How I’m Making Sure My Analytics Career Doesn’t Get Eaten by AI

我如何确保自己的分析职业生涯不会被AI吞噬 | Towards Data Science

数据科学

我如何确保自己的分析职业生涯不会被AI吞噬

五年前我投身的分析行业早已不复存在，但说实话，我对此感到坦然接受。

Rashi Desai

2026年7月14日

6分钟阅读

分享

照片由Yulia Matvienko在Unsplash提供

每隔几周，就会有同事提出类似的问题：AI会取代我的工作吗？我承认自己也曾问过类似的问题。但经过与AI专家交流，与部分AI代理的创造者对话，目睹AI的演进过程，并实际将AI融入自己的工作方式后，"AI是否会取代我的工作"这个问题已不再让我感到恐惧。如今我更关注的是，如何更谨慎地选择学习内容，以及对未知领域保持强烈的好奇心。

2021年刚开启分析工作时，我认为编写SQL或Python代码、搭建看板是重要技能，事实确实如此。但很快我意识到，真正需要精进的能力是：将复杂的商业问题转化为数据问题，并从中提炼出对业务人员有意义的洞察。然而在当前AI浪潮下，我不确定这种能力还能保持多久的核心竞争力。

当ChatGPT在2022年成为全民热议话题时，我预感AI在短期内被高估，但长期来看被低估，这种认知如今愈发清晰。

行业变革速度远超多数人的想象，就连这些系统的构建者也无法准确预判未来方向。

AI工具正在持续进化，它们能快速吸收过去只存在于资深从业者脑海中的知识，比如通常需要数年工作经验才能掌握的业务背景。当这些知识被记录并输入AI系统后，将不再局限于特定专家的头脑中，而是能为所有需要的人提供支持。

当部落知识被系统化记录时，角色边界将逐渐消融。

数据分析师需要承担数据工程师的工作内容。软件工程师可以解读A/B测试结果——这项工作过去属于数据科学家的专属领域。借助AI代理，即使完全没有技术背景的人也能创建看板，而五年前完成这项工作需要经验丰富的分析师耗费整个下午。

上周我就目睹了这一变化：一名Scrum主管需要整合两个平台的项目交付数据，借助Copilot的帮助，他成功设计了数据管道并构建了可用的Power BI看板，而无需数据分析师完成基础工作。当我介入时，他只需要协助自动化流程和增强数据叙事。对其他人来说这可能只是寻常的周二，但对我而言，这再次印证了AI正在迅速模糊角色边界，使许多技术技能变得触手可及。

这并不意味着分析工作将消失，而是说明执行障碍正在消退，我们的价值将越来越多地体现在判断力、业务理解力、影响力以及将信息转化为有效决策的能力上。

我的推测是，未来五年内，从数据分析师到高级分析师再到首席分析师的直线式职业晋升路径可能不再以我们今天所熟知的形式存在。传统初级角色所承担的编写查询、构建仪表板、生成报告等工作，将需要远超当前要求的能力。取而代之的是复合型角色，这些角色将处于人工智能、商业、数据分析和软件工程的交汇点。

我目前还无法确切预知这种新型角色会是什么样子。没有人能确切知道。但根据我的观察，我正在通过以下方式确保自己的分析能力不会被AI取代：

• 我已停止将编写查询、构建图表和生成报告视为我的全部价值主张。AI正在让许多人能够自主完成这些工作，而无需我的参与。如果我只提供这些能力，实际上是在与工具竞争，而不是利用工具。基于这种认知，我正在进一步拓展自己在商业知识、分析判断和AI系统设计交叉领域的专业能力。

• 我正努力理解这些系统的工作原理：AI代理如何推理，如何为它们构建上下文，如何在AI与数据之间建立连接。这种知识很快将不再是锦上添花，而是分析师工具包中的必备技能。

• 在AI仍难以复制的领域加倍投入判断力：识别AI在何时通过虚构洞见对你隐瞒真相，发现幸存者偏差在影响决策前，区分相关性与因果性，捕捉自己在被确认偏误影响前，区分观察与真正洞见，以及在开始测量指标前，明确指标本身应具有的含义。

• 我继续强化人类技能。我热衷于阅读认知科学和人类如何适应变化的研究，已认识到人类（软技能）不像SQL查询那样容易被商品化。它们需要在模糊性中保持耐心，深入理解业务到足以在看到数据前预判其合理范围。此外，硬技能能让你获得工作机会，而软技能能让你获得晋升机会，因此我目前正将大量精力投入于此。

• 我正尝试将判断力融入可扩展的系统，而非将其局限于个人头脑中。这样最终会创造出真正有价值的东西。

• 我已开始在三个工作层级使用AI代理：执行、呈现和影响。通过适当的提示，我正尝试让AI通过自动化研究、分析和内容创作来加速执行，同时通过将工作转化为清晰、有说服力的叙事来提升呈现效果。这项工作的成果使我能够有效传达商业影响，并更清晰地展示创造的价值。

回顾过去，展望未来

五年前，我认为做好分析工作意味着擅长处理数据。但今天，我认为做好这份工作意味着擅长判断。这主要关乎提出正确的问题，知道何时数字在说真话、何时在说谎，以及知道哪些问题环节真正需要人类参与。

我们用于数据科学和分析的工具多年来经历了多次变化，如果人工智能的普及加速了这一进程，我也不会感到意外。但分析师真正的价值从未体现在SQL查询本身，而在于理解业务问题、建立信任，并赋予决策者采取行动的信心。随着人工智能承担越来越多的技术性工作，判断力、背景理解、沟通能力、影响力和同理心这些独特的人类技能将变得前所未有的重要。我职业生涯的赌注正是押在这类技能上。

这就是我在这篇博客文章中的全部内容。感谢您的阅读！希望您觉得这篇文章有趣且有启发性！

Rashi是来自芝加哥的数据专家，热爱分析数据并创造数据故事来传达洞察。她目前是全职的高级医疗分析顾问，周末喜欢一边喝着咖啡一边撰写关于数据的博客文章。

作者信息

查看Rashi Desai的全部文章

人工智能

职业发展

职业建议

数据分析师

编辑精选

分享本文

• 在Facebook上分享

• 在LinkedIn上分享

• 在X上分享

Towards Data Science是一份社区出版物。提交您的见解以触达全球读者，并通过TDS作者支付计划获得收益。

更新为您的实际投稿链接

为TDS撰写文章

✦ 结束CTA ✦