— 拥抱变化，破局前行
各位好！我是一名就职于某银行后台的数据分析师。近期，我对过去几年在本岗位上的工作成果进行了系统性复盘，并深入思考了个人职业规划，从中提炼出若干观点。事实上，我一直有分享这些观点的意向，此次便重启这一搁置已久的议题。2020年，我从某家运营商跳槽至现任职的银行时，曾在小范围的专业圈子内，较为含蓄地表达过自己对本行业在数字化转型过程中，数据分析师这一职位在其中的困惑。尽管已过去两三年，当时探讨的内容在当下依然具有适用性。彼时，我们在企业内部已敏锐捕捉到一些行业变化趋势，这些趋势在当时尚未引发大众的广泛关注，而如今已逐步被业界所重视。
回溯至 2021年，“数据分析师是否会被取代” 这一议题便已引发行业关注。彼时，行业内外部信息存在显著偏差，从业者实际承担的工作内容与岗位预期存在较大出入，工作成果难以量化，导致在年终汇报时，难以系统梳理和呈现关键业绩指标。与此同时，线上教育平台涌现大量以 Python、Excel 为核心工具的数据分析速成课程，市场对数据分析技能的培养呈现出急切且片面的倾向。
时过境迁，当下这一话题已不再令人感到意外，甚至部分以培养数据分析师为目标的培训课程，已难以适应行业发展的需求。就在本周，我敏锐察觉到行业风向发生转变，与我交流的对象和以往大不相同。在内部技术交流和分享过程中，我引入了关于 AI 取数的内容。尽管该技术尚不完善，但已展现出巨大潜力和趣味性。
接下来，我将结合这些新动态，深入探讨行业内出现的显著变化，首先便是目标导向的重大转变。
以前，我劝退大家入行数据分析领域，也说了很多这个领域的坏话，砸自己的饭碗，大家还是不太愿意改变想法。就拿我在XX当初级数据分析师那会儿来说，有一天我的mentor突然问我，愿不愿意转行去做类似咨询那边的工作，搞一个挖掘的模型和开发配套的报表来做经营分析，问我感不感兴趣。当时我心里就想，我可不感兴趣，我就喜欢当数据分析师，在后台安安静静地做分析，然后写出报告。
这个转换的过程在第一家公司未能如愿。而第二份工作，在行业切换的一年后，随着部门战略方向的调整，我的个人职能也被动的发生了转变。那一年，我首次以外部人员的视角，审视数据分析部门的工作，并观察到各业务部门对数据分析师的态度。这时我才意识到，曾经自己所做的工作，在他人眼中可能并不具备实际落地价值。尽管能产出一份看似光鲜亮丽的报告，却未能紧密贴合业务需求，对实际业务推进的助力有限。
在做目标管理和经营分析的时候，我们深入接触一线业务人员，发现他们对业务有自己的想法，知道该怎么操作。可有时候获取数据特别困难，得经过层层审核和审批，数据还得排期，分优先级，而且有时候拿到的数据还不是自己想要的，这就是业务中面临的困难。
在XX的时候，我们尝试用数据看板，或者类似现在数据产品的一些设备，还有自助取数功能。把数据分析工具提供给业务人员，让他们自己分析。结果发现，原本需要向数据分析师提出 10 个需求，现在业务人员自己就能解决一部分问题，这些需求不用再流向数据分析师那边，而是在业务部门内部就闭环了。这在当时可是个很有趣的现象，从那时候起，我就觉得数据分析师其实代表的是一种能力，这个观点和结论在很早的时候就已经成型了。我当时就觉得，总有一天，那种一个大部门里坐着一堆数据分析师专门取数的年代会过去，业务人员自己就能拿到足够多的数据，有各种产品、看板，还有智能化的东西来满足他们对数据的需求，包括各种指标和交互。业务提出需求，马上就能有相应的指标供其使用，这样能极大地加快业务决策过程。要是还像以前那样，业务提出需求给数据分析师，数据分析师接排期，按自己的理解去做，再加点自己的想法，效率其实是很低的。
我常与同组组员交流，也听领导多次强调，数据分析师有时需要跳出业务框架，以不同视角审视问题，这是解决复杂难题的有效途径。我也时常建议大家，如果真心热爱业务工作，不妨全身心投入其中。毕竟当下数据的产出与获取方式已发生显著变化，与以往大不相同。
尤其是身处互联网大厂的同行们，运营与业务人员能够获取海量数据及指标，解读指标的方法也多种多样。然而，如何做好分析、选定关键指标，却成了棘手难题，过去这类难题常抛给数据分析师，一旦结果不佳，分析师便要承担责任。如今形势不同，大家必须为自身职业发展考量。随着 AIGC 的技术普及，不少开源的在线项目里，那些本来不是数据分析师但一直有意进入这个行业的人们，在我们沟通过程中，就发现他们这几年的一个变化：他们不再想单纯从事数据分析师的岗位，也不再将转岗作为职业方向。他们期望在现有岗位，如策划、内容运营或产品工作中，学习如何运用数据分析能力。毕竟，他们虽能获取大量数据，却不知如何有效处理。可以预见，未来许多岗位都会受到类似冲击，数据正逐步走向产品化、工具化，甚至已迈入 AI 化阶段。AI 并非直接取代数据分析师的工作，并非让从业者突然失业。它更像是数据产品经理，在为运营打造产品时融入 AI 技术。例如，当我进行取数或提出分析需求时，AI 便能协助完成这一流程。所以，未来工作将更依赖产品与业务部门的紧密协作，不再需要专门设置数据分析师作为中间环节。数据分析师的专业能力将逐步渗透至业务与产品端，通过运营人员丰富的业务经验、产品人员对需求的精准把握，再结合 AI 技术，共同解决实际问题。
就像我之前说的，随着数据逐渐下沉，数字化、AI 以及数据产品化不断发展，数据分析师的数量会逐渐减少。但这并不意味着数据分析不重要了，任何决策判断还是需要数据支持的，只是不需要专职的数据分析师了，也不是说只要有个数据分析师的名头就能在这工作了。其实这个想法在很多年前就有了，我发现很多大厂的同学也有同样的想法，所以大家会看到很多大厂分析师对自己岗位的判断，甚至出现一些劝退帖。
起初，我曾谈及一些需要审慎考虑的方面，不过，我仍想与大家分享有关数据分析的知识。在社区工作的这两年，我们发现，尽管数据分析岗位的需求或许会有所波动，但数据分析能力本身的重要性始终不会减弱。过去，有一种现象值得留意：部分机构过度强调岗位的表面优势以吸引人才，然而，数据分析岗位与数据分析能力其实有着本质区别。当前，这个岗位的薪资确实较为可观，你可以看到年薪几十万的从业者大有人在。但在未来，想要获得这样的高薪，所需的能力和门槛都会大幅提升。随着业务的发展，许多业务人员也将具备一定的数据分析能力，不过，他们的薪资或许难以与专业数据分析师岗位相媲美。正因如此，一些机构以高薪为诱饵，诱导大家参加培训课程，这种做法可能会造成需求虚高的假象。虽然未来不一定能成为拿着高薪的数据分析师，但数据分析能力对于个人发展仍具有重要意义，值得大家学习。在这里要提醒一下，花费一万甚至两万元参加培训，并不一定能直接带来薪资的提升，甚至有可能因为企业发现业务人员也能承担部分数据分析工作，而削减数据分析师岗位，以此降低成本，这是我们需要正视的现实情况。
大家不妨留意一下，尤其是今年，豆包、WPS 灵犀这类基于数据投喂、直接生成分析结果的功能相继上线，数据分析工作领域随之发生了显著变化。正因如此，我觉得有必要和大家再次聊聊这个话题。三年前我所预见到的行业趋势，如今大家终于都有所察觉，随之而来的便是焦虑情绪的蔓延。此前，我们多次探讨过 AI 相关话题，不少人忧心忡忡，担心自己的工作会被 AI 取代。然而，就我个人而言，早在两三年前，这种焦虑感便已逐渐消散，如今已能坦然处之。
另外，今天我们研究了公司内部的 AI 取数工具，虽说它并非十全十美，但功能已十分出色，完全契合我们的实际需求。只要能清晰阐述需求，无论是分析结论、数据小透视表，还是各类图表，不仅能快速生成，还支持个性化微调，有点像是传统可视化工具与 AI 技术的巧妙融合，这种创新模式相当有趣。以往，AI 生成的结果往往难以灵活调整，究其原因，就在于产品化程度不足。而今年看到的这些新品，甚至是不久之后大量铺开的可用AI Agent截然不同，他们在不同场景应用下的设计极为精妙，融入了诸多独到的理念。初次接触这类产品时，我便敏锐地意识到，未来我们的工作模式势必会发生根本性变革。回想过去，曾有十几个数据分析师驻外，依靠跳板机花费一整天时间取数，这样的场景恐怕一去不复返了，毕竟现在很多人都未曾经历过那个阶段。
有时，我着实不太理解大家为何如此焦虑。尤其是作为经历过我第一家公司，那场国产化的行业变革的从业者，我目睹过许多数据分析师岗位的第一轮主动或被动的消失，在我看来，这不过是行业发展的正常现象。或许是因为大家没有经历过那个时代，对未来潜在的挑战缺乏直观认知，才会陷入过度焦虑。但在我看来，这种担忧大可不必。当下，正是投身这个行业的绝佳时机。倘若岗位数量稀少，那便意味着无需面对激烈竞争；而一旦有朝一日需要参与竞争，恰恰说明你已成功战胜众多对手，此时只需坚定地朝着更高目标迈进即可。
我们的小圈子把数据分析师群调整成了数据分析师的自救群，这里面有转经营分析的经验，还有其他人转数据产品的经验，包括想做数据开发的经验。我再次强调，从两年前到三年前，我们做的事情一直都没有变，我相信未来肯定会发生变化，我要做的就是站在终点，等着大家也看到我所认为的变化。我相信这个风向会慢慢改变，过去几年，很多同行或者读者不理解我为什么整天劝退大家，只能说被劝退的那些人，有的是太执着于数据分析师岗位，有的人想靠这个岗位包装自己，觉得这个岗位薪资高，就想把课卖得很贵来赚钱，满足自己的利益。就像乙方给甲方做数据分析报告一样，带着大家做项目经历，看一些漂亮的图表。但以后在 AI 的帮助下，你可以自己调整颜色、格式、措辞和数据。关键在于你要知道该分析什么，分析什么样的东西能给企业带来价值。比如说简单的订单异动分析，我们到底取什么数据才能证明订单确实有异动？不能只是说订单下降了 20%，a 层下降了 30%，a 用户下降了 20%，只做数据描述可不算数据分析。如果你只是做取数、看板这些重复性劳动，对数据只做解释，没有自己的分析和策略，那所有这些工作 AI 都可以取代，而且也应该被取代，因为这些工作没有太大价值，凭什么还占着岗位吃饭呢？我一直都是这个观点，这周我感觉离我想看到的终点又近了一步。我们希望所有岗位都能顺利利用数据，发挥出业务思维、理解能力和策略能力，策略能力真的非常重要。比如说我们现在做经分，出策略，这是很有意思的事儿。我觉得策略出得越好，说明对业务理解越深刻，反过来也是一样，对业务理解得越深刻，工作成果就会越好。
我曾经去我们的职场，问过销冠，问过班组长，表现好的销售和表现差的坐席在同一件事情上有什么不同，比如说客户为什么会同意推送这样一笔看似不能达成的订单。有的坐席觉得客户会回流，所以就想办法触达所有历史客户，觉得触达得多了客户就一定会回流。但做得好的坐席可不是这么想的，他们在和客户聊天的过程中发现，客户是看到市场上有机会和需求才会来找你，而不是单纯因为客户本身就愿意回来。所以这些坐席会对行业做更多的理解和研究，比如那波924下带动的A股暴涨，告诉他们现在的趋势，说未来趋势会迅速提升，客户听了觉得有道理，就可能会选择购买那些他们从来不敢尝试的高风险的权益基金产品。这样每天花更多时间去营销更多客户，才是动脑子工作的做法，这些小细节和巧思才是我们工作中的闪光点，未来能萃取留存下来的肯定是这些闪光点。我们所说的智慧和聪明之处，就在于好的策略和想法，而不是中间取数、做看板、写文档、各种沟通这些过程，我觉得那些都不是重点，是应该被取代的。
今天跟大家分享这些内容，我其实不希望大家焦虑，我自己以前也是个爱焦虑的人，但我的焦虑已经过去了。我就想告诉大家，这种变化不仅现在有，未来还会持续，我们得接受这个过程，拥抱变化，并且关注那些能让自己提升的东西。可能光有数据分析能力已经不够了，你还得关注数据产品，去查阅相关书籍，学习数据开发或者经营分析的知识。就像现在中台一个人要做很多人的工作，还得保证绩效，这样才能更好地在职场中生存。
这就是我的个人想法，想跟大家分享一下。如大家所见，这篇文章缺乏结构，基本是信马由缰，想到什么说什么。我希望以转岗为目的和我交流的前辈或后辈可以越来越少，大家能真正意识到数据分析是个很有趣的事情，任何岗位都可以用它来解决手头的问题，只要有数据就能解决问题。我们之所以依赖数据分析师，其实应该灵活看待，数据分析师这个岗位产品化、智能化、AI 化的趋势，终究会取代两类人。一类是数据分析师里只会取数，没有想法和分析能力的人；另一类是业务部能力不足、没想法，总把需求交给数据分析师，自己不工作还逃避责任的人。我们最终需要的是这两类人中有想法、有策略、对业务有认知并且热爱自己所在行业的人。你会发现，其实无论是数据分析师、产品经理还是运营岗位，都没那么重要。公司不是先有岗位才有人，而是要满足不同业务需求才设置了不同的岗位。比如说我得先设计好职能，才会有数据分析师这个岗位。以前需要数据分析师取数，现在不需要了，只需要一个人能评估运营、销售和业务的表现，根据公司发展方向产出有价值的分析，这个人也可以叫数据分析师，这不是数据分析师消失了，只是职能发生了变化，也可以不叫数据分析师，叫商业分析师也行，而事实上这个角色的转换，也是我本人正在经历的过程。
在数据分析领域，我们时常会陷入一些思维定式，我希望关注我的朋友们能够跳脱出这些常规视角，一起开拓更广阔的思路。未来，我也打算时不时的在自己的公众号里，分享更多这类从业相关的内容，为大家带来一些新的启发与思考。关于岗位是否会被取代这类话题，其实我们可以从更长远的职业发展角度去探讨，如何提升自身能力、突破困境，或许才是更值得我们关注的方向。今天的分享就先到这里，期待下次再和大家一起交流！！
全文完。
Loading...
.png?table=block&id=2cc83b8b-7fcf-4de4-9439-9402cc3fad28&t=2cc83b8b-7fcf-4de4-9439-9402cc3fad28)
