哪些資料崗位會被ChatGPT們取代？

1、初級資料分析師

• 取代可能性：五星

• 初級資料分析師，日常工作大部分聚焦取數、做報表——例如根據業務或領導要求，收集和整理資料，編寫SQL，生成EXCEL報表或貼上成PPT。這類工作天花板低、重複度高，工作1-2年或可畢業。

• 我們看到，當前ChatGPT為代表的AI，聊天生成SQL指令碼已無大礙、還可以快速進行資料指標設計、自動建立樣本資料、快速建立資料摘要，甚至編寫資料分析報告大綱。因此，初級分析師從需求量到剛需程度都大打折扣。

• 取代可能性：四星。

• 資料開發工程師，日常工作聚焦數倉開發、資料建模、數倉運維、指標開發、BI系統搭建等工作。

  隨著各企業開展數字化轉型，從傳統數倉升級大資料平臺，此類崗位近些年需求量很大。

• 新一代的AI技術，讓此類工作門檻大幅降低。

  例如，當前AI可透過自然語言快速建表，包括自動生成維度表、建立正規化模型和星型模型、自動分析表之間的邏輯關係、甚至提供建模建議。

  又如，基於AI的BI工具讓BI開發更加智慧，ChatGPT生成Power BI的DAX，Excel函式都已不在話下，這也讓拖拉拽生成SQL的自助方式可能成為歷史——AI可根據需求直接生成各類視覺化看板，視覺化效果更直擊要點且酷炫靚麗。

3、資料演算法工程師：

• 取代可能性：三星

• 除在特定行業和研究性質的部門，演算法工程師在大部分企業容易面臨尷尬境地。

  一是演算法很難找到匹配的業務場景來創造出明確的、被業務認可的價值，二是通用演算法模型門檻不高，沒有深度突破的話也易淪為調參大師。

• 相信在通用大模型之後，AI會進一步和各個行業領域深度繫結，因為ChatGPT們的訓練需結合特定場景做模型，才能給出真正有深度、有價值的洞察。

  因此，有深厚演算法基礎，並對業務有足夠認知的複合人才機遇很大。

4、高階商業分析師：

• 取代可能性：三星

• 商業分析師，通常距離業務更近。

  不論是做戰略分析、經營分析還是運營分析，“高階”的商業分析師，通常對業務有著足夠深的認知和理解。

• AI讓商業分析大大提效。

  我們不妨對“增強分析”拭目以待（或者叫ASK DATA、AI+BI）：

  一是透過問答互動可實現自動生成商業儀表板；

  二是在引導下可實現自動做insight洞察，包括根因分析、預測分析；

  三可更輕鬆實現異常監測，包括異常提示、閾值設計、應對建議等。

• “高階商業分析師“為什麼不會輕易被AI替代？

  此處的“高階”並不是指掌握的商業分析模型的數量或程式碼能力，高階的壁壘體現在【將業務問題轉化為資料問題】，在於【資料思維】，從而駕馭AI更高效解決商業問題。

• 取代可能性：二星

• 首先說明此處的資料治理崗，不是資料清洗崗。

  真正的資料治理，其實是在做“資料戰略管理”——涉及資料資產體系的頂層設計，從組織、機制、流程、文化，到資料管理落地監控的方方面面。

• 短期看，資料治理可被AI替代的部分有限。

  首先，資料清洗、後設資料管理、資料模型管理等流程化的工作，AI可以讓“髒活累活”提效；

  其次，資料治理“人治”和“軟性”的部分AI很難支撐——例如，AI無法幫我們拉通各部門，透過反覆溝通來定製“資料標準”；

  AI也無法做到在全面評估資料資產成熟度的基礎上，定製符合企業特色的資料組織和資料制度。

  第三，AI的商業實踐落地，對資料質量和資料安全有更高的要求，資料治理因此更加成為必答題。

6、資料產品崗：

• 取代可能性：二星

• 資料產品，終究是做產品。

  資料產品經理，工作中充滿了大量的溝通、協調、推動，並在產品中融入對特定人特定需求的理解、把控和靈感設計。

  AI短期內還是無法勝任這類工作。

7、資料架構和數字化轉型顧問

• 取代可能性：一星

• 一是資料架構是和企業架構、業務架構、技術架構深度繫結的，這是通用AI是搞不定的。

  二是數字化諮詢顧問或者解決方案顧問，需要具備對戰略和業務的深度理解。

  例如，數字化轉型本質是“變革管理”，是要識別多方面因素進而開展體系化的工作，而其中人的因素又AI是最難搞定的。

透過上面的總結，資料從業者如何響應AI時代可能也變得容易回答。在此筆者給出三個建議。

未來已來，希望我們都能乘風破浪，而不是被拍在沙灘。