AI时代，分析师真正的护城河是“超越工具”的洞察

随着AI大模型技术的快速迭代，智能体Agent时代已经悄然来临，AI能力越来越强大，不仅能快速生成分析报告，还能辅助完成数据处理、可视化等诸多工作。面对AI的冲击，数据分析从业者普遍存在一种焦虑：当AI越来越"能干"，分析师的价值在哪里？未来分析师真正的护城河又是什么？

本期观远数据「AI+BI观察家」栏目特别邀请到数据分析领域专家、上海唯知唯识科技有限公司CEO喜乐君，围绕AI时代分析师的职业成长与核心价值这一话题，分享了他的独到见解，为身处焦虑中的数据分析从业者指明了方向。

01

焦虑正常，但不必过度：

君子不器，君子善假于物

春节过后，AI Agent成为行业最热话题，智能技术的快速发展让不少分析师感到焦虑：AI会不会替代我的工作？喜乐君认为，不仅仅是分析师在焦虑，企业CEO可能比分析师更焦虑，但焦虑本身并不是一件坏事，它其实是行业进步的动力。 AI和Agent在数据分析领域的应用已经成为必然趋势，差异只在于我们每个人如何使用它。

谈及如何面对AI带来的挑战，喜乐君引用了两句古语来表达自己的观点：

“第一句是‘君子不器’。我们不要把自己功能化、物化，把自己变成工具人。有了AI之后，它是我们的辅助，我们应该思考：那些AI所不擅长的东西，我们怎样更好地与AI打配合？

第二句是‘君子善假于物’。在这个时代，一个人能达到的高度，其实是被他所使用的工具限制的。我们要善于借助AI、借助BI，就像过去人们善于借助Excel一样。工具越强大，越能帮助我们放大自身的价值。”

因此，喜乐君认为：焦虑是正常的，但不必过度焦虑。与其担心被AI替代，不如思考如何用好AI，让AI成为自己的得力助手，聚焦AI所不能替代的核心能力。

02

分析师的护城河：

工具之外，业务理解之上

当AI在工具层面能够替代人很多工作，甚至效率远超人类数十倍百倍，未来分析师真正的护城河究竟在哪里？

喜乐君指出，真正的护城河就是工具之外的部分——因为工具会越来越同质化，人和人之间的差异更多体现在工具之外，对于分析师而言，最核心的就是超越工具之上的业务理解和洞察。

“在过去，一个分析师的标签可能是‘Excel大神’、‘BI专家’，因为这些工具的学习成本很高，掌握了工具就拥有了核心竞争力。但当BI平台越来越易用，就像观远数据提出的‘让业务用起来’，普通人简单学习就能上手，工具本身就不再成为核心标签了。分析师的核心标签，应该是你能用工具回答什么问题，能给领导提供什么样的决策建议，这才是人和人之间最本质的差异。”

从知识分类的角度来看，教育学中将知识分为显性知识和隐性知识。“现在很多人谈‘技能化’，但skill更多是显性知识的固化，而分析师最核心的业务理解能力，往往是隐性知识。”喜乐君表示，“隐性知识很难变成通用技能，它依赖于个人经验的积累、对业务的深度洞察，这正是AI难以替代的部分。即便未来哪天技术发展了，这些隐性知识也能被固化，人和人之间的差异又会体现在新的层次上。”

03

AI vs 资深分析师：

差异在于假设验证的循环

当老板问出一个业务问题，比如业务下滑，AI回答和资深分析师回答，主要差异在哪里？

喜乐君分享了一个亲身经历的案例：有客户要招聘副总帮助优化库存，有经验的分析师会怎么做？他会用BI接入数据，从抽象到具体，一层一层拆解：库存总额是多少？哪个门类库存比较多？从时间趋势看，是突然增加还是缓慢增加？如果是突然增加，是有大客户不要货了？还是出现残次品？还是原材料或委外业务出了问题？

一个有经验的人，面对问题的时候，不断地假设-验证-假设-验证，实际上是把他的历史经验一步一步走完。 但现在AI相对来说缺少这样的能力，在垂直领域，经验的积累还是不够。在企业中，真正为决策负责，需要把个人隐性知识和企业现实结合起来，这一点正是AI目前的弱点。

AI可能能问出100个问题，但它很难把问题和企业业务实际中的假设验证循环结合起来。喜乐君相信，未来三五年，随着企业知识库建设完善，越来越多非结构化数据能与AI结合，这种假设验证循环也能在AI环境中简单实现。

但人和AI最本质的差异，依然在于那些无法数据化的隐性知识，以及结合企业实际的决策判断循环。

04

Headless BI趋势：

AI与BI深度融合，数据服务无处不在

回到工具层面，有观点认为理想的BI应该是通用型工具，在Agent时代，越来越多的工具会变成headless（无头化），喜乐君如何看待这一趋势？

喜乐君认为，所谓headless BI，并不是BI的一个新流派，其实它是希望把BI做成一种服务，让企业内部每一个人，哪怕感受不到数据平台的存在，但时时刻刻都能被它服务，你需要什么它就能回答你。在这个过程中，AI不是被淡化了，而是变得更重要了，它已经无处不在，无孔不入地影响到数据链路的每一个环节。

AI不仅能帮助我们更快地做可视化，甚至可以自动处理数据、帮助我们发现业务数据库中的异常。

在喜乐君看来，未来通用的数据架构应该是：(APP/ODB+ DW/BI) * AI。

这里的“APP/ODB”是“业务应用/运营型数据库”。“DW/BI”是“数仓/商业智能”。AI正在渗透到数据架构的每一个层次，反过来，BI和AI也在深度融合。

AI在前还是BI在前，在不同应用场景中可能略有差异，但深度融合是headless BI时代不可或缺的趋势。数据会在广义上成为一种服务，而BI就是数据服务最主要的入口，让数据随时随地能够服务于每一个人的决策。

正如喜乐君在访谈中所言：AI时代，工具会越来越同质化，分析师真正的护城河不在工具本身，而在工具之外——对业务的深度理解、对决策的有效支撑，这些隐性知识和经验积累，才是分析师不可替代的核心价值。

君子不器，君子善假于物，当AI承担了繁重的工具性工作，分析师才能回归思考的本质，聚焦于业务洞察和决策支持，这正是AI时代分析师的新机遇。

下期预告：

在与喜乐君对谈的下期内容中，喜乐君将继续分享——分析师该如何"养"出一个真正懂你的AI？AI与BI如何分工协作才能发挥最大威力？企业又该如何培养自己的超级分析师？

更多干货观点，敬请关注下期「AI+BI观察家」。