“数据分析果然是世界上最大的草台班子！”——9月20日，小红书用户"蜜蜂小猫"写下这条笔记，拿到283个赞、70条评论。前排坐满了正要转行的人：先学SQL还是先学BI？机器学习还要不要学？AI能不能把这活儿替了？小红书
第一眼看，我以为又是一篇打工人吐槽帖。直到我把最近一个月里三篇不同公司、不同作者的入职记录摆在一起——才发现这位博主说的大概率不是气话。三份日记，工时对得惊人地齐：大头都在写SQL。小红书小红书
三篇日记，说的是同一份工作
蜜蜂小猫，入职快半年：数据平台已经崩过三次，一挂整个组停工，SQL跑不了、报表刷不出来，只能等数仓修。业务需求经常就一句话，口径、时间范围、维度全靠自己追问。她的日常被浓缩成五个动作：找历史SQL、问口径、跑数、核数、改报表。小红书
“富富福福”，8月12日入职：title写着数据分析，但70%的时间在写SQL做业务支持，很少接触ETL和模型，也没做过AB测试。上周最硬的活是一张500多个字段、十几张表出数的宽表，SQL写了2000多行——其中一部分，还是和AI一起写的。小红书
“应该会”，入职一年，标题里的月薪是10k：转行时SQL、Python、Excel、可视化、机器学习都学了个遍，落到真实工作里，“用得最多的还是SQL+Excel，Python偶尔拿pandas处理，机器学习基本没碰过”。每天的循环：看日报、写SQL取数、核对报表、接运营临时需求。小红书
三个人、三家公司、没人对稿，反复出现的词却是同一批：口径、核数、报表。模型，真没多少。
评论区的问题，日记里其实有答案
三篇帖子的评论区聚集着两类人：同行进来"对号入座"，有做行业分析的留言说上一家的工作流程一模一样；想入行的在排队问学习顺序。
那个顺序，知乎上一条29赞的回答讲得更技术：数据分析的本质不是构建，而是探索。拿到两千万行日志，你不知道里面有什么，得先看分布、补缺失、画箱线图、把离群点摘出来顺着挖。这种"改一行就要立刻看到反馈"的节奏，正是Jupyter存在的理由——数据常驻内存，反馈超过十秒，思路就被切碎了。翻译成人话：这个岗位真正值钱的是跑数快、核数准，不是会的招数多。知乎
所以，照着工时学，别反着来：先SQL，再练口径与核数的习惯，然后用Excel或BI把东西做成别人看得懂的产出，再往后才轮到Python/pandas处理Excel装不下的数据。至于机器学习，那位一年新人的原话是"基本没碰过"——不是不能学，是排在后面学。
“AI替代"的焦虑，10k帖主给了现成答案：AI已经常驻工作流，复杂SQL、Python、排查思路都丢给它辅助，但"最后的数据口径和业务结论还是自己过”。AI拿走重复的"写"，留给人的恰恰是三篇日记都在强调的"核"。小红书
最后说清楚边界：这三篇是具体公司的个人经历，撑不起整个行业，确实有天天跑AB测试、建模的数分团队。但至少最近一个月的热帖里，数据分析最朴素的一张脸是——不华丽，但入门路径清晰：一条SQL，就能摸到门。
