时至今日我依然觉得AI无法取代数据分析师

之前我专门写过一篇帖子聊，AI现在就是没办法取代DA，我们基于业务认知和对现实世界把控所做出的业务判断，是AI无法具备的，毕竟每一个重要决策都是高维信息杂糅；而我们面向业务提供的情绪价值，更是AI难以企及的，毕竟人都不是冷血动物，需要正确的建议，但也需要正确且好听的建议 但同时我发现，把AI当成实现业务目标的工具，真是好用。现在，它已经成了我非常靠谱的助手，就拿我最近用的Kimi智能助手举例： 1️⃣SQL代码修正 首先得说下，工作中的sql，是依赖业务逻辑，配合数据基建才能实现。可但凡大家工作过，就知道业务逻辑永远乱得像菜市场，数据基建永远脏得像纽约地铁。一段SQL，不连3张以上的表，不加几十个限定条件，那就不是正经SQL 所以基本的框架还是得你写，但是框架之下各种语法问题，可以不用费心了，Kimi是真能快速识别出语法错误并提供正确解法，终于不用再来回debug了 2️⃣基本的数据统计 注意，这里更多是统计，不是分析。毕竟分析是业务背景+基础数据+统计+业务解读，业务解读是关键，但数据收集和统计却花费了我们百分之七八十的时间。有了Kimi，告诉它你想怎么统计和怎么呈现，分分钟出来，极大释放人力，让我们把更多精力集中在产出insights指导业务迭代上 3️⃣外部信息收集 之前我在帖子里多次提到，做DA，很容易只关注业务迭代细节，缺少对业务整体和外部世界的把控，从而失去对更复杂问题的判断，也即少了业务sense的一部分，这很不利于我们的长远发展。而解法之一就是逼迫自己找外部的商业文章。但茫茫大海，实在是难以同时找到很多高质量公司或行业研究报告。不过，今时不同往日，只需要把你想要了解的公司、行业信息告诉Kimi，它可以快速指引你去到正确的渠道和正确的文章，甚至能帮助我们总结文章关键内容，快速提升业务认知，从思维底层逐渐充实业务sense。 所以归根结底，AI也好，sql也罢，都是实现分析目标的工具。数据分析的价值在于挖掘业务问题、找到业务迭代方向并判断业务决策质量，至于过程中用什么工具，自然是什么好用就用什么