告別 7 月?lián)肀?AI 增強(qiáng)分析時(shí)代下一個(gè)階段我們?cè)摐?zhǔn)備什么一、7 月是一場(chǎng)認(rèn)知刷新今天是 7 月 31 日一個(gè)月的寫(xiě)作就此收官?；仡^看這 31 天最大的收獲不是寫(xiě)了多少篇文章而是刷新了對(duì)數(shù)據(jù)分析師這個(gè)職業(yè)的認(rèn)知。在 7 月之前我認(rèn)為數(shù)據(jù)分析師的核心競(jìng)爭(zhēng)力是技術(shù)好SQL 快、Python 熟 業(yè)務(wù)通懂行業(yè)、會(huì)表達(dá)。但 7 月寫(xiě)下來(lái)的這 30 多篇文章讓我意識(shí)到2026 年的數(shù)據(jù)分析師核心競(jìng)爭(zhēng)力正在變成技術(shù)好 業(yè)務(wù)通 會(huì)用 AI 放大自己。AI 不是新加的技能點(diǎn)而是放大器。它會(huì)讓你已有的能力 10 倍釋放也讓你之前忽略的短板 10 倍暴露。二、7 月給我上的最重要一課如果只能從 7 月的所有思考中選一條最重要的我會(huì)選這個(gè)數(shù)據(jù)工作正在從人才密集型走向工具 AI 密集型。解釋一下以前做數(shù)據(jù)分析全靠人頭堆——一個(gè)業(yè)務(wù)線配一個(gè)分析師分析師多了配數(shù)據(jù)工程師工程師多了配治理人員。團(tuán)隊(duì)規(guī)模隨業(yè)務(wù)線性增長(zhǎng)。但 AI 打破了這個(gè)線性關(guān)系。一個(gè)會(huì)用 AI 的分析師可以 Cover 以前 2-3 個(gè)分析師的產(chǎn)出。這不是科幻這是 7 月真實(shí)發(fā)生在我自己身上的體驗(yàn)# 7月份我自己的效率數(shù)據(jù)對(duì)比 AI 輔助前后 efficiency_data { 日常取數(shù)需求: { 以前: 接到需求 → 理解需求(15min) → 寫(xiě)SQL(20min) → 測(cè)試(10min) → 出結(jié)果(5min) 50min, 現(xiàn)在: 接到需求 → AI翻譯需求為SQL(1min) → 人工審核(5min) → 執(zhí)行出結(jié)果(2min) 8min, 效率提升: 84% }, 探索性分析: { 以前: 設(shè)計(jì)思路(30min) → 寫(xiě)多段SQL/Python(60min) → 整合結(jié)果(30min) → 寫(xiě)報(bào)告(60min) 3小時(shí), 現(xiàn)在: 描述分析目標(biāo)給AI(5min) → AI自動(dòng)探索下鉆(15min) → 人工審結(jié)果補(bǔ)分析(20min) → AI寫(xiě)報(bào)告框架(5min) → 人工潤(rùn)色(15min) 1小時(shí), 效率提升: 67% }, 看板搭建: { 以前: 確認(rèn)需求(30min) → 寫(xiě)SQL(60min) → 搭圖表(60min) → 調(diào)樣式(30min) 3小時(shí), 現(xiàn)在: Prompt描述看板需求(5min) → AI生成SQL圖表配置(10min) → 人工微調(diào)(15min) 30min, 效率提升: 83% } }這個(gè)效率提升不是說(shuō)AI 會(huì)干掉數(shù)據(jù)分析師而是說(shuō)數(shù)據(jù)分析師的工作性質(zhì)會(huì)變。你不再是一個(gè)寫(xiě) SQL 的人而是一個(gè)用數(shù)據(jù)和 AI 解決業(yè)務(wù)問(wèn)題的人。工作重心從執(zhí)行層上升到策略層。三、下一個(gè)階段AI 增強(qiáng)分析的三個(gè)方向方向一從人問(wèn) AI到AI 問(wèn)人現(xiàn)在的 AI 分析模式是人發(fā)現(xiàn)問(wèn)題 → 人問(wèn) AI → AI 找數(shù)據(jù) → AI 出結(jié)論。下一個(gè)階段的模式是AI 自動(dòng)發(fā)現(xiàn)異常 → AI 主動(dòng)推送分析報(bào)告 → 人做決策。這意味著數(shù)據(jù)分析師的工作不再是等業(yè)務(wù)方來(lái)問(wèn)我要數(shù)據(jù)而是讓 AI 幫我去發(fā)現(xiàn)業(yè)務(wù)方自己都還不知道的問(wèn)題。從被動(dòng)變主動(dòng)從應(yīng)答變預(yù)測(cè)。方向二從分析報(bào)告到分析應(yīng)用過(guò)去數(shù)據(jù)分析的終點(diǎn)是一份 PDF 或一個(gè)看板。業(yè)務(wù)方看一眼哦一聲然后繼續(xù)憑直覺(jué)做決策。AI 增強(qiáng)分析的終局是分析直接嵌入業(yè)務(wù)決策流程。比如 AI 發(fā)現(xiàn)某個(gè)品類(lèi)的用戶(hù)留存異常 → 自動(dòng)生成具體的運(yùn)營(yíng)方案 → 業(yè)務(wù)方點(diǎn)一下執(zhí)行 → AI 自動(dòng)創(chuàng)建用戶(hù)分群并推送消息。分析不再是一份文件而是一個(gè)可行動(dòng)的應(yīng)用。方向三從個(gè)人工具到組織能力現(xiàn)在大多數(shù)人的 AI 使用還停留在個(gè)人層面自己用 ChatGPT 寫(xiě) SQL自己用 Copilot 寫(xiě)代碼。但真正的威力在組織層面# 組織級(jí) AI 分析能力的構(gòu)建路徑 organization_ai_capability { 階段1_個(gè)人工具當(dāng)前主流: { 描述: 每個(gè)人用各自的 AI 工具, 問(wèn)題: 沒(méi)有共享的 Prompt 模板、沒(méi)有一致的分析標(biāo)準(zhǔn), 產(chǎn)出: 效率參差不齊取決于個(gè)人水平 }, 階段2_團(tuán)隊(duì)標(biāo)準(zhǔn)化6個(gè)月內(nèi)目標(biāo): { 描述: 團(tuán)隊(duì)統(tǒng)一 AI 分析工具 共享 Prompt 庫(kù), 示例: 公司內(nèi)部搭建一個(gè)AI 分析工具箱包含已驗(yàn)證的 Prompt 模板, 產(chǎn)出: 團(tuán)隊(duì)整體效率提升不依賴(lài)個(gè)別人 }, 階段3_平臺(tái)化1年目標(biāo): { 描述: AI 分析成為公司基礎(chǔ)設(shè)施, 示例: 業(yè)務(wù)方不需要找數(shù)據(jù)分析師直接在內(nèi)部平臺(tái)用自然語(yǔ)言查數(shù)據(jù), 產(chǎn)出: 數(shù)據(jù)民主化分析能力下沉到業(yè)務(wù)端 }, 階段4_智能化2年遠(yuǎn)景: { 描述: AI 主動(dòng)發(fā)現(xiàn)和推送洞察, 示例: 每周一早上 AI 自動(dòng)生成各部門(mén)的數(shù)據(jù)周報(bào)和行動(dòng)建議, 產(chǎn)出: 從數(shù)據(jù)驅(qū)動(dòng)決策到AI驅(qū)動(dòng)決策 } }四、8 月行動(dòng)計(jì)劃三件現(xiàn)在就可以做的事不要等到準(zhǔn)備好了再開(kāi)始。從 8 月 1 日開(kāi)始做這三件事第一件建你自己的 AI 分析 Prompt 庫(kù)# 8月第一件事把你常用的分析 Prompt 整理成庫(kù) prompt_library { 日常取數(shù): 你是一個(gè)數(shù)據(jù)分析師。根據(jù)以下需求生成 SQL 查詢(xún)。 數(shù)據(jù)表{table_info} 指標(biāo)口徑{metric_definitions} 需求{user_request} 要求 1. SQL 可以在 {db_type} 中直接執(zhí)行 2. 使用中文注釋解釋每一步的邏輯 3. 如果需求不清晰先提問(wèn)再寫(xiě) SQL , 探索性分析: 你是一個(gè)資深數(shù)據(jù)分析師請(qǐng)對(duì)以下數(shù)據(jù)進(jìn)行探索性分析 數(shù)據(jù)描述{data_description} 分析目標(biāo){goal} 分析步驟 1. 先做描述性統(tǒng)計(jì)均值、中位數(shù)、分布 2. 再找異常值超過(guò) 3 個(gè)標(biāo)準(zhǔn)差的數(shù)據(jù)點(diǎn) 3. 做相關(guān)性分析關(guān)鍵變量之間的關(guān)系 4. 最后給出 3 條核心發(fā)現(xiàn) 輸出格式Markdown 報(bào)告 , 解釋分析結(jié)果: 以下是一段數(shù)據(jù)分析的代碼和輸出結(jié)果。請(qǐng)幫我把結(jié)果翻譯成業(yè)務(wù)語(yǔ)言 代碼{code} 結(jié)果{result} 業(yè)務(wù)背景{context} 要求 1. 用非技術(shù)語(yǔ)言解釋假設(shè)你的聽(tīng)眾是沒(méi)有數(shù)據(jù)背景的業(yè)務(wù)方 2. 指出 1-2 個(gè)值得關(guān)注的發(fā)現(xiàn) 3. 給出 1 條可落地的行動(dòng)建議 } def get_prompt(template_name: str, **kwargs) - str: 獲取格式化后的 Prompt Args: template_name: 模板名稱(chēng)如 日常取數(shù) **kwargs: 模板中的變量值 Returns: 格式化后的完整 Prompt template prompt_library.get(template_name) if template is None: raise ValueError(f未找到 Prompt 模板: {template_name}) return template.format(**kwargs) # 使用示例 # prompt get_prompt( # 日常取數(shù), # table_infoorders 表order_id, user_id, amount, status, created_at, # metric_definitionsGMV 已支付已完成的訂單金額, # user_request幫我查7月每天的 GMV 趨勢(shì), # db_typeClickHouse # )第二件選一個(gè)分析場(chǎng)景全流程 AI 化不要試圖把所有的分析都 AI 化。選一個(gè)高頻、標(biāo)準(zhǔn)化的場(chǎng)景從頭到尾跑通候選 1每日經(jīng)營(yíng)日?qǐng)?bào)的自動(dòng)生成和推送候選 2每周用戶(hù)增長(zhǎng)分析報(bào)告的自動(dòng)化候選 3A/B 測(cè)試結(jié)果的自動(dòng)分析和解讀把這個(gè)場(chǎng)景做成可復(fù)制、可交接的流水線。一個(gè)場(chǎng)景跑通了你就會(huì)發(fā)現(xiàn)第二個(gè)、第三個(gè)場(chǎng)景怎么做了。第三件把你的方法論分享出去教別人是最好的學(xué)習(xí)方式。把你 8 月用 AI 做分析的實(shí)踐經(jīng)驗(yàn)寫(xiě)成文章、錄成視頻、在公司內(nèi)部做分享。原因有兩個(gè)寫(xiě)作倒逼你把模糊的感覺(jué)變成清晰的方法你的分享會(huì)吸引志同道合的人自然形成你的影響力圈五、總結(jié)今天是 7 月的最后一天。31 天30 篇文章10 多個(gè)方向的深度思考。感謝每一位讀到這里的讀者。如果用一句話總結(jié)這一個(gè)月數(shù)據(jù)分析的未來(lái)不在更快的 SQL不在更大的數(shù)據(jù)量而在于 AI 如何讓數(shù)據(jù)工作者的智慧被釋放到真正需要人類(lèi)判斷的地方。7 月收官了但 AI 增強(qiáng)分析時(shí)代才剛剛開(kāi)始。8 月見(jiàn)7 月復(fù)盤(pán)系列第 10 篇終篇完整系列請(qǐng)查看 22zhuling 博客首頁(yè)。資料說(shuō)明本文中的協(xié)議、版本、性能、成本和行業(yè)趨勢(shì)應(yīng)以可核驗(yàn)的一手資料為準(zhǔn)。未標(biāo)注統(tǒng)計(jì)口徑的比例、時(shí)間表和預(yù)測(cè)僅作工程討論不應(yīng)視為行業(yè)事實(shí)?？蓞⒖?0731 資料來(lái)源索引并在發(fā)布前將具體來(lái)源貼到對(duì)應(yīng)斷言之后。