今年8月下旬开始，秋招网申就要陆续开放了。但数据分析圈子里，今年有个话题吵得特别凶：这个岗位，是不是快被AI干没了？
导火索是前段时间高盛的一份报告，把统计学和计算机科学点名为"AI时代最脆弱的专业"。消息一传开，很多人的第一反应是：完了，该转行了。
但把知乎上那个高赞讨论翻完，你会发现这个结论被传反了。报告说的脆弱，是入门级岗位的脆弱，不是学科价值的脆弱。知乎AI真正能吃掉的，是取数、清洗、写报表、跑基础回归这类高度标准化的"工具层"工作；而做实验设计、因果推断、模型评估的资深统计师，在AI时代反而更值钱。麦肯锡、世界经济论坛的报告口径，也基本是这个意思。
说白了：AI不是在消灭这个职业，是在把这个职业里的人分层。
到底分到什么程度了？我把最近知乎、小红书、微博上的讨论翻了一遍，挑三个最值得看的信号。
第一个信号：执行型工作被AI吃掉的速度，已经有具体数字了。知乎上一个在大厂做了多年商业分析的答主，分享了自己团队的亲历：8个人的数据团队，4个做固定报表，2个做取数，2个做业务分析。AI工具接入半年后，取数需求从日均200单降到30单，固定报表自动化率从40%升到90%。知乎但结局不是"4个人被开除"，而是整个团队被要求重新定义职责——做执行的4个人里，1个转去做数据产品、设计AI自助分析工具，1个转了业务运营，另外2个离开了。他总结得很直白：“留下来的，不是技术最好的，是离业务最近的。”
第二个信号：成本账，企业已经开始算了。微博上有创业者聊起这事：对比招一个应届生做数据分析，“搭配好的模型……花的钱比请一个应届生确实能省点”。微博传播更广的是一个"七人数据分析团队"的故事：团队毫无保留地把经验教给了一位"AI顾问"，最后整组被"一个AI工具+一名维护员"取代。微博这个故事有没有夸张成分可以讨论，但它能传这么广，本身就说明从业者的焦虑是真实存在的——而且企业的替换动作，已经在发生了。
第三个信号：转行者的体感，正在快速祛魅。小红书上一篇高互动帖子里，一位转行做电商数分的博主说得直接：“很多电商公司的数分就是个取数工具人，也没那么高薪”。小红书另一篇热帖更扎心：“刚转行那会儿觉得数据分析挺高大上的，感觉自己能洞察业务本质，结果干久了才发现，日常就是提数、清洗、做表、写PPT、反复改”。小红书还有人直接直播了自己的求职过程：8月3号到19号半个月，海投800多份简历、内推5家、面试8次，最后拿到一个单休的offer。小红书入门级岗位的供需本来就紧了，AI又恰好是先把入门级岗位挤掉的。
把三个信号放在一起，结论其实很一致：消失的不是"数据分析师"，是"只会取数的数据分析师"。
那高盛报告的讨论里，有人把岗位价值拆成了四层，我转述一下，你可以对照看看自己在哪一层：
第一层，取数层：拉数据、跑报表、执行模板化需求。这一层被替代最快——指令写清楚一点，AI两分钟就能给你一张表。知乎这层的岗位招聘量，正在肉眼可见地收缩。
第二层，分析层：能根据业务问题选对方法、解读结果、给出建议。AI能辅助但替代不了——同一个指标下降，电商语境和内容语境的原因完全不同，这种判断AI做不了。
第三层，建模层：能设计模型、评估效果。AutoML已经把调参自动化了，但特征怎么构造、模型上线后怎么监控退化，仍然需要人的判断。
第四层，决策层：设计实验、判断因果、在不确定性下做商业决策，并且为结果负责。实验失败了谁兜底？AI不兜底，所以AI干不了这层。
市场给四层的定价完全不一样：第一层收缩，第二层开始分化——会提问的人越来越吃香，只会照模板做的人被淘汰，第三、四层需求不降反升。原因也不复杂：AI把建模门槛打下来了，但"判断一个模型好不好、一个结论可不可信"的人，反而更稀缺了。
所以怎么判断自己在哪一层？四个自查问题：
去掉SQL和Excel，你能不能把"这个指标为什么变了、接下来该怎么办"讲清楚？
接到取数需求时，你是直接跑，还是会反问一句：这个数据要支撑什么决策？
你有没有用数据推翻过业务方的结论，或者被业务方反问倒过？
AI给你一个分析结论，你能不能看出它哪里可能错了？
四个都是"否"——说实话，不用等AI，任何一个业务能力强的同事就能顶掉你。至少有两个是"是"，你已经站在判断这一侧了，AI对你是杠杆，不是对手。
最后，按人群给几条具体建议：
如果你是准备秋招的在校生：别在简历上继续堆"精通SQL、熟悉Python"了，这些是AI写得最快的东西。放一个完整的"定义问题→验证数据→业务结论"的项目，面试时讲清楚你推翻了什么、错过什么。另外留意一个信号：今年数据分析岗的JD里，是不是开始出现"熟练使用AI分析工具""业务理解能力"这类要求——先写上这些的公司，是AI工具真正落地了的团队，这种岗位值得优先投。
如果你是0-3年的初级分析师：别急着辞职，先看自己的时间分配。如果八成时间花在取数和报表上，接下来半年，主动申请参与一个完整的分析项目，哪怕很小，关键是让名字挂在一个业务决策上。同时认真学AI工具——不是焦虑式地学，是把AI练成你的下属：谁能指挥AI干活、还能审核AI的输出，谁在下一轮团队调整里就有议价权。
如果你是正在观望的转行者：先泼一盆冷水——今年"800份简历换8个面试"的入行门槛是真实的。如果看完还想来，记住一件事：转行的入场券，过去是工具熟练度，现在是"行业理解+数据判断"。优先选你已经有积累的行业，电商运营转电商数分、市场转增长分析，带着行业经验进场，别从零开始。
翻完三个平台的讨论，我发现大家其实没人在争论"数据分析师会不会消失"，争的是"什么样的数据分析师会留下"。答案那些帖子已经写得很清楚了：离业务更近、离决策更近、离纯取数更远。
秋招窗口开了，你觉得自己在第几层？评论区聊聊。
