几乎所有数据相关岗位都收到 AI 的巨大冲击,资源投入也转向 AI 建设相关。
传统分析师需要转向 AI + 数据的复合型岗位,从过往的 bp 业务转到为 Agent 提供业务知识/Skill + 人 Agent 协作 bp 业务;传统数仓也从业务数据开发转向为 Agent 建设结构化数据知识(指标语义、数据集、表等);同时也会有专门负责数据 Agent 建设的横向组织出来。
所以 AI 应用能力是如今数据相关岗位的杠杆,能够带来更多机遇。培养 AI 应用能力需要了解 Agent 系统的几个部分:模型、Prompt 、Skill、知识库、Tool、记忆以及在执行链路(意图识别->规划推理->调用工具/Skill/知识检索->执行交付)中如何衔接,如何评估输出质量(评测机制)和改进输出(定位问题环节并优化)。
同时思路也需要从分析师的相对宏观视角落地,面向用户体验考虑产品(Agent 链路及输出本身)如何迭代优化;能力也需要从分析师拓展边界到产品、PMO 甚至是开发。
最重要就是好奇心和主观能动性,保持行业先进经验(优秀论文、大厂实践)的信息敏感度,同时也要需要“把手弄脏”——实际用 AI 去build。(很重要!空谈理论不做事会失去体感)