最近OpenAI开发的ChatGPT火了，让大家对AI有了新的认知、期待和担忧——不少文章都谈及，即将普及的AI新技术将对现有工作模式带来颠覆性影响，并预测首当其冲替代“数据分析师”等岗位。
那么，OpenAI时代，到底哪些数据工作面临危机?数据从业者又该如何不被倾覆，而是乘风破浪?今天笔者就来分析一下不同类型数据工作被AI取代的可能性，进而看看我们该如何做。也欢迎大家留言补充。
01、哪些数据工作会被AI取代分析
1、初级数据分析师
-
取代可能性：五星
-
初级数据分析师，日常工作大部分聚焦取数、做报表——例如根据业务或领导要求，收集和整理数据，编写SQL，生成EXCEL报表或粘贴成PPT。这类工作天花板低、重复度高，工作1-2年或可毕业。
-
我们看到，当前ChatGPT为代表的AI，聊天生成SQL脚本已无大碍、还可以快速进行数据指标设计、自动创建样本数据、快速创建数据摘要，甚至编写数据分析报告大纲。因此，初级分析师从需求量到刚需程度都大打折扣。
2、数据开发和BI工程师：
-
取代可能性：四星。
-
数据开发工程师，日常工作聚焦数仓开发、数据建模、数仓运维、指标开发、BI系统搭建等工作。随着各企业开展数字化转型，从传统数仓升级大数据平台，此类岗位近些年需求量很大。
-
新一代的AI技术，让此类工作门槛大幅降低。例如，当前AI可通过自然语言快速建表，包括自动生成维度表、建立范式模型和星型模型、自动分析表之间的逻辑关系、甚至提供建模建议。又如，基于AI的BI工具让BI开发更加智能，ChatGPT生成Power BI的DAX，Excel函数都已不在话下，这也让拖拉拽生成SQL的自助方式可能成为历史——AI可根据需求直接生成各类可视化看板，可视化效果更直击要点且酷炫靓丽。
3、数据算法工程师：
-
取代可能性：三星
-
除在特定行业和研究性质的部门，算法工程师在大部分企业容易面临尴尬境地。一是算法很难找到匹配的业务场景来创造出明确的、被业务认可的价值，二是通用算法模型门槛不高，没有深度突破的话也易沦为调参大师。
-
相信在通用大模型之后，AI会进一步和各个行业领域深度绑定，因为ChatGPT们的训练需结合特定场景做模型，才能给出真正有深度、有价值的洞察。因此，有深厚算法基础，并对业务有足够认知的复合人才机遇很大。
4、高级商业分析师：
-
取代可能性：三星
-
商业分析师，通常距离业务更近。不论是做战略分析、经营分析还是运营分析，“高阶”的商业分析师，通常对业务有着足够深的认知和理解。
-
AI让商业分析大大提效。我们不妨对“增强分析”拭目以待(或者叫ASK DATA、AI+BI)：一是通过问答交互可实现自动生成商业仪表板;二是在引导下可实现自动做insight洞察，包括根因分析、预测分析;三可更轻松实现异常监测，包括异常提示、阈值设计、应对建议等。
-
“高级商业分析师“为什么不会轻易被AI替代?此处的“高级”并不是指掌握的商业分析模型的数量或代码能力，高级的壁垒体现在【将业务问题转化为数据问题】，在于【数据思维】，从而驾驭AI更高效解决商业问题。
图：Power bi中的问答不温不火很多年了，新功能指日可待
5、数据治理岗：
-
取代可能性：二星
-
首先说明此处的数据治理岗，不是数据清洗岗。真正的数据治理，其实是在做“数据战略管理”——涉及数据资产体系的顶层设计，从组织、机制、流程、文化，到数据管理落地监控的方方面面。
-
短期看，数据治理可被AI替代的部分有限。首先，数据清洗、元数据管理、数据模型管理等流程化的工作，AI可以让“脏活累活”提效;其次，数据治理“人治”和“软性”的部分AI很难支撑——例如，AI无法帮我们拉通各部门，通过反复沟通来定制“数据标准”;AI也无法做到在全面评估数据资产成熟度的基础上，定制符合企业特色的数据组织和数据制度。第三，AI的商业实践落地，对数据质量和数据安全有更高的要求，数据治理因此更加成为必答题。
6、数据产品岗：
-
取代可能性：二星
-
数据产品，终究是做产品。数据产品经理，工作中充满了大量的沟通、协调、推动，并在产品中融入对特定人特定需求的理解、把控和灵感设计。AI短期内还是无法胜任这类工作。
7、数据架构和数字化转型顾问
-
取代可能性：一星
-
一是数据架构是和企业架构、业务架构、技术架构深度绑定的，这是通用AI是搞不定的。二是数字化咨询顾问或者解决方案顾问，需要具备对战略和业务的深度理解。例如，数字化转型本质是“变革管理”，是要识别多方面因素进而开展体系化的工作，而其中人的因素又AI是最难搞定的。
综上，我们不难总结出来两个规律，工作是否容易被AI替代，可以有两个衡量标准：一是标准化和重复度，二是人性化处理程度，三是创新创造性程度。换句话说，越标准化的、流程化的、事务性的工作越容易被AI替代，越是处理复杂模糊场景的、处理人性化的、需要创造创新的事情越不容易被AI替代。
02、我们该如何做?
通过上面的总结，数据从业者如何响应AI时代可能也变得容易回答。在此笔者给出三个建议。
1、现状识别：充分理解OpenAI为代表的新技术的原理和应用场景，同时分析自己的工作内容，识别危机点。
2、驾驭AI：学会操控AI，充分利用AI提升效率。AI加持后，同样的工作内容，以前需要2个人完成，现在只需要1个人即可，那么我们就做那留下来的那个。
3、拥抱业务伙伴和商业本质：学习更多从商业视角思考问题，提升数据解决业务问题的能力，强化自己的沟通协调能力等等。
未来已来，希望我们都能乘风破浪，而不是被拍在沙滩。
作者介绍：@子曰，毕业于北京大学信管系;10年数据分析与数据治理经验;先后服务于互联网大厂、央企总部和领先的2B IT公司;数据团队负责人；“数据人创作者联盟”成员。