这两天，“AI数据分析”这个圈子里，同时出现了两种完全不同的声音。
一边是转行培训广告还在用几年前的话术：零基础、不限专业、offer收到爆，课程名从“数据分析师”一路换成了“AI数据分析师”。另一边，知乎上一个“数据分析师是不是被炒作起来的”老问题，这两天重新被顶出近68万浏览，一位2008年入行的从业者写下了长答案。知乎评论区吵成两派：这个岗位到底是不是被培训机构炒起来的？
而真正把这场争论推到台面上的，是一个新变量：AI开始接管初级分析师赖以吃饭的那部分工作了。
被拿走的那部分
先看已经发生的变化。
WPS上线了AI数据分析功能：在表格里选中数据区域，AI会自动分析数据特征，直接给出柱状图、占比饼图和文字结论，从选中到出图只要几步。小红书
更激进的用法昨天就有人在小红书上晒出：用Codex这类AI Agent跑SPSS统计分析，从提需求到出完整结果一遍过，16页报告里的统计结论和SPSS输出都对得上。小红书
这不是孤例。去年“打工人用DeepSeek三分钟搞定数据可视化”这类教程，单篇就能拿到上万收藏。小红书拉数、出图、跑回归、贴结论，这套曾经被培训机构当成硬技能卖的动作，正在被AI压缩成一句提示词。
这也是知乎那场争论吵得凶的原因：如果你学到的只是“把数据变成图表”，那AI拿走的不是工作量，是这类岗位存在的理由。
被留下的那部分
但同一批社区讨论里，反方向的证据同样具体。
做数据分析咨询的博主“数据分析闲谈”昨天发帖，观点很直接：AI负责把东西做出来，分析师负责判断做什么、为什么做。小红书AI的输出也经常要返工，写错、返工、改逻辑都很常见，最后为结果负责的还得是人。
他举了个例子：业务说想做客户分析看板，真正想要的可能是“每天告诉我哪些客户有流失风险，今天应该优先联系谁”。小红书前者是技术项目，后者才是业务需求——哪些客户算流失风险、识别出来之后做什么动作，AI能把模型跑出来，判断靠的是对业务的理解。
昨天知乎上一篇《脏数据杀死AI》的从业者文章把这件事说得更狠：一家企业花100万买AI CRM，上线三个月，AI给出的线索评分还不如销售自己判断准，查到最后发现问题不在算法，在数据。知乎客户标签乱打、成交记录丢了一半关键信息，垃圾进垃圾出，谁定义问题、谁清洗数据，项目才能活下来。
薪资可以做个旁证。那位入行18年的从业者在知乎给了个大致区间（个人口径，不是权威统计）：广州应届生里本科生普遍7000到12000元，数据分析岗在8000到12000元，溢价只有1000块左右；他身边不错的分析师月薪约一万，一般的约六千。知乎这个数字说明的是：纯执行型的入门岗位本来就没多少溢价，AI只是把这个事实提前摊开了。
真正的分水岭在几年之后：你能不能把业务问题翻译成数据问题。这也是这两天社区里被反复引用的判断——低配版在下滑，升级版还在涨。知乎企业招的不是会拉数的人，是能定义问题的人。
把数据交给AI之前，先交一张清单
对不打算以此为生、只想用AI把活干得更快的人，这两天社区里踩得最多的坑是：把原始数据直接丢给AI，结果一团乱麻。
有人把原因讲明白了：AI不知道你的数据范围、不知道哪些字段能用、不知道哪些名单是固定的、更不知道数字背后的业务规则。小红书前提没给对，它越认真，结果越乱。
对应的解法是一张清单：把数据交给AI之前，先交代六件事——数据范围、使用字段、固定名单、业务规则、输出要求、验收条件。小红书
把这张清单当成“会用AI”的最低门槛，就会发现它和知乎那场争论指向同一件事：工具门槛在快速下降，判断和交付的门槛一点没降。
那它还值得谁学
把这两天的信号放在一起，判断可以分成三类人。
第一类，指望靠“会拉数、会出图”入行吃饭的人：不建议来。这部分工作正在被AI以肉眼可见的速度压缩，广告里“offer收到爆”卖的就是这个位置，而它承诺的溢价已经不成立了。
第二类，已经在业务岗位上的人（运营、产品、财务、销售支持）：值得学，而且投入产出比最高。你手里有AI最缺的东西——业务判断和验收标准。用AI把执行时间压掉，把自己往“定问题、做决策”那头挪，这就是社区说的升级版还在涨。
第三类，想报班转行的学生和跨行者：先分清你买的是工具培训，还是问题定义的训练。课程如果停在Excel、SQL、Python三件套，天花板是看得见的——企业招数据分析，表面上招的是会查数的人，实际招的是能把业务翻译成数据问题的人。知乎门槛从来不在工具，在思维和交付。
往后可以盯两个信号：一是招聘里“数据分析师”岗位是否继续向“分析+业务”的复合要求收缩；二是AI在自动出图表之后，会不会接着接管写报告、下结论、对结果负责这些环节。一旦AI开始对交付负责，这个岗位的边界还会再变一次。
