AI浪潮下，分析师真正的壁垒在工具之外

随着AI大模型持续快速演进，智能体Agent时代已逐步到来，AI的能力也在不断增强，不但可以高效生成分析报告，还能协助完成数据处理、可视化等多项任务。面对AI带来的影响，许多数据分析从业者都产生了类似焦虑：当AI越来越“全能”，分析师的价值究竟体现在哪里？未来真正属于分析师的护城河又是什么？

本期观远数据「AI+BI观察家」栏目特别邀请了数据分析领域专家、上海唯知唯识科技有限公司CEO喜乐君，围绕AI时代分析师的职业发展与核心价值这一主题，分享了他的独特看法，也为处在焦虑中的数据分析从业者提供了新的思路。

01

焦虑可以理解，但无需放大：

君子不器，君子善假于物

春节之后，AI Agent迅速成为行业焦点，智能技术的飞速进步也让不少分析师产生担忧：AI会不会取代我的岗位？喜乐君认为，感到焦虑的不只是分析师，企业CEO或许比分析师还更焦虑，但焦虑本身未必是坏事，它反而是推动行业前行的力量。AI和Agent在数据分析领域的应用已是大势所趋，区别只在于每个人将如何运用它。

谈到应当如何面对AI带来的变化，喜乐君借用了两句古语来说明自己的理解：

“第一句是‘君子不器’。不要把自己功能化、物化，把自己活成一个纯粹的工具人。有了AI之后，它应当成为我们的辅助，因此我们更应该思考：对于那些AI并不擅长的事情，我们怎样才能更好地与AI协同配合？

第二句是‘君子善假于物’。在今天这个时代，一个人所能抵达的高度，某种程度上会受到所用工具的限制。我们要懂得借助AI、借助BI，就像过去人们懂得借助Excel一样。工具越强，越能放大个人本身的价值。”

因此，喜乐君的判断是：焦虑很正常，但没有必要过分焦虑。与其担心被AI取代，不如认真思考怎样把AI用好，让它成为自己的高效帮手，把精力集中在那些AI无法替代的关键能力上。

02

分析师的护城河：

不在工具之内，而在业务理解之上

当AI在工具层面已经可以替代大量人工工作，甚至效率比人类高出数十倍乃至上百倍时，未来分析师真正的护城河到底在哪里？

喜乐君指出，真正的护城河恰恰存在于工具之外——因为工具只会越来越趋同，人与人之间的差别，更多会体现在工具以外的能力上。对分析师来说，最核心的竞争力，就是超越工具本身的业务理解与洞察能力。

“过去，一个分析师身上的标签可能是‘Excel大神’、‘BI专家’，因为这些工具学习门槛高，掌握工具本身就意味着拥有竞争优势。但当BI平台越来越容易使用，就像观远数据提出的‘让业务用起来’，普通人经过简单学习也能迅速上手时，工具本身就不再是最核心的标签。分析师真正的标签，应该是你能够借助工具回答什么问题，能够向管理者提供怎样的决策建议，这才是人与人之间最根本的区别。”

从知识分类的角度看，教育学通常把知识分为显性知识和隐性知识。“如今很多人都在谈‘技能化’，但skill更多是显性知识的一种固化，而分析师最关键的业务理解能力，很多时候恰恰属于隐性知识。”喜乐君表示，“隐性知识很难被沉淀成通用技能，它依赖个人经验的长期积累，以及对业务的深层洞察，这正是AI目前难以替代的地方。即使未来某一天技术进步到可以把这些知识进一步固化，人和人之间的差异也会转移到新的层级。”

03

AI与资深分析师：

差别在于假设与验证的循环能力

当老板抛出一个业务问题，比如业绩下滑时，AI给出的回答和资深分析师给出的回答，核心差异究竟体现在哪里？

喜乐君分享了一个自己的真实案例：有客户希望招聘一位副总来协助优化库存，那么有经验的分析师会如何入手？他会通过BI接入数据，从抽象问题走向具体问题，层层拆解：库存总额有多少？哪个品类库存偏高？从时间趋势来看，是突然上升还是缓慢累积？如果是突然增加，是不是某个大客户取消了订单？还是出现了残次品？又或者是原材料、委外业务环节出了问题？

一个经验丰富的人，在面对问题时，会持续进行假设—验证—再假设—再验证，本质上是在一步一步走完自己积累的历史经验链条。但当前AI相对还缺少这种能力，尤其在垂直领域，经验沉淀仍然不足。在企业场景中，真正要对决策负责，就必须把个人的隐性知识与企业现实结合起来，而这正是AI现阶段的薄弱点。

AI也许能提出100个问题，但它很难把这些问题与企业业务现实中的假设验证闭环真正结合起来。喜乐君相信，未来三到五年，随着企业知识库不断完善，越来越多非结构化数据与AI打通后，这种假设验证循环也会在AI环境中得到较为基础的实现。

但人与AI最本质的不同，依然体现在那些无法完全数据化的隐性知识上，以及结合企业实际进行决策判断的循环能力上。

04

Headless BI趋势：

AI与BI进一步融合，数据服务无处不达

回到工具层面，有一种观点认为理想中的BI应当是一种通用型工具，在Agent时代，越来越多工具都会走向headless（无头化），对此趋势喜乐君怎么看？

喜乐君认为，所谓headless BI，并不是BI的全新流派，本质上是希望把BI做成一种服务能力，让企业里的每一个人，即使感受不到数据平台的存在，也能在任何时刻被它服务：你需要什么，它就能够回答什么。在这个过程中，AI并没有被弱化，反而变得更关键，它已经无处不在，并深度渗透到数据链路的每一个环节。

AI不只能够帮助我们更高效地完成可视化，甚至还能自动处理数据、辅助识别业务数据库中的异常问题。

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

这里的“APP/ODB”指的是“业务应用/运营型数据库”，“DW/BI”指的是“数仓/商业智能”。AI正在渗透进数据架构的每一层，反过来看，BI与AI也正走向更深层次的融合。

AI在前还是BI在前，在不同的应用场景里可能会有所区别，但深度融合一定是headless BI时代不可缺少的发展方向。数据将在更广义的层面上成为一种服务，而BI则是数据服务最重要的入口，让数据能够随时随地服务于每一个人的决策过程。

正如喜乐君在访谈中所说：在AI时代，工具会越来越同质化，分析师真正的护城河并不在工具本身，而是在工具之外——对业务的深刻理解、对决策的有效支持，这些隐性知识与经验积累，才是分析师不可替代的核心价值所在。

君子不器，君子善假于物。当AI接手了大量繁琐的工具性工作后，分析师才更有机会回到思考本质，专注于业务洞察与决策支持，而这也正是AI时代赋予分析师的新机会。

下期预告：

在与喜乐君对谈的下一期内容中，喜乐君还将继续分享——分析师该如何“养”出一个真正懂你的AI？AI和BI应该怎样分工协同，才能发挥出最大效能？企业又该如何培养属于自己的超级分析师？

更多干货观点，敬请关注下期「AI+BI观察家」。