DS 岗位不会消失,但会从“做模型”转向“用数据直接驱动业务决策”;你继续做 Product Analyst 并往业务靠,和把数据能力做成产品,是两条都成立但验证方式不同的路。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
岗位会变,但“离业务近”才是护城河
立正认为 DS 的工作内容一定会发生巨大变动,什么都不改变才是最 risky 的选择,所以第一个问题不是怎么变,而是要不要变1。他反复讲,真正稀缺的是能跟业务 partner 对话、能从数据里挖出 insight 的人,而不是只会调模型的人;越难的技术往往 application 越少、impact 越小2。这也解释了为什么“离业务更近”被反复强调:AI 能自动化 dashboard、埋点、常规分析,但判断该做什么、结果对不对,仍要人负责3。所以 DS 更可能变成一种“嵌在业务里、用数据做判断”的角色,而不是消失。
Product Analyst 和“做数据产品”是两种验证
AI推演你现在的 Product Analyst 确实离业务更近,但“更近”不等于自动更好。增长分析盯的是北极星指标本身,产品分析关心的是某个模块里的驱动因素,两者关注点不同4。如果继续做 PA 并往业务转,你验证的是:能不能把分析直接变成业务决策、影响收入或用户增长。如果把 data science 做成产品去服务小公司,你验证的是另一件事:能不能把数据能力打包成别人愿意付钱的东西。后者要面对 demo 和 production 之间的鸿沟——第一版做出来只是开始,真正的成本在后面持续维护和 ownership5。两条路没有绝对优劣,取决于你更想积累“业务判断”还是“把能力产品化”。
材料里没有你所在公司、行业和具体职责的信息,所以无法判断哪条路对你更合适;另外部分视频字幕为未校对转录,人名和数字可能有误差。
出处
- 1AI会干掉中产吗?一场来自科技从业者的深度对话
直接回应 DS 会不会被 AI 取代、要不要变,适合先看这份建立判断。
- 2数据科学对公司的真正价值,以及向上管理秘籍
讲清为什么“离业务近、能挖 insight”比做模型更被需要,适合核对岗位价值逻辑。
- 3为了躲开AI,我差点去美国开餐馆,最后为什么卖起了课?
可回到原文核对这部分判断
- 4《Growth Data Analytics Playbook》中文版 · 第1章 用增长分析驱动产品成功
区分增长分析和产品分析的关注点,适合判断你继续做 PA 的方向。
- 5Don't build: 看清demo和production之间的鸿沟
讲 demo 和产品之间的鸿沟,适合评估把数据能力做成产品的真实成本。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 数据科学是否会被ai replaced?
数据科学不会整体消失,但“分析、建模、报表、实验”这类可重复的中间层工作会被AI大幅压缩,价值会向定义问题、设计系统、评估结果的一端移动。
- 在AI不断发展的时代,对于技能局限于sql,python,BI的数据分析师,应该怎么规划自己的职业路径
别把规划做成补技能清单。SQL、Python、BI 这类执行动作正被 AI 压缩,更值钱的位置是能判断 AI 结果好坏、把业务问题翻译成 AI 能用的上下文、并对结果收口的人。
- AI 时代,数据分析的价值正在从"出数"转向决策、产品和判断力,但大多数从业者还停留在初级和中级水平。未来两年,普通数据从业者更应该往哪走:是留在企业内、练成用 AI 赋能决策的不可替代角色(这类的职位有限也需要能力),还是干脆转向独立、用 AI 做产品自己找需求(需要面对没有做过的分发以及极度的不稳定性)?如果只能二选一, 没有机会正职做着副业慢慢验证呢?
两条路都成立,但先决条件不同:企业内转型靠的是把判断力外化成可复用的系统,独立做产品靠的是能自己收口并解决分发。资料没有给出二选一的答案,反而指向先练判断力,再决定在哪用它。
- 数据科学、数据分析在AI时代的价值是什么
数据科学的价值不在写模型或做报表,而在把数据变成更好的决策;AI压缩了执行环节,反而放大了判断、归因和把问题翻译成可执行方案的能力。
- 总觉得现在学习新东西,技术没有什么意义了,因为ai能比你做的快10倍,同时也觉得任何东西/poc都没有门槛,我能几天之内学习新的技术,并deliver。如果我能,我相信别人也能,那我的竞争力到底在哪里? 学更广的知识还是干别的什么?
几天做出一个能跑的东西,只证明你当下交付得快,不证明能力留在你身上。竞争力更可能来自撤掉帮助后仍能判断、拆解和交付,以及别人做不出来的深度。
- workbuddy普通人怎么用
普通人用 AI 的关键不是学会某个工具,而是从“偶尔用一用”变成“让 AI 成为核心生产力”,并围绕自己反复做的一件事持续积累。