这两天刷知乎，"数据分析真这么难找工作吗"这个问题底下，有一条8月23日刚发的回答，只有一句话但很扎眼：现在大厂都是运营、产品利用Ai干数分的活，劝人早点转行，因为至少美团、金山已经是这样了。知乎一个人的说法不能当行业结论，但你把它和小红书上的评论区放在一起看，风向就很一致了。一篇"数据分析师投了200多份简历了，没有面试"的帖子下有381条评论，高赞评论在报月薪："北京的数分岗，工资只有7500"“六七千的能找到，八九千的不好找”；还有人直接换了赛道：我转行去医药公司做SAS程序员了，数分商分根本没几个岗位。小红书
更有意思的是另一篇帖子——“系统学数据分析快三个月，找工作焦虑”。评论区两条高赞一条说：你学的没用，因为AI全都可以做了，现在别考虑入行数分了；另一条说：纯数分的东西，AI五分钟给你做好。小红书底下有人回了四个字，被好几个人接力复制：“49年入国军”。
这个梗现在已经是数据分析求职圈的黑话了。搜一下小红书，热度最高的一篇直接叫"25年入行数据分析和49年入国军有区别吗"，1400多赞、269条评论，发帖的是个明年毕业的数据科学专业港硕学生，问大家现在还推荐入行数据分析吗。小红书还有篇"现在入行数据分析师，是49年入国军？"300多赞；2026年5月还有新帖直接拿它当标题。一个职业方向被圈内人用这种方式集体调侃，本身就说明问题。
但另一边呢？培训机构的内容还在批量生产：“0基础转行数据分析”“两个月转行数据分析师”“2026了，还没上数据分析这趟车？”，有的已经把话术升级成"AI数据分析师"——“企业需求爆发，会的人少，现在入局就是先发优势”。
一边说岗位没了，一边说需求爆发，到底该信谁？我把两边的信号翻了一遍，说说我的判断。
冲击是真的，但它来得很安静：不是裁员，是"不再补招"
先看一份硬数据。知乎上最近有篇文章盘点了2026年上半年的劳动经济学论文，其中普渡大学团队分析了937万条美国招聘启事，用大模型逐条标注每项任务被AI替代的难度，算出全美岗位的平均AI可替代率是0.396。分行业看，金融保险0.584排第一，专业科技服务0.548第二，信息业0.545第三——恰好都是数据分析师扎堆的行业，全程处在最高暴露档。知乎
要说明一句：这是美国数据，不能直接换算成国内就业市场，但替代发生的方向和机制是有参考价值的。
更关键的是替代的"形式"。这篇论文把2022年以来的变化做了分解：2023年三季度是个分水岭，从那之后，企业"直接换掉招聘岗位"占了调整的52%，"岗位还在但重新设计任务"占39.5%。知乎也就是说，冲击主要不是以裁员上热搜的方式出现的，而是招聘悄悄收缩、岗位内容悄悄换血。
而对初级岗位，研究结论是三管齐下：换掉招聘岗位占60.15%，岗位内重设计任务占18.22%，两者叠加占21.63%。文章里有句话说得很重：过去初级岗位的隐性合同是"拿低薪，换练手的机会"，现在练手的那部分活儿恰恰是AI最先接走的——年轻人入门的练手机会在慢慢关闭。知乎
国内也有零散但方向一致的信号。一篇行业文章（注意，这篇带厂商推广性质，案例细节无法独立核实）提到一家零售企业：数据中台取数团队从11人缩到4人，没有裁员公告，走的人叫"主动离职"，但那7个位置不会再招——业务同学用智能问数工具，能搞定八成以上的日常取数。知乎还有一位小公司老板晒了自己的账单：三个月AI花费786块3毛，销售主管每天早上看数据、填报表、算转化率的活儿被自动化流程接管了，人多出来的时间去打客户电话了。知乎个案不能代表整体，但这类叙事在2026年明显变多了。
AI接管的正是"取数"，而且它已经跑到这一步了
具体到工具层面，“智能问数"这一轮是真的在落地。8月中旬一周内，知乎上就有十几篇在讨论这个方向，帆软、阿里DataWorks等厂商都在押注：业务同事用大白话问一句"上个月华东区销售额多少”，AI自动生成查询、跑数、出图表。
消费级产品也在跟进。2026年4月14日，千问正式上线"表格Agent"，能直接生成可以下载的Excel文件。知乎雷科技的实测结论很直白：简单表格秒生成，复杂函数搞不定——给它一句话，它能自己搜数据、整理成带格式的Excel让你下载；但遇到复杂统计，它会老老实实承认算不出来。
企业级走得更远。阿里DataWorks也把Data Agent做成了核心能力，用自然语言对话取代传统繁琐的表单与代码开发，业务人员用对话就能完成任务创建、算子编排和周期调度。知乎
把"数据岗位"拆开看，结构就清楚了：
第一层，执行层：接需求、写SQL、跑数、做报表。高度标准化，AI替代最确定，收缩已经发生——培训班卖的恰恰是这一层的入场券。
第二层，分析层：看数字背后的原因，识别业务异常，把数据翻译成管理层能用的建议。需要业务理解和跨部门沟通，AI能辅助，暂时替代不了。
第三层，策略层：指标体系怎么建、口径怎么统一、数据治理怎么做。需求不降反升——因为AI要跑得准，前提是有人把企业的"数据语义"说清楚。
但也别被恐慌带节奏：ChatBI自己也在退潮
反证信号同样真实。
8月下旬知乎上有篇讨论很直白，标题就叫《ChatBI退潮》（注：这篇同样带BI厂商的推广，取它对问题的诊断）。它点破了自然语言问数的症结：AI问数真正难的，从来不是"问"，而是"数"。知乎落到企业里，销售说的"销售额"、财务说的"收入"、运营说的"GMV"经常不是一个口径，AI必须选一个，选错了全错；就算SQL执行成功，也不代表答案在经营上是对的。
AI的能力边界也很诚实。下面这张实测截图里，面对一个复杂的多条件对比任务，千问直接回复"无法从表格中确定答案"——它不会硬编一个数字糊弄你，但也说明"AI五分钟做完纯数分"更多是评论区的夸张修辞。
还有篇更扎心的，标题是《企业上线AI问数后，为什么业务部门还是不用？》：很多AI问数项目演示的时候都很顺，可真正上线后，业务人员问了几次就不用了，又回到找分析师、导Excel、在群里对数字。知乎这说明"AI完全取代数据分析师"同样是夸张说法。企业口径混乱、语义层缺失，反而放大了对懂指标、懂治理的人的需求。
但对准备交钱转行的人，这不是安全信号。因为替代不需要100%完成才会影响招聘——一个工具哪怕只能搞定70%的日常取数，企业就敢把"5个人的活给3个人干"写进编制计划。门还开着，但进去的条件变了：以前会SQL+Excel就能投，现在招聘要求里"懂业务""会用AI工具协作"出现的频率明显在涨。
三类人，三个建议
结合这些信号，给不同状态的人分个类，自己对号入座：
第一类，还没交钱、正在观望的。先别急着给任何"两个月转行班"付钱，不管它叫数据分析还是AI数据分析。先做两件事：去招聘软件搜你所在城市的"数据分析"岗位，看要求里出现频率最高的词是什么；再找免费的SQL和Excel教程学两周——如果两周都坚持不下来，花几千上万报班也救不了你。顺便说，市面上AI相关培训班普遍收一两万，有篇563条评论的热帖只给了三个字：不要去。
第二类，已经报了班、学到一半或刚学完的。别再纠结学费，把SQL、Python当工具底子，立刻把重心换到两个方向：一是业务理解，挑一个你熟悉的行业，找真实的业务分析案例拆解，练"看到数字能提出假设"的能力；二是学会用AI做分析——千问、Kimi、DeepSeek都能接表格，练的是"怎么给AI提需求、怎么校验它算得对不对"。投简历时别再写"精通SQL"，写"用AI工具完成过什么分析、发现了什么问题"。评论区有位10年大厂数分说得实在：现在想进也不是不行，但得走业务路线。小红书
第三类，已经在做初级数分的。你的处境比转行者更急：执行层收缩时，最先受影响的是在职的人。主动往两头挪——要么往业务里扎，成为那个"知道这个指标在这家公司该怎么算"的人；要么往数据治理、指标口径、语义层建设靠，这是AI落地企业的前置工程，现在缺人。
接下来值得盯的信号
这个趋势还不是定局，有三个观察点：一是招聘平台上数据分析岗位的要求变化，"业务+AI"字眼会不会继续变多；二是智能问数产品在企业的真实续约率，退潮还是渗透，明年上半年会更清楚；三是秋招结果——现在正是投递窗口，10月前后会有一批"秋招复盘"帖，就业温度会有更集中的答案。
一句话收尾：AI数据分析这个方向本身没问题，有问题的是"花几个月学一套AI五分钟能干完的活，再花几万块买一张正在贬值的入场券"。钱要花在AI干不了的那部分能力上——业务判断、口径治理、把数据变成决策。这些恰恰是培训班教不了的。
