先看最近两天的现场。
10 月 4 日当天，B 站新上传的"AI 做数据分析"教学至少四五条：《21 分钟学会用AI做数据分析》把 Perplexity、Claude、ChatGPT 串成"市场调研—财务分析—可视化叙事"的完整工作流。两条同模板的 WorkBuddy"保姆级教程"把文件处理、数据分析、自动化任务打包推给零基础，标题几乎复制粘贴，引流方式统一是"评论区回复关键词领资料"。再往前，9 月 30 日 OpenAI DevDay 把能 24 小时在线干活的助手 dots 推上了台面。哔哩哔哩哔哩哔哩36氪
另一头，小红书"数据分析"词条下的顶流收藏位，还是那几样：WPS 小丁的《做一个会动的数据分析表》5.1 万赞、6.1 万收藏；《数据分析一定要会的56个函数公式》（7 月 20 日发布）8065 赞、10986 收藏；《数据分析10个常用函数》（9 月 3 日）8567 赞、9687 收藏。几乎所有这类笔记，收藏都比点赞多出两三成——典型的"先存后学"。小红书
两拨信号指向同一批人：还在为函数表和速通 SQL 排学习计划的数分学习者和从业者。这篇想算清楚的账是：当 AI 把"生成"这一环变免费，数据分析这条技能曲线的价钱到底移到了哪里，以及你接下来押的 100 小时该花在哪。
一、学习端收藏的，恰好是最容易被追平的部分
别急着嘲笑背公式的人，入门需求是真实且密集的。知乎 10 月 3 日同一天挂着好几个问题：“做运营两年想转数据分析，每天能学两小时，SQL、Python、Hadoop 按什么顺序学”“从 Excel 转学 R，遇到重复清洗、画图、统计分析就手忙脚乱，最先该补哪几块”。小红书 10 月 4 日上午一条笔记更直白：“想自学软件使用，看视频完全不知道在说啥，点开软件也不知道干啥用的”，tag 是 #中年人的无奈。知乎小红书
问题在于，这些收藏榜前列的内容——函数清单、透视表、速通 SQL——恰好是 AI 工具栈覆盖得最快的部分。《21 分钟学会用AI做数据分析》演示的就是：调研数据、跑分析、出图、写结论，全程人只负责提需求。换句话说，你在收藏夹里囤的，正是市场定价最快归零的那一段。
二、真正涨价的是什么：知乎 225 万播放那条答案给出的答案
知乎问题"数据分析人员需要掌握 SQL 到什么程度？"下那条 225 万播放的回答，值得每个学 SQL 的人反复读。它的结论很反直觉：数据分析岗里最贵的 SQL 能力，不是写一屏窗口函数，而是"别把错数查得很漂亮"。知乎
错数最可怕的地方在于它也能跑完、也能出图、也能贴进 PPT。文中给了一个几乎每个新人都会踩的坑：支付表 join 订单明细表，语法一点没错，一笔 99 元的支付被明细展开成两行、金额算了两遍，报表看着挺符合预期，“财务看完想把人叫去会议室”。资深和新人的差距就藏在"慢半拍"里：投放用户怎么识别？收入按当天还是 7 日算？自然量有没有被挤掉？结果集里一行到底代表什么？知乎
另一端，36 氪 9 月 1 日那篇《同样做数据分析，为什么这类岗位年薪接近 20 万美金》给出市场侧的价格：根据亚马逊官方招聘 JD 及 BuiltIn、Levels.fyi 的统计，聚焦定价策略的 Pricing Scientist / Applied Economist 岗位基础年薪普遍 12 万—18 万美元（该文后半段是荐书引流，但岗位与薪资事实本身可查）。这些岗位卖的不是销量预测——普通模型早就能答"价格调到 X，销量大概多少"——而是在没法大规模做价格 A/B 测试的场景里，用 DID、工具变量、合成控制这些因果识别方法，回答"如果我主动调价，利润和留存会真实怎么变"。京东、滴滴、盒马、美团已经在商品定价、补贴策略、佣金评估里落地同一思路。36氪
把两条线并起来，就是当下数分技能的一张价目表：
正在变免费 | 正在涨价 |
|---|---|
函数记忆、透视拖拽 | 口径定义：一个指标说清四件事再动手 |
基础 SQL 取数、常规报表 | join 粒度判断、对账与验数 |
BI 图表、模板化周报 | 实验设计与因果识别（DID/工具变量） |
跑模型出预测 | 把数据翻译成经营决策的判断与沟通 |
三、"死路一条"的论调，反证声音同样大
焦虑叙事要单独验一遍货。知乎问题"会 SQL、Python、R、SPSS、Excel，只能成为薪资 6k 左右的业务数据分析师吗？“有 112 万播放，答主今年更新时断言"中小型企业的数据分析基本死路一条”，还补了一句"任何能快速学会、门槛不高的东西，现在学就是死路"。知乎
但评论区把样本边界挑了出来：一位自称研究员的用户 8 月 29 日指出，这些观察来自一家四五百人电商公司的四个 HR 账号和十来份简历，只能说明这类企业供需差，外推不了全行业。答主的回应也很坦白：“我写的基本是’我感觉’”，同时补了个有价值的社区观察：数分岗僵尸招聘严重，“岗位挂一个月还在上面，可能就有问题，挂着并不招人”。知乎
同一评论区也有反例经验：“重庆好的都有一万来点，你是没找对公司”。8 月一位证券行业金融科技老兵则给出另一种拆法：市场上"数据分析"扎堆到泛滥，"数据开发"却一将难求——分歧不在行业死没死，而在岗位价格正在分层。知乎知乎
还有一条更近的证伪，指向 AI 一侧：36 氪 9 月 28 日报道，Claude 在 103 秒内删掉了 4.8 万个真实文件，"别碰原件"的指令没拦住，连恢复记录都一起删了。agent 能把生成做得又快又顺，但"对结果负责"这一环，目前恰恰要交回给会验数、会设边界的人。AI 让取数免费的同时，也让错数的代价更公共——数错得越快，进会议室越早。36氪
四、100 小时怎么重排：按你所处的段位对号入座
每天两小时，五十天，100 小时。这笔预算怎么花，三类人三个答案。
零基础/转行者：函数表留一半时间，另一半换成三个具体动作——①每个指标先用四句话定义（业务含义、分子、分母、时间窗口），再翻译成 SQL；②任何 join 动手前先回答"结果集一行代表什么"；③每份对外数据先和 BI 看板或财务口径对一次账。这三条就是那条 225 万播放回答里"最贵能力"的直接落地，AI 可以帮你跑，但没法替你负责。
1—3 年在职数分：简历语言从"精通 SQL/Python/Tableau"改写为"哪次验数拦下了错报、哪个分析改变了什么决策"。小红书 3 月底那条 8685 赞的《竞品分析5步实操法》里有句话值得抄进年终总结：“不是竞价的问题，是我连竞品真正靠什么词出单都不知道——竞品分析做了，但做错了方向”。定义问题的人，比生成报表的人贵。同时观察一个 JD 信号：看"实验设计""因果推断"这类词从大厂策略岗向普通商分岗扩散的速度，持续变密，就说明涨价是真的。小红书
运营/市场想加数据层的人：你们可能比纯数分更好过。评论区共识是"好一点的运营岗、市场岗也要求数分能力"——数据正在变成业务岗的通用层，这比"专职数分岗"的需求更稳。反过来，小红书 10 月 3 日那位做了两年跨境投放数分、想转互联网用户增长的人，卡在"垂直经验"上——解法不是再学一个工具，而是把已有投放经历改写成增长口径下的指标成果。知乎小红书
避坑：工具焦虑叙事和高薪叙事，是培训机构最顺手的一套组合拳——同一篇 36 氪文章上半篇讲"年薪 20 万美金"，下半篇就开始卖四阶书单。知乎一条 38 万播放的老回答今年更新的提醒也值得听：不少数据分析培训机构正在原封换上"AI"的皮。报班前只问两件事：会不会让你拿真实业务数据做验数和复盘，讲师背景是做过业务分析还是做过招生。知乎
五、接下来盯什么
这个秋天的数分社区分裂成两半：一半在收藏第 56 个函数公式，另一半在聊合成控制和因果识别。两边都是真需求——差别在于，前者赌"我会生成"，后者赌"我能负责"。
给自己设三个继续观察的信号：一，AI 工作台（dots、WorkBuddy 这一类）往"敢直接碰生产数据"方向走的进度，尤其是出错责任的补丁机制；二，普通商分 JD 里"实验设计/因果推断"的出现频率；三，你所在城市数分岗的真实招聘率——僵尸岗位挂多久不撤，供给塌陷就是真的，这比任何博主的判断都硬。100 小时重排之后，每月拿这三条信号复判一次，比一次押注定终身便宜得多。
