【直播】AI时代的“工具价值”：还需要学习软件吗？

以下是话题二（技术公式与AI）、话题三（分析师职业终局）、话题四（工具与思维训练）的完整精修逐字稿。

--------------------

📂 模块一：AI 时代，死磕技术公式还有意义吗？

（对应音频片段-）

【场景引入】前两天我在公众号发了一篇文章，有一位 BI 同行留言提了一个问题。这个问题大概率代表了很多人的心声。

【核心问题】当时我在文章里对比了 SQL 的SUM() OVER()窗口函数和 Tableau 表计算（Table Calculation）的底层逻辑差异。因为内容过于硬核技术，看的人不多。

这位同行就问我：“老师，在 AI 时代，这种公式的意义到底还在吗？”

你看，AI 似乎已经跨越了所有知识。凡是需要记忆的、凡是书本上能看到的知识，在 AI 面前似乎都没有了“死记硬背”的价值。大家会觉得：既然遇到问题直接问 ChatGPT 或 Google 的 AI 就能得到答案，为什么还要去深究PARTITION BY怎么写、ORDER BY怎么排？

我的回答很简单：

• 第一，单纯的记忆确实没用了。在 AI 面前，你记法记原本不仅没优势，甚至 AI 比你更懂底层逻辑。
• 第二，“知其然”的人会变多，“知其所以然”的人会变少。大部分人会因为 AI 的便利，选择不再深度思考，只求“拿来即用”。
• 第三，不懂实现逻辑，就无法做有价值的业务优化。如果你不知道 SQL 或 DAX 背后的底层差异，你就无法判断什么场景该用什么语言，也无法解决复杂的业务难题。

【AI 需要朋友】

我计划在 2026 年写一些深度结合技术底层（如 SQL vs DAX vs Tableau）的文章，就是为了告诉大家：AI 也需要朋友。

AI 需要的是能够深度思考、能做它“陪练”的朋友。比如我经常问 AI 问题，它回答得不好，我会告诉它：“你错了，实际情况应该是这样的。”未来，只有极少数能和 AI “握手”、能理解底层逻辑并纠正 AI 的人，才是行业里真正有价值的人。

-------------

📂 模块二：分析师的职业终局——从“搬运工”到“决策者”

（对应音频片段-）

【分析师的两条出路】AI 会推动行业分化，数据分析师的归宿在我看来只有两条路：

• 业务咨询专家：像我做医药、航空的临时项目，利用经验和工具帮客户找到“最优路线”。这需要极深的业务+工具理解，目前 AI 还做不到。
• 业务经理/决策者（更重要的一条路）：分析师必须成为对决策负责的人。

【为什么要做决策者？】

如果你只是给领导提供数据（弹药），但不负责决定“打哪里”，那你拿的只是“搬运费”。以前你搬的是“小米步枪”，现在你学会了高级技术搬的是“原子弹”。但如果 AI 也能造原子弹，你的边际收益会快速衰减。只有对决策负责，才能赚到大钱。

【经典案例：一箱书的库存逻辑】

举个例子，我在客户的 ERP 系统里看到一个现象：

• 场景：仓库盘点时，不想一本一本数书，想按“一箱（30本）”来盘点。
• 策略 A（普通做法）：在物料里加一个新编码叫“整箱书”。这在系统里变成了两个 SKU。为了做对，还需要把“整箱”设为虚拟物料，启用 BOM（物料清单）转换。
• 策略 B（更优做法）：根本不需要新 SKU，直接利用系统中的“多单位转换”功能。

【案例延伸：奥特曼意面大礼包】再比如我的一个客户是做儿童意面的（国内 Top 品牌）。春节要卖“奥特曼番茄味大礼包”，包含 5 包面 + 2 个赠品，打包卖 40 块钱。

在销售端它是一个商品，但在库存和采购端，并没有“大礼包”这个实体。这时在系统中应该配置为“组合商品”或“虚拟产品”。

【分析师的价值】

一个好的分析师，不仅要知道 ERP 背后有单位转换、BOM 结构，更重要的是要知道在具体业务中如何配置才能降低成本、提高效率。这种从销售预测 -> 订单 -> 采购计划的连贯性逻辑，是领导看不到细节但最需要的。如果你能给出这样的建议，你就不再是“取数的”，而是业务的操盘手。

-----------------

📂 模块三：工具是思维的训练场

（对应音频片段-）

【工具的本质】回到最初的问题，死磕公式的价值在哪里？工具的价值不在于工具本身，而在于它是思维的训练场。

【实例：饼图是高级计算的入口】

我在书里讲过：“饼图是聚合的聚合（二次聚合）”。如果你不懂 SQL 窗口函数的逻辑，不懂 Tableau 的表计算，你就理解不了为什么图表是这样生成的，也做不出高级分析。

比如 LOD（详细级别表达式）背后其实是 SQL 的嵌套聚合查询。你在工具中不断练习这些转换，其实是在强化你的业务逻辑理解。

【高考的隐喻】

现在很多人说学校教育没用，AI 全能搞定。那为什么高考不取消？

高考本质上是一种意志力的训练和筛选。

你可能工作后早就忘了数学里的排列组合（A32），但当年为了解题所进行的逻辑训练留在了你的脑子里。

【把手弄脏】

业务理解不能靠问 AI，必须“把手弄脏”去摸索。比如我做航空、电商项目，我会亲自去搞清楚物料、BOM、MRP 的逻辑。

当你把这些东西摸透了，你才能在未来告诉老板：“从税务角度、从效率角度，我们应该这样做。”这才是为未来成为甲方的高级数据官（CDO）或 CEO 做准备。

“唯有知识·让我们免于平庸”

㊗️ 新年喜乐