數(shù)據(jù)分析不再只是提出問(wèn)題、復(fù)盤過(guò)去，而是更多地轉(zhuǎn)向主動(dòng)實(shí)時(shí)塑造決策。

我們正見(jiàn)證一場(chǎng)根本性的變革。就像大家在日常生活中感受到的那樣，如今能接觸到的人工智能工具與智能體越來(lái)越多。很多人都在嘗試使用人工智能——將其作為編程助手、效率提升工具、頭腦風(fēng)暴的搭檔，甚至更多用途。和許多人一樣，我也開(kāi)始發(fā)現(xiàn)，無(wú)論是工作還是生活中，人工智能已悄然承擔(dān)了我日常的大量工作。

這種變革也正緩慢滲透到企業(yè)組織層面。我們被期待實(shí)現(xiàn)從數(shù)據(jù)看板、分析報(bào)告，向智能決策系統(tǒng)的轉(zhuǎn)型——這類系統(tǒng)不僅能生成洞察，還能給出行動(dòng)建議并實(shí)現(xiàn)操作自動(dòng)化。

無(wú)論接受與否，至少在未來(lái)幾年，我們都會(huì)持續(xù)接觸并與人工智能協(xié)同工作。但在人工智能的熱潮背后，有一個(gè)事實(shí)始終未變：數(shù)據(jù)與分析的未來(lái)，并非只是以人工智能為核心，而是要以人為本。

趨勢(shì)一：從報(bào)告輸出到?jīng)Q策系統(tǒng)的轉(zhuǎn)型

多年來(lái)，數(shù)據(jù)分析團(tuán)隊(duì)的核心工作都是解答問(wèn)題。

我們總會(huì)被問(wèn)到：發(fā)生了什么？為什么會(huì)發(fā)生？

但如今，企業(yè)的期待已然不同。

企業(yè)不再只要求分析師通過(guò)數(shù)據(jù)看板或幻燈片，整合出包含可落地洞察的分析報(bào)告，而是轉(zhuǎn)向打造能指導(dǎo)決策的系統(tǒng)，而非由人類單獨(dú)主導(dǎo)決策過(guò)程。單純的數(shù)據(jù)分析看板早已無(wú)法滿足需求，這些數(shù)據(jù)需要被解讀、賦予場(chǎng)景，并轉(zhuǎn)化為具體行動(dòng)。

“人工智能的核心是提供模仿人類智能的技術(shù)，而決策智能，則是運(yùn)用這項(xiàng)技術(shù)優(yōu)化決策的制定方式?！?/p>

結(jié)合行業(yè)的發(fā)展方向來(lái)看，我認(rèn)為決策智能正是數(shù)據(jù)分析的下一個(gè)進(jìn)化階段。

決策智能的核心，是打造融合了數(shù)據(jù)、人工智能與業(yè)務(wù)邏輯的系統(tǒng)，并將其嵌入業(yè)務(wù)流程。這類系統(tǒng)所呈現(xiàn)的洞察、給出的商業(yè)建議，皆具備可落地性，而非僅停留在信息傳遞層面。

這一轉(zhuǎn)型也重新定義了分析師與數(shù)據(jù)分析團(tuán)隊(duì)的角色。

我們的定位，正從單純的洞察提供者，轉(zhuǎn)變?yōu)?strong>決策賦能者。

作為數(shù)據(jù)分析從業(yè)者，當(dāng)下我們可以做些什么？

跳出數(shù)據(jù)看板的局限，思考自己的工作能影響哪些決策；
設(shè)計(jì)分析成果時(shí)，不僅輸出洞察，更要給出具體的行動(dòng)建議。

趨勢(shì)二：人工智能技術(shù)已成熟，數(shù)據(jù)與業(yè)務(wù)場(chǎng)景卻未準(zhǔn)備就緒

人工智能領(lǐng)域的投資規(guī)模毋庸置疑，未來(lái)幾年，人工智能相關(guān)支出預(yù)計(jì)將達(dá)到數(shù)萬(wàn)億美元。在未來(lái)的行業(yè)競(jìng)爭(zhēng)中，勝出的并非那些嘗鮮最多的企業(yè)，而是能將人工智能有效落地、實(shí)現(xiàn)規(guī)?；\(yùn)營(yíng)的企業(yè)。

如今企業(yè)擁抱人工智能的最大障礙，并非技術(shù)本身，而是數(shù)據(jù)的就緒度與業(yè)務(wù)場(chǎng)景的適配度。

人工智能無(wú)法修復(fù)劣質(zhì)數(shù)據(jù)，只會(huì)放大其問(wèn)題。

如果人工智能智能體賴以處理和行動(dòng)的底層數(shù)據(jù)存在不一致、結(jié)構(gòu)混亂、難以調(diào)用的問(wèn)題，人工智能只會(huì)讓這些問(wèn)題愈發(fā)嚴(yán)重。這種情況下，其輸出結(jié)果的參考價(jià)值大打折扣，而企業(yè)還需為人工智能的令牌消耗支付高昂成本。

即便如此，僅實(shí)現(xiàn)數(shù)據(jù)的人工智能適配化仍遠(yuǎn)遠(yuǎn)不夠，業(yè)務(wù)場(chǎng)景的重要性同樣不容小覷。

如果缺乏清晰定義的指標(biāo)、統(tǒng)一的業(yè)務(wù)邏輯，以及跨團(tuán)隊(duì)的共識(shí)，即便是最先進(jìn)的人工智能系統(tǒng)，也無(wú)法產(chǎn)生可靠、可落地的洞察。

作為數(shù)據(jù)分析從業(yè)者，當(dāng)下我們可以做些什么？

先投入精力優(yōu)化數(shù)據(jù)質(zhì)量、推動(dòng)數(shù)據(jù)標(biāo)準(zhǔn)化，再進(jìn)行人工智能的規(guī)?；涞兀?br/>聚焦業(yè)務(wù)場(chǎng)景的定義與梳理，而非只專注于模型的搭建。

趨勢(shì)三：智能體化分析的崛起

如今，許多企業(yè)仍處于人工智能的試錯(cuò)階段（我更愿稱之為“副駕駛階段”），人類仍處于決策閉環(huán)中，與人工智能工具協(xié)同工作，加速洞察的生成。

而這，僅僅是開(kāi)始。

我認(rèn)為數(shù)據(jù)分析的下一個(gè)進(jìn)化階段，是智能體化分析。我們將走出試錯(cuò)階段，邁入落地執(zhí)行階段，而這種轉(zhuǎn)變，已在數(shù)據(jù)分析流程的演變中初現(xiàn)端倪：

• 人工智能智能體統(tǒng)籌協(xié)調(diào)業(yè)務(wù)流程；
• 系統(tǒng)主動(dòng)挖掘并呈現(xiàn)潛在洞察；
• 重復(fù)性分析工作實(shí)現(xiàn)自動(dòng)化；
• 相關(guān)利益方尚未提出需求，洞察已提前生成；
• 數(shù)據(jù)管道的管理實(shí)現(xiàn)更高程度的自主化。

換言之，我認(rèn)為這一變革并非讓人類完全脫離決策閉環(huán)，而是徹底改變了人類創(chuàng)造價(jià)值的環(huán)節(jié)。

作為數(shù)據(jù)分析從業(yè)者，當(dāng)下我們可以做些什么？

學(xué)習(xí)與人工智能智能體的協(xié)同工作方式，而非僅會(huì)使用人工智能工具；
將精力聚焦于高價(jià)值的思考工作，同時(shí)推動(dòng)重復(fù)性任務(wù)的自動(dòng)化。

趨勢(shì)四：數(shù)據(jù)分析邁入對(duì)話式時(shí)代

我始終推崇一切以人為本的理念——從人的視角看待問(wèn)題是我的追求，而最讓我振奮的變革之一，便是人類與數(shù)據(jù)的交互方式的轉(zhuǎn)變。

我們正從復(fù)雜的數(shù)據(jù)看板，轉(zhuǎn)向自然語(yǔ)言查詢與敘事驅(qū)動(dòng)的洞察呈現(xiàn)。生成式人工智能讓數(shù)據(jù)分析能在數(shù)據(jù)看板、Excel的可視化圖表之外，同步實(shí)現(xiàn)數(shù)據(jù)敘事，數(shù)據(jù)分析也因此變得更具對(duì)話性。

這對(duì)于以人為本的數(shù)據(jù)分析而言，無(wú)疑是巨大的機(jī)遇！

換句話說(shuō)，數(shù)據(jù)分析的邏輯正愈發(fā)貼合人類自然的思考與決策方式。

作為數(shù)據(jù)分析從業(yè)者，當(dāng)下我們可以做些什么？

培養(yǎng)數(shù)據(jù)敘事能力，而非僅掌握數(shù)據(jù)可視化技巧；
聚焦于洞察的清晰解讀，而非只注重成果的展示。

趨勢(shì)五：真正的核心基礎(chǔ)是數(shù)據(jù)+語(yǔ)義+信任

人工智能雖占據(jù)了聚光燈，但真正的變革，發(fā)生在底層的架構(gòu)層面。

現(xiàn)代化的數(shù)據(jù)分析架構(gòu)將包含四層核心：

1. 數(shù)據(jù)層：干凈、可靠、受治理的高質(zhì)量數(shù)據(jù)；
2. 語(yǔ)義層：跨團(tuán)隊(duì)共享的業(yè)務(wù)定義與場(chǎng)景語(yǔ)境；
3. 人工智能/智能體層：實(shí)現(xiàn)分析與自動(dòng)化的模型；
4. 決策系統(tǒng)層：洞察轉(zhuǎn)化為實(shí)際行動(dòng)的落地環(huán)節(jié)。

若這四層核心無(wú)法有效協(xié)同，即便是最先進(jìn)的人工智能系統(tǒng)，也只會(huì)產(chǎn)生前后矛盾、缺乏可信度的結(jié)果。

作為數(shù)據(jù)分析從業(yè)者，當(dāng)下我們可以做些什么？

推動(dòng)企業(yè)內(nèi)部跨團(tuán)隊(duì)的數(shù)據(jù)定義與語(yǔ)義共識(shí)；
將數(shù)據(jù)治理與業(yè)務(wù)定義視為戰(zhàn)略重點(diǎn)，而非可選項(xiàng)。

下一個(gè)十年：未來(lái)已來(lái)

我們正從數(shù)據(jù)看板的時(shí)代，邁向決策落地的時(shí)代。

數(shù)據(jù)分析也正從人工智能“副駕駛”，進(jìn)化為以場(chǎng)景、語(yǔ)義與真實(shí)世界數(shù)據(jù)為支撐的，自主化、智能體驅(qū)動(dòng)的決策系統(tǒng)。

這并非單純的技術(shù)變革，而是企業(yè)運(yùn)營(yíng)模式的根本性重構(gòu)。

而那些能夠勝出的企業(yè)，并非只是簡(jiǎn)單采用人工智能，而是能將其與人類的思考、決策、行動(dòng)方式，進(jìn)行深度且貼合的融合。

那么，人類的價(jià)值何在？

參會(huì)前，我心中最大的疑問(wèn)是：如果人工智能開(kāi)始模仿并復(fù)刻人類的智能，我們?nèi)祟惖膬r(jià)值又在哪里？

而我找到的答案是：人類比以往任何時(shí)候都更重要。

當(dāng)人工智能接手了數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)查詢，甚至洞察生成的工作后，人類的角色便轉(zhuǎn)向了那些真正能體現(xiàn)我們獨(dú)特價(jià)值的領(lǐng)域：

• 精準(zhǔn)界定核心問(wèn)題；
• 解讀場(chǎng)景背后的語(yǔ)境與細(xì)微差異；
• 做出符合倫理與戰(zhàn)略的決策；
• 運(yùn)用批判性思維解決復(fù)雜挑戰(zhàn)。

也正因如此，以人為本的數(shù)據(jù)分析變得至關(guān)重要。

因?yàn)闅w根結(jié)底，數(shù)據(jù)分析的目標(biāo)并非只是獲得更優(yōu)質(zhì)的數(shù)據(jù)，而是為人類做出更優(yōu)的決策。

數(shù)據(jù)與分析的未來(lái)，并非在人類與人工智能之間做出選擇，而是打造可靠的決策系統(tǒng)——讓人工智能具備智能且與人類目標(biāo)對(duì)齊，而人類，始終處于決策的核心位置。

最終思考

我們正從數(shù)據(jù)看板的時(shí)代，邁向決策落地的時(shí)代。

而那些能夠脫穎而出的個(gè)人與企業(yè)，并非只是簡(jiǎn)單采用人工智能，而是重新思考了決策的制定方式。

如今，我們的問(wèn)題不再是“如何更好地分析數(shù)據(jù)？”

而是“如何設(shè)計(jì)系統(tǒng)，讓人類與人工智能協(xié)同做出更優(yōu)的決策？”