馬雲說「將來數據分析會沒有工作」會成真嗎？預計是多少年以後？

01-14

謝邀。

這些說法有一定道理，但是不完整。

說到數據分析，如果只是跑跑 SQL，出出報表，做些一成不變的工作，那麼毫無疑問的，要麼工作機會越來越少，要麼報酬越來越低。反過來，能以數據分析為手段，解決行業問題，這樣的人才怎麼都不嫌多。

回過頭看看過去幾十年，那些消失或者將要消失的行業，電報員、打字員、電梯操控員等等，有一個共同點就是科技發展導致技術門檻降低，於是這些職業再也不需要專門的訓練，普羅大眾就可以很容易的做到，或者經過簡單的培訓即可達到工作的水平，於是這個職業要麼消失，要麼報酬極低。比如隨著拼音打字軟體的進步，看看身邊還有多少人是用五筆打字的（我自己是一個）。

另外一個類似的問題是關於程序員過五年就要失業的。

先說程序員，如果定義是 programmer 的話，那的確是市場會越來越差，比如說美國勞工部已經開始禁止 programmer 申請工作簽證 H1b. 這裡 programmer 的定義是 Computer programmers write and test code that allows computer applications and software programs to function properly. They turn the program designs created by software developers and engineers into instructions that a computer can follow. （來源: https://www.bls.gov/ooh/computer-and-information-technology/computer-programmers.htm#tab-2）

簡單的說就是 software developers and engineers 設計好怎麼做，然後 programmer 來具體寫 code。實際情況中大多數科技公司已經沒有這個區分了，直接都是工程師負責到底，只不過口頭上大家叫法混著而已，工程師/程序員/碼工/碼農說的其實都是 software developers and engineers.

那麼身處數據分析或者程序員/工程師行業，怎麼延長自己的職業生涯？怎麼做到不失業？

首先要明白一點，沒有什麼行業的要求是一成不變的。如果有，要麼是壟斷行業，不需要改變；要麼是夕陽行業，就快要完蛋了。常見的說法是程序員這行是吃青春飯，干到三十歲還不轉管理的話就玩完。最主要的原因：這個行業需要不斷更新知識體系。能做到這一點，至少在美國，寫碼到四五十歲完全沒問題。當然更多的人或許寫到三四十歲就攢夠退休的錢了。

正因為行業本身是不斷變化的，從業人員自然也需要不斷調整，搞清楚哪些是可以被機器/技術替代的，哪些是需要發揮人力資源的，哪些是核心競爭力。二十年前會 Excel 就可以找到的工作，十年前會 SAS 就可以找到工作，放到現在，都只是簡歷上的一行而已。

技術本身會不斷被更新的技術替代，指望抱著現有技術一吃三十年，那隻能找個相對壟斷的行業了。比如在商業銀行/信用卡領域做數據分析或者風險模型，會 SAS 至少在五年前仍然是個加分，當初我第一任老闆就跟我說，會 SAS 的人還是挺難找的。即使現在，在北美商業銀行/信用卡做數據相關的話，大多數公司還是需要會 SAS 的人，除極少數像 Capital One 或者 LendingClub 這樣的有一部分職位轉向 Python 的。

所以如果你問我，五年之後程序員或者數據分析這個行業會不會失業？如果僅僅是簡單的做一些按步就班的工作，即使不失業，日子也不會好到哪去。如果根據行業發展，不斷調整自己，這種需要不斷進步的行業，只會比大多數行業越來越好。

這次回國發現，天朝發展是真心快，跟美國相比很多事情是直接跨代發展的，最直接的例子：移動支付。在美國由於信用卡的歷史發展很久了，大多數商戶刷卡都已經很方便了，所以對移動支付的需求小很多。即使各大廠商想推，比如 Messenger Pay, Apple Pay, Venmo, PayPal，用戶並沒有太大動力，多帶一張信用卡出門區別不大。

而在天朝，先是直接跳到移動互聯網端，加上信用卡鋪得相對沒那麼廣，於是移動支付相比之下優勢就大得太多了，於是只要有了微信和支付寶，基本就可以搞定一切了。

面對這樣的高速發展，沒有什麼行業會是一成不變的，指望抱著現在技能吃一輩子甚至十年，都是很奢侈的事情。

但是不管怎麼樣，工程師和數據分析這兩個行業都還在大量招人。

比如我司在北美大量招一年以上工作經驗的 Android，兩年以上的 ML/Ranking，以及四年以上的軟體工程師。數據分析相關也是一年一兩百的招人。

Airbnb 在中國部門也在招工程師和做增長相關數據分析的人。

有興趣的趕緊找認識的人 refer 吧。

當然，不能指望著一個技能包吃到老，不然五年以後妥妥的失業。

重新定義一下馬爹說的話。不是說數據分析師未來會失業，而是說未來數據分析過程中可被機器替代的部分將變得更加高效，人們將更加關注如何通過創新來更好地提升數據的應用價值，或者說「重新定義數據分析」。

這樣的擔憂大多是由於手工操作和工具操作被機器替代的可能性。這是發展的必然規律，我能說，親眼看到某公司用了某報表工具，科技部都裁員了么。

所以，任何一份工作要想做得好不被替代，都要掌握核心技能和發展走向。數據分析也是一樣，在不斷學習工具的同時，提升解決問題的能力以及業務的經驗——從觀察、假設、驗證、分析到最後推動決制定的方案。

不過呢，「將來數據分析會沒有工作」這樣的話我覺得說得有點早，起碼可預見的10年內。

如果說互聯網、金融等行業的數據分析的意識已經成熟，那很多傳統企業甚至千千萬小企業都還在摸爬滾打或在試驗。傳統企業多得是業務，多的是需要分析師們去摸索分析模型。有些事情有人走在前頭，有人走在後頭，有人有錢買工具，有人只能靠時間人力堆砌。

再者，數據分析只是整個數據事業的一環。就說說數據分析的下游，比如流程、生產過程中的信息數據化、數據治理、數據平台建設還大有可為，脫離了哪一環發展都得滯緩。

所以綜上來講，馬爹說得這句話並不接地氣，當然以上只是個人之見。

【很好的警醒】其實目前數據分析師的工作結構確實存在問題，以至於我們將大部分時間浪費在了沒有價值的事情上，經典的 80%數據處理+20%產生價值的工作時間分配，充分說明這一點；所以我們自己要有意識到，這不是正常的狀態，我們自己也要去尋求變革；因為數據分析師的核心在於，從數據輸入到價值輸出的過程，如果時間都浪費在 80%的輸入準備中，確實早晚要被替代；

【希望被替代】目前的部分工作，例如sql取數，清洗數據做報表，確實是可以被機器替代的。其實作為數據分析，自己都很期待這部分工作能夠有機器替代。其實縱觀工業革命的進程，不就是在不斷解放生產力，提升生產效率的過程嗎？ 這樣可以將數據分析時從 80%時間的數據處理工作中解放出來，那麼我們就有更多的時間去做那些我們真正想做的事；

【機器不能解放我們前做什麼？】數據分析的工作，和工業界多年的信號處理理論研究有異曲同工之妙；簡單的數據是無法得出任何有價值的結論的，其中的雜訊需要經過許多複雜的工序處理，才能透過現象看本質；這些工序有的是已有的科學理論，例如相關性分析，共線性問題處理等等；也有些工序是只有你在行業里摸爬滾打過，學習到商業世界的真實經驗才能夠處理的，例如發現網站的轉化率忽然很高，咋看之下很開心，可是實際層面是被黃牛薅了羊毛；因此，我們要好好積累我們 80% 的在數據處理的經歷中所吸收到的經驗理論，並將其轉化為輸入來投餵給機器，讓未來機器更聰明，能夠更好的幫助我們做好數據工作。這也是馬雲爸爸的觀念，機器是為了幫助我們把事情做的更好；

【機器解放了我們後更應該做什麼？】有一句有意思的話，數據分析一半是技術一半是藝術；我認為這藝術就是將數據翻譯成商業洞見的能力。其核心就是一套不斷升級，不斷完善的思維體系和執行體系，別人看到的是指標的下降，你看到的是指標下降背後的動因，以及解決下降的方法和下降暴露出的危機或機遇。並做到能夠將發現以明確可落地的方式傳達給執行者，並與各方協作，真正達成數據 -&> 商業變現 -&> 生產商業價值的目的。其實這一系列的過程在目前的商業實踐中還存在很多問題，因此也還有很多機遇和發展空間供進入行業的人探索，去跑通這條路，這也是我們現在就要不斷為之努力的方向；跑通了以後，他們又能成為新的養料去豐富機器工作的邊界；然後我們就有了更多精力去探索數據新的邊疆，其實不就是這樣？人總是要比機器更早一步，去探索我們能做什麼，機器幫助我們拓展能力邊界，讓我們去發現更多未知。

以上是我的一些個人觀點，願意與各位共同探討共同學習~

不是所有數據分析都會沒有工作，低端的數據分析可能會，不過低端工種在各行業都可能失去工作，比如司機被自動駕駛替代。
低端的數據分析為什麼會失去工作，不是AI搶了他們的飯碗，而是高端的數據分析砸了他們的飯碗，將他們從繁瑣的工作中解放了。
高端的數據分析是怎麼砸了他們的飯碗的？舉個自己的例子，

做數據分析要生成報表吧？我把它自動化了，每天自動生成報表，還定時刷新，本來公司要雇2個人生成各種報表，現在不需要了；
做數據分析總歸要清洗數據吧？我把它自動化了，本來公司要雇10個人清洗數據，現在不需要了；
做數據分析要跑模型吧？我把它自動化了，每天能跑上千個，本來公司要雇100個人每人每天跑十個模型，現在不需要了。

於是，這112個人都被解放了。

。

然後，強AI出現了，把自動化也給自動化了。

裝B失敗。

負分滾粗。

卒。

地球從此進入硅基時代。

—————————————————————————

開個玩笑，如果這事兒真的出現，我預計至少是100年。（瞎猜的，逃

所以你看，我們有生之年，這事兒大概率是不會發生了，但是，有兩件事情是一定會發生的：

因為各種工具的出現，數據分析作為技術的門檻越來越低。
因為各種機器的替代，數據分析作為職業的門檻越來越高。

有些人斷言機器取代人類永遠也不會發生，這麼絕對的話我是說不出來的。他們為什麼這麼言之鑿鑿呢？我想，他們大概並不關心人類的未來，他們關心的，只是自己的未來。但是如果我和他們打賭機器取代人類，我100%輸，因為我們的有生之年，這件事基本不會發生，如果不發生，他們贏，我輸。如果這件事發生了，機器完全取代人類，我們都是一死，我還是輸。

「鋼鐵俠」再發警告：人工智慧比朝鮮核武器更危險 - 華爾街見聞

墨菲定律告訴我們：你總擔心會發生的事情，它大概率會發生。但是墨菲定律並沒有告訴我們時間。

歡迎關注微信公眾號【大數據留學申請】dsjlxsq

「將來」數據分析會沒工作，這話說得非常安全，將來如果指1萬年以後，誰tm知道還有沒有數據分析這種工作，連人類是否還存在都難說。

說這話的不管是誰，明顯不懂什麼是數據分析。這世界上有的人可以把任何工作做到毫無意義，也有人可以把任何工作做到推陳出新。數據分析的核心競爭力是什麼？分析啊。什麼叫分析，觀察、聯繫、猜測、驗證、預測，這叫分析。不開腦洞你能聯繫什麼？能猜測什麼？計算能力的提升對數據分析師是絕對的利好，通常的數據科學家90%的時間都在倒騰處理數據，清洗啊、過濾啊、轉換啊，等等無聊的機械工作，哪個數據科學家不想有2-3個工程師做奴隸，幫他們干這些雜活，然後可以專心的思考最核心的問題？所以你如果非要把這些干雜活的人，也叫數據分析師，那麼沒錯，隨著技術的進步，他們的工作越來越少且不重要，但是真正的數據分析師是靠腦洞，靠洞察力和創造力吃飯，機器人腦洞大開的時代還早吧，雖然鋼鐵俠覺得快了。

舉個反例吧。

統計學中有個理念叫假設檢驗。

這個假設是人提出來的，人提出一個假設，用數據判斷這個假設在多少程度上是否成立。

如果沒有數據分析師，誰來提出這個假設呢？誰讓機器開動起來呢？

誰根據假設讓機器開動起來得出結論，那麼他就是數據分析師。

馬雲他提出假設，但沒有數據分析師，他對著電腦屏幕喊就能得出結果么？

我覺得在未來，數據分析師的門檻會越來越高，而不是被淘汰。

就好比數學從數手指頭，到數木棍，到用算盤，再到現在的通過計算機計算。數學家淘汰了么？

馬雲在這兒說的這種話，與手裡握著語音計算器說買菜不需要微積分數學已死的數學無用論者非常像。

看你是做簡單統計的，還是建模。

其實關於馬雲先生講這個話題的視頻，我看過大概4次。聯繫上下文，他主要強調的是未來大數據，雲計算以及機器學習，尤其計算能力的進一步升級會取代簡單的數據分析工作，比如excel，出出報表，畫畫圖之類的，尤其小型數據。為什麼這麼說呢，因為他同時說了未來保險的核心是大數據工程師。

建模這種工作是不可能被取代的。如果建模都可以被取代，基本可以說演算法自學習能力已經超過人類對其的輔助了。那要不了多久真的進入科幻時代了。

另外如果建模真的很快被取代，阿里雲還搞個天池出來幹啥？還天天吆喝天池有7w數據科學家。

我記得他還說過他最後悔創辦阿里巴巴.......

"認識時代，引領時代"

這是香港中文大學校長沈祖堯某一篇演講中的話。

只有盡量的做到優秀，才能更清晰行業發展方向，也才擁有更多主動權。

數據這座山後面到底是一片森林還是一片荒漠，我也得到了山頂才知道，我現在才剛準備上山呢。

現在無人汽車都造出來了，你看見司機朋友集體下崗了嗎？

也許我們沒有馬雲那樣長遠的眼光，但是我相信，先讓自己站的高一點，總會看的更遠一點。努力想要抓住時代的人，總不會被時代甩的最遠吧。

對了我還想說一句少聽點馬雲！！

數據分析的本質掌握別人不知道的信息，挖掘更深層次的信息，預測以後會出現的信息。

市場上最賺錢的方式是什麼呢？是信息不對稱。

阿里巴巴做到這個地步難道不懂信息多重要？不是傻，就是壞。

我覺得馬雲一點也不傻，我看就是為了不給我們這些人多開工資罷了。

洗數據真的是很煩心的工作，而且……現在Excel這麼廉價的軟體對很多「看起來還算整齊」的數據已經有非常強大的自動整理能力了。如果一份數據分析處理工作中，洗數據佔據了大部分時間，那麼從發展趨勢上看這種工作很快會被自動化替代。這種替代是大好事。

短時間內不易被自動化和人工智慧替代的工作應該是從分析過程和結果中看出關鍵問題這一「看」。比如前一陣幫同學看數據，分析軟體能非常快速可靠地整理儀器拿到的格式不那麼規範的數據，並且畫出漂亮的曲線。

但是軟體短時間內應該還沒能力從中看出：從高度和寬度上看，曲線里的這個異常增加應該是來自氣體進入測量段管道後短時間內產生的兩相流導致的……這類「看數據」還是需要有相關知識的人來做。

現在去探討數據分析在多久會失業有點杞人憂天。如果人工智慧發展到智人的境界，我想社會上大部分的崗位都可以失業了，家政清潔有機器人，交通有無人駕駛，銀行無櫃員，商店無售貨員...或許這些都可以在數據分析失業前就已經完成。但想像一下他們重大的社會意義是解放社會勞動力，這個勞動力不僅是體力勞動階層也有白領高層，而那個時候我們需要思考的或者擔心的可能不是簡單的失業少薪的問題，而是整個社會體系的運作模式問題。

科技進步這是一個不可逆的趨勢，活在當下，擁抱未來，積極地學習怎樣利用新生力技術提高勞動效率，這才是我們能夠把控的事。

他還說過，「我這輩子最大的錯誤就是創造了阿里巴巴」

馬雲說是用腦子去算，看到沒，他指的是那種很低級，像Excel那樣的工作，如果數據挖掘都被人工智慧取代了，我想不出來這個世界還有什麼職業不會被取代，另外，不知道答主是否知道數據挖掘過程中涉及到很多人工智慧的知識

馬雲還說讀書沒用，

馬雲還去拜訪王林，研究

馬雲吹牛逼，腦子一過就說，反正10個有2個准也就准了。8個過去無所謂。
阿里巴巴很大一部分流量就是靠馬雲吹牛逼帶起來的。
只有馬雲不寫代碼天天出去吹牛逼吆喝，然後群眾被洗腦了。商家也被洗腦了。
最後不吹牛逼的電商企業都被吹牛逼的阿里巴巴給弄死了。

神化了所有的有錢人，

要是普通人說這句話如何呢？

說的很片面，這個也許過個幾百年後會出現，人工智慧代替數據分析，但是代替的只是一些演算法的過程，演算法的計算。如何與業務結合，如何理解演算法的結果，這是數據分析師，需要做的。

一個優秀數據分析師，在於能把問題數據化，數據化後模型化，模型化後結果自動化，自動化後能業務使用化，目前機器人還做不到。當然以後機器人會思考了，那麼不僅僅是數據分析師失業，架構師，程序員，甚至產品經理也會失業嗎，不僅，整個人類都失業。說不定阿里巴巴也將會。。。

馬雲的話目的是做到一個大的生態系統，能長期發展，而人只能幾十年光陰，無法做大，機器能循環下去。

將來地球將沒有人類!

貌似是說人工智慧取代數據分析吧，30年以後大家一起失業。。。。。

馬雲還說後悔建立了阿里巴巴！

馬雲還說東哥搞物流沒前途！

馬雲還說。。。

馬雲不就是有錢嗎？

我覺得馬雲對數據分析的理解有誤，或者說他講的數據分析並不是現在的數據分析。他所說的數據分析指的是人工計算數據分析等，但其實現在的數據分析專業要求其實包括一定程度的計算機水平，編程語言可以說幾乎是必備的，至少我認為在比較好的大學課程里是早就意識到了的。所以其實這裡只是強調了計算機的發展之快及其重要性。個人理解。