向

目前数据分析岗主要有2个转型方向，一个是商务方向，可以做【销售策划】，第二个方向是做【编程开发】。

我选择的是做【编程开发】，因为我觉得这个价值更大。

业内的数据相关业务依旧处于低端水平，大气环境毕业生掌握了编程技术，至少可以贯通“数据分析服务”“平台与软件”“策划方案”三者，价值较高。这也即是国外的新概念---【数据科学家】。

数据工程师平时就跟数据打交道，为编程供应着无数的数据，和充足的练手项目。

所以，转型的过程可以在工作中逐渐孕育。

我刚工作时，就认为数据分析报告应该是全自动化的，但实际上实现它需要掌握很多方面的知识：

①数据获取，需要学习FTP和爬虫，而学爬虫的前提是懂前端

②文件读取，需要懂各种文件格式，如json,csv,kml,nc,...

③数据清洗，数据常出现破碎的情况，各种情况都应考虑到

④数据计算，做各种数组计算、滤波等操作、根据先验模型进行插值...

⑤地图利用，静态地图的抓取，地图接口的使用

⑥以及批量制图，文档自动化等等。

在这几年的工作中，我执行着“以战养战”的策略：

我不断学习新技术，每一个新技术都能将我的工作“自动化”一部分，腾出了时间，

然后我就有更多的时间学习，如此循环，直到我把所有分析工作都自动化了。

之后我还学了桌面软件开发、后端、前端...

我觉得，既然走技术路线，就得不断学习、不断积累，以学习为乐，等你修炼到一定层次，转型是自然的。

附件：《数据分析·没那么简单》

没那么简单 就能把污染 分析得圆满

尤其是在 看过了那么多的扯淡

心里不安 假装强悍

谁谋杀了我的平淡

没那么简单 只需排版 别的全不看

追求严谨 也许好也许坏 各一半

不爱瞎掰 一久也习惯

不用担心谁 也不怕被责难

一到公司就忙东忙西

周末到了就放空自己

客户说的话 随便听一听

自己做决定

不想拥有太多数据

一袋瓜子配电影

在周末晚上 静音了手机

舒服窝在被窝里

分析没有那么容易

每个人有他的建议

过了爱学习的年纪

忙忙碌碌不如吃鸡

放松没有那么容易

才会特别让人着迷

什么都不懂的年纪

曾经最无心 所以最开心 曾经