AI时代分析工作怎么走2026年10月8日提问4次类似提问

你怎么看待data scientist的未来呢?这个岗位的未来他会消失吗?还是会变成另一种形式存在?那我现在是做Product Analyst,如果你说要离业务更近的话,那其实product analyst 可能离业务还更近,那难道就是我其实继续做Pod粗体Analyst,然后争取往业务转型是更好吗?还是有其他的转型方式例如我可能想到的是就是把data science 变成一种产品去办一些小公司比说提供数据转型或者数据分析的服务。

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

  1. 1AI会干掉中产吗?一场来自科技从业者的深度对话

    超线性学院 · 会员2026-03-02

    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. 2数据科学对公司的真正价值,以及向上管理秘籍

    会员视频2023-12-11

    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. 3为了躲开AI,我差点去美国开餐馆,最后为什么卖起了课?

    视频2026-07-22

    可回到原文核对这部分判断

  4. 4《Growth Data Analytics Playbook》中文版 · 第1章 用增长分析驱动产品成功

    书2025-11-18

    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。

  5. 5Don't build: 看清demo和production之间的鸿沟

    超线性学院2026-07-29

    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:回答只从立正讲过、写过的东西里来,每一段都能点回原文。

问类似的问题

也可以接着问:

所有问题 →