这可能是数据分析师最关心的5大问题

数据分析师会被人工智能取代吗？这可能是很多数据分析师都思考过的问题。本文作者从数据分析师的角度出发，对相关的5个问题进行了分析梳理，一起来看看~

已经2020年了，很多同学都在思考职业发展路径问题。最近咨询陈老师的也很多，一个很普遍被问到的，就是：数据分析师的红旗，到底能打多久？今天集中解答一下。

还是陈老师的一贯风格，不吹不黑，客观说事。我们一起来看看，面向2020年，数据分析师们最纠结的五个问题：

问题一：数据分析会不会被人工智能取代？

答：不会！

首先，看到提“人工智能”四个字的所有标题，大家都能认为是引发焦虑的伪问题。真正懂行的都说：算法、机器学习，或者干脆直插CV，NLP，推荐等某个具体领域。

其次，这俩玩意根本就是两件事。算法的发展不仅不会取代数据分析，反而会让数据分析更轻松。

为啥？

因为本质上，算法对抗的是低效率。通过人工标注-模型训练-预测检验的循环，算法可以大量替代以往需要耗费人力的工作。

但是算法实现这个目的是有前提的：第一，需要明确的结果：人工标注的图形、信用违约/未违约记录等等。第二，需要大量的特征数据，用于训练模型。

正是因为如此，我们看到算法应用最成功的就是CV领域。比对人脸、比对证件等就是特征丰富，结果明确。传统的风控、推荐等领域，也有相应进步。NLP领域进展相对较慢，就是被复杂的语境折腾的七荤八素。

本质上，数据分析对抗的是不确定性。当我们想要分析问题的时候，更多是：

没有数据：新业务刚上线，过往不重视数据采集

有假数据：业务操控，流程缺失，利益驱动

乱七八糟：口径不统一，流程不规范，使用瞎胡闹

人为扭曲：业务方为了保住KPI睁眼睛说瞎话

不会判断：只知道写同比环比，不会解读意义

主观臆断：做数据只为证明自己是对的，强词夺理

这种时候，就相当于根本没有标注，或者人工瞎几把标，模型压根训练不出来。还摸个屁。

正是如此，我才有了数据分析的五大问题：

是什么（量化结果，获取数据）

是多少（树立标准，评价好坏）

为什么（寻找原因，验证假设）

会怎样（综合评估，做出取舍）

又如何（预测前景，探索可能）

通过不断循环的解答这五个问题

我们量化监控业务走势，把不确定变成确定；

我们做出客观的评估，发现问题，沉淀经验；

我们合理预测前景，探索新可能，发现新道路；

最终推动业务持续进步和改善。

这种摸着石头过河的力量，才是算法不可取代的。当然，石头摸清楚了，数据质量好了，经验总结差不多了，这时候有些传统的工作可以用模型来干。比如在风控、推荐领域，传统业务经验越来越让位给模型。同样的，在新的领域，数据分析继续做着开路先锋。

比如2019年，陈老师主导的项目，就有大量的社交电商、分享裂变、网红带货、私域流量转化的项目，这些项目往往是业务模式创新和数据分析齐头并进的。在这些新领域，各个行业都在摸石头，当然得带着有本事测量深浅的水文师。不然一脚下去踩坑里咋死的都不知道。

有意思的是，所谓的“人工智能会取代数据分析师”，正是来自对数据分析工作的无解。在不懂行的人眼里，数据分析师和算命大师没啥区别，不需要数据采集、不需要数据清洗、不需要数据治理、不需要分析建模、不需要积累经验、不需要你测试验证。只要眉头一皱、掐指一算，咒语一念，符咒一烧，算盘一拨，天上咔嚓一道炸雷掉下一道圣旨：明年业绩1257亿！

在不懂行的人眼里，算法、数据分析、算盘、《周易》没啥区别，反正过程他都看不懂，最后咔嚓一声能出个好牛逼的结果。有这种幼稚理念，当然会觉得人工智能会取代数据分析了，毕竟阿尔法狗比算盘听起来屌吗。

当然还有一种论调，来自：以后能自动提数了，数据分析师就要下岗了。这个更幼稚了，谁TM跟你说数据分析师就是人肉跑sql师了！

要我说，这种智能BI越早出越好！正好把那些每天2000行sql的小哥们解放出来，正好把那些无穷无尽的临时取数挡掉，正好可以让市场部那些只懂心机不懂技术的妹子们对着机器咆哮去：“这是总监要的，下班必须给！”这话都冲着阿尔法狗喊去，那画面想想都爽。我们就有更多的时间，来分析问题，来设计实验，来挖掘深层因素，以后出的成绩还多一点。