馬雲說：數據分析師會被人工智慧替代，你怎麼看？

在2017年的世界物聯網大會上，馬雲的一段演講很引人注目，他的原話是這樣的：未來的數據分析師都將被人工智慧取代。

作為一個數據分析剛剛入行的新人，聽到這句話時頓時感覺恐慌，自己即將要被替代掉了嗎？

這篇文章寫寫給那些已經入行數據分析，或者準備入行數據分析的人，希望我的一些看法能對你有所幫助，如有謬誤，期待您的指教：

本文想討論的主要有以下幾個方面的問題：

1.數據分析這個職位到底是什麼？

2.人工智慧可以替代掉的是哪些人？

3.作為數據分析人，我們應當如何避免自己被替代？

一.數據分析這個職位到底是什麼？

從去年開始，隨著大數據概念的興起，數據分析這個詞也逐漸火了起來。在微信公眾平台，我們能看見非常多有關數據分析，數據挖掘方面學習的文章；在知乎社區里，也是各種爬蟲教程，數據分析教程.......

上面這個趨勢圖師在百度是關鍵詞「數據分析師」的一個搜索趨勢，從這個趨勢我們可以看出來，從2015年開始，這個詞的關注量就產生了一個跳變，並且在2016,2017這兩年也都在穩步的增長著。當然這只是在百度這個入口的搜索趨勢，關注數據分析的人群多是一些高校學生，或者互聯網行業的從業者們，他們信息獲取的聚集平台知乎和微信公眾平台的數據這裡還沒有統計，這裡就暫時以百度指數作為一個範本吧。

既然都在說數據分析，那麼這個數據分析師到底是什麼呢？這裡給一段來自百科的解釋：

從上面的詞條中我們可以提煉出以下幾個關鍵詞：數據搜集，數據整理，分析，研究，評估。而對於這個詞我個人的理解是：利用數據幫助企業實現增長。我們的最終目的是實現企業的增長，這個增長可能是企業利潤的增長，產品用戶的增長等等，這是我們分析的最終目的，而數據僅僅只是我們作為數據分析師這個職位，切入增長工作的一個入口或者說手段而已。

我在拉鉤上找了一個比較有代表性的企業招聘需求，我們來看一看企業需要的數據分析師是什麼樣的？

從上面的招聘需求描述我們可以看出來，企業需要的的是通過數據產出對企業發展有驅動價值的信息。而數據分析師則充當了中間的這個信息轉換的角色，將數據信息轉化為發展決策信息。

說道這裡，不只你對數據分析這樣一個角色的認識是否清晰了呢？

二.人工智慧可以替代掉的是哪些人？

人工智慧作為一門計算科學，它所做的事就是從過去的事物之間找到一定的規律，並以此來確定當下自己面臨的事應該如何去做，它的決策基礎是數據，是概率（個人理解，歡迎指教）。

因此對於很多重複性的工作，人工智慧可以很快的學會。通過我們過往的一些操作數據，人工智慧可以就可以以此來當做自己的經驗，飛速學習，然後掌握這個技能。

就比如說之前百科詞條裡面的數據收集，整理，這些可以說都是一些內容相對固定，切重複性高的工作，人工智慧可以輕鬆學會。包括我們的一些簡單的分析，比如趨勢分析展示，簡單的數據報告等都可以被人工智慧取代。

舉一個簡單的例子，小王是某公司的一名數據分析師，每天他都需要向領導出一份數據報告，報告今天產品的數據波動。於是乎，小王通過資料庫，提取了今天的用戶活躍數據，然後將這些數據導入了Excel當中，通過Excel他做了一份統計圖表，反映今天的用戶活躍時長同比，環比，各個渠道的轉化情況等，然後遞交給領導，日復一日。突然有一天領導指著用戶增長數據表上的一個數據下降拐點問小王，這個點的數據是怎麼回事啊？小王一臉懵逼，只知道數據說本身本身就是這個樣子。

後來一個月後，小王被辭退了，公司購買了一套BI報表系統，日報，周報，月報，實時數據後可以看，老闆覺得這個BI系統好用多了，就這樣小王這個數據分析師就被人工智慧替代了。（以上故事純屬虛構，僅做說明之用）

上面的場景我想當下也正在上演著，未來也會有更多類似的場景上演，那些重複性的勞動遲早都會被人工智慧替代的。

我們反觀一下自己的工作，有哪些是高重複性的呢？包括取數，做報表，一些簡單的回歸預測等等，人工智慧完全可以做的更好。

三.作為數據分析人，我們應當如何避免自己被替代？

上面提到的人工智慧它是基於數據和概率產生的，凡是可被數據化，高重複性的工作都是可被替代的。那麼什麼才是不可被替代的呢？

我們人和人工智慧最大的區別就在於我們人是有情感和思想的，而機器沒有（起碼現在沒有）。因此想要在人工智慧手下不被取代，我們的工作重心應該是向人靠攏的。我個人認為，不會被替代的有以下兩點：

1>對業務的理解

就像上面的那個例子一樣，當數據出現下滑拐點時，一定是有原因的，而這個原因是由我們的業務變化引起的，這個時候相關的東西就多了，可能是我們公司競品的上線，廣告策略的調整或者說某個社會熱點事件的發生等等。這些內部或外部因素的發生才引起了數據的變化，只有深刻理解我們的業務，我們才能在這多個因素之間快速定位到問題的根本原因，併產出解決的方案，為企業的下一步動作進行決策支持。

在這一點上，目前的人工智慧還是無法學習的，因為它所涉及的因素太多，隨機性太強，它需要人的思考與判斷。

2>對人性的理解

不管是什麼行業，我們都是在做一個為人服務的行業。我們所服務的用戶是活生生的人，我們企業的數據變化產生時，我們反思業務上的原因。更應該思考的是用戶為什麼會產品這樣的行為，用戶的情感發生了哪些變化。人有七情六慾，用戶的每一個行為，都是其內心活動變化的體現。

在人性這一點上，我相信計算機在可見的未來還是無法超越人類的，這也是我們最大的優勢。

那麼，作為數據分析師，我們應該如何做，從而避免自己被替代呢？

1.拓寬自己的知識面，既要走進數據當中去，又要大膽從數據中走出來：

數據是客觀的，而理解數據則是主觀，當我們對業務，對行業，對用戶有不一樣的理解時，我們解讀數據的角度和深度也是自然不一樣，而這些所依靠的就是一個廣闊的知識面。產品，運營，營銷，技術都了解一點，不斷拓寬自己的認知，讓自己從數據中走出來。

2.營銷學，社會心理學的知識多了解一些，加深自己對用戶行為的理解：

不誇張的講，我們今天看到的很多概念，很多用戶模型，策略等等，基礎都來自於營銷以及社會心理學，它所詮釋的是「用戶為什麼會這樣做？」通過拓寬這些知識，並不斷加以應用，我們對用戶的理解自然會加深，我們也更加能明白用戶行為以及背後的為什麼？

3.擁抱新技術，新變化，用新技術武裝自己：

人工智慧是一門系統的學問，我們不能說隨隨便便的就掌握它。但是我們可以去了解它，應用它。比如當下比較火的機器學習，作為數據分析師，我們可能無需深刻理解它的含義，但我們可以學會使用它。一些編程語言，如Python就有很好的擴展包支持，我們僅需要一些編程基礎，並加以練習，便可以讓新技術為我所用

總之，如果你想依靠某個固定的技能或者職位在今天變化的世界生存，基本是不現實的。唯有不斷升級，不斷學習才能跟上變化越來越快的時代！

推薦閱讀：