AI大模型技术的迭代速度，快得让人有点跟不上节奏。智能体Agent时代已经悄然降临，它不仅能闪电般地生成分析报告，还能顺手搞定数据处理、可视化这些活儿。面对这样一位“全能选手”，数据分析圈子里普遍弥漫着一种焦虑：AI越来越能干，那我们分析师的价值到底在哪？未来，我们真正的护城河又是什么？

这一期观远数据的「AI BI观察家」，我们请来了一位深耕行业多年的专家——上海唯知唯识科技的CEO喜乐君。他专门就AI时代分析师的职业成长与核心价值这个话题，分享了不少独到的见解，或许能帮正在焦虑中的同行们拨开一点迷雾。

焦虑正常，但不必过度：君子不器，君子善假于物

春节一过，AI Agent就成了最热的话题，技术发展得如此迅猛，不少分析师心里都打鼓：这玩意儿会不会把我饭碗端了？喜乐君的看法倒是挺有意思：别光分析师焦虑，企业CEO可能比你们还焦虑呢。而且，焦虑本身也不是什么坏事，它恰恰是行业进步的动力。AI和Agent在数据分析领域的渗透，已经是板上钉钉的趋势了，差别只在于每个人打算怎么用它。

那么，怎么面对AI带来的冲击？喜乐君用了两句古话来表达他的观点。

“第一句是‘君子不器’。我们不能把自己功能化、物化，变成一个只会执行指令的工具人。有了AI，它应该成为我们的辅助，我们得反过来思考：那些AI不擅长的事，我们怎么和它打好配合？”

“第二句是‘君子善假于物’。在这个时代，一个人能达到的高度，很大程度上受限于他所使用的工具。我们要学会借助AI、借助BI，就像过去人们借助Excel一样。工具越强大，它就越能帮我们把自身价值放大。”

所以，喜乐君给出的结论很清楚：焦虑是正常的，但没必要把自己吓住。与其整天担心被替代，不如想想怎么用好它，让AI成为自己的得力助手，把精力聚焦到AI替代不了的核心能力上去。

分析师的护城河：工具之外，业务理解之上

既然工具层面AI已经能做得又快又好，甚至效率是人类的几十上百倍，那未来分析师真正的护城河在哪？

喜乐君指出，这个护城河就在工具之外——因为工具会越来越同质化。人和人之间的差异，最终会体现在工具之外的东西上，对分析师来说，最核心的就是超越工具本身的业务理解和洞察。

回看过去，一个分析师的标签可能是“Excel大神”或“BI专家”，因为那时候工具的学习成本高，掌握了它就等于有了核心竞争力。但现在不一样了，BI平台越来越易于操作，就像观远数据一直在推广的‘让业务用起来’，普通人简单学学就能上手，工具本身就不再是核心标签了。未来的分析师，核心标签应该是你能用工具回答什么问题，能给管理层提供什么样的决策建议。这才是人与人之间最本质的差异。”

从知识分类的角度看，教育学里把知识分为显性知识和隐性知识。现在大家总爱谈‘技能化’，但skill更多是显性知识的固化，而分析师最核心的业务理解能力，很大程度上属于隐性知识。这话什么意思呢？隐性知识很难变成通用的显性技能，它依赖个人经验的长期积累和对业务的深度洞察，而这正是AI目前最难复制的地方。即便未来某天这些隐性知识也能被技术固化，人和人之间的差异又会体现在新的层次上。

AI vs 资深分析师：差异在于假设验证的循环

想象一个场景：老板抛出一个业务问题，比如“这个月销售额怎么又跌了？”。AI的回答和一位资深分析师的回答，主要差异会在哪里？

喜乐君分享了一个真实案例。有客户想招一个副总来优化库存，有经验的分析师会怎么做？他会先把BI接入数据，然后从抽象到具体，一层层拆解：库存总额是多少？哪个门类库存压力最大？从时间趋势上看，是突然增加的还是慢慢涨上来的？如果是突然增加，那是有大客户不要货了？还是出现了残次品？或者是原材料、委外业务出了问题？

一个有经验的人，面对问题时的思维过程，其实就是不断“假设-验证-再假设-再验证”的循环。他是在用自己的历史经验，一步一步把问题剖析清楚。但现在的AI，在垂直领域还缺少这种能力，经验的积累远远不够。在企业里，真正要为决策负责，需要把个人的隐性知识和企业的实际问题结合起来，这正是AI目前的软肋。

AI或许能问出100个问题，但它很难把这些问题和企业业务实际中的假设验证循环结合起来。当然，喜乐君也相信，未来三五年，随着企业知识库建设完善，越来越多的非结构化数据能与AI结合，这种假设验证循环也能在AI环境里简单实现。但人和AI最本质的差异，依然在于那些无法完全数据化的隐性知识，以及结合企业实际做出的决策判断。

Headless BI趋势：AI与BI深度融合，数据服务无处不在

回到工具层面，有人觉得理想的BI应该是通用型的。在Agent时代，很多工具会走向“headless”（无头化）。喜乐君是怎么看这个趋势的呢？

他认为，所谓headless BI，并不是BI的某个新流派。它的本质，是希望把BI做成一种服务。让企业里的每个人，哪怕感受不到数据平台的存在，但时时刻刻都能被它服务到——你需要什么，它就能回答什么。在这个过程中，AI不是被淡化了，而是变得更重要了，它已经无处不在，无孔不入地渗透到数据链路的每一个环节。比如，AI不仅能帮你更快地做可视化，甚至可以自动处理数据，帮你发现业务数据库里的异常。

在喜乐君看来，未来通用的数据架构应该是：(APP/ODB DW/BI) * AI。其中，“APP/ODB”是业务应用和运营型数据库，“DW/BI”是数仓和商业智能。AI正在渗透到数据架构的每一层，反过来，BI和AI也在深度融合。AI在前还是BI在前，不同场景下可能有点差异，但深度融合是headless BI时代不可逆转的趋势。数据会在广义上成为一种服务，而BI就是数据服务最主要的入口，让数据随时随地能服务于每一个人的决策。

正如喜乐君在访谈里所言：AI时代，工具会越来越同质化。分析师真正的护城河不在工具本身，而在工具之外——对业务的深度理解、对决策的有效支撑。这些隐性知识和经验积累，才是分析师不可替代的核心价值。君子不器，君子善假于物。当AI承担了繁重的工具性工作，分析师才能回归思考的本质，聚焦于业务洞察和决策支持。这，恰恰是AI时代分析师的新机遇。

下期预告：

在与喜乐君对谈的下期内容中，他会继续分享——分析师该如何“养”出一个真正懂你的AI？AI与BI如何分工协作才能发挥最大威力？企业又该如何培养自己的超级分析师？