分析师岗位：AI 替代重复劳动；人保留口径、因果、沟通与责任。12 个月补实验设计、指标治理与 storytelling。

岗位拆解：四块能力

取数与清洗：AI/SQL 助手已强，需会验证。建模与指标：口径定义是人设的，AI 只能建议。解读：结合业务上下文，AI 易过度解读噪声。推动决策：会议、对齐、跟进——纯人。

AI 已覆盖 vs 难覆盖

已覆盖：Ad-hoc SQL 初稿、Excel 公式、标准 dashboard 描述、异常检测提示。难覆盖：新指标定义、数据血缘治理、跨部门对齐、 unethical 数据边界。

  • 口径文档：人写
  • SQL：AI 草稿+人审
  • 结论：人签字

12 个月技能栈（在职可学）

Q1：SQL 窗口函数+dbt 基础；Q2：Python pandas+自动化报表；Q3：AB 实验与因果入门；Q4：叙事（金字塔原理）+领域 deep dive（金融/供应链任选）。

每月一个可展示 artifact：自动化报表、实验复盘、指标字典更新——比证书更有说服力。

与 AI 协作的日常

用 AI 写 SQL 但强制 explain；用 AI 写洞察段落但贴数据截图自核；禁止 AI 直接发 Slack 给业务 without review。

团队管理者怎么用

减重复报表 headcount，增「分析产品经理」型岗：对指标与实验负责。招聘看 portfolio 而非工具名单。

职业话术（对内对外）

对外：我们用人定义问题与责任，用 AI 加速取数。对内：每人维护指标字典一条+实验一条，证明不可被一键替代。

十二个月技能栈（按周拆分）

第 1–12 周：SQL 窗口函数与业务指标口径文档化，AI 只帮写查询草稿，口径由你签字。第 13–24 周：实验设计与因果表述，学会用 AI 做「假设—检验—局限」三段论，而不是让它编显著性。第 25–36 周：数据产品沟通——仪表盘叙事、给业务的「所以 what」。

第 37–48 周：治理与血缘——和 IT 一起定义指标字典、权限与留存。分析师的价值在「定义问题+守护口径」，不在点鼠标出图。每月用一次 AI 做 peer review 练习，专挑你的结论漏洞，比刷课有用。