“即使分析师消失，能力也会变得更加重要” NCSoft 团队长谈 AI 时代的数据分析

随着人工智能 (AI) 技术深入渗透到各行各业，数据分析师的角色和工作方式也正在发生根本性的变化。在 T Times TV 转述的对话中，NCSoft 营销分析团队长 Song Ji-hun 表示，虽然数据分析师这一职位本身可能会减少，但处理数据的能力重要性反而正在提高。

在数据分析师职位减少的情况下，为何“分析能力”被强调

Song Ji-hun 团队长提到，最近以数据分析师职位进行招聘的趋势正在减少，在实际业务中，分析师们对于角色丧失的烦恼确实存在。但他分析认为，虽然分析师这一职业会发生变化，但分析数据本身的能力却变得更加重要了。

实际上，业务部门利用 AI 工具直接进行数据分析的需求正在增加。根据 Song 团队长的说法，业务部门成员直接要求原始数据 (Raw Data) 而非现有分析报告的情况越来越多。这被解读为部门成员试图利用 AI 直接进行更深入分析的趋势。不过，Song 团队长解释说，他目睹了一些业务部门在实验设计、假设设定、统计验证结果解释等专业领域遇到困难，导致项目无法完成的案例。

“徒劳工作”的消失与对初级分析师成长路径的思考

AI 的引入提高了工作效率，但同时也带来了一个新课题：它夺走了过去通过被称为“徒劳工作”的低效过程来学习业务的机会。例如数据预处理过程，通过接触数据和编写代码所经历的试错过程，曾是提高对数据理解度的学习过程，但随着 AI 代替了这些工作，积累此类经验性知识的路径正在消失。

Song 团队长提到，由于新入职者在 AI 工具已经高度发达的环境下开始工作，他们无法经历通过直接处理数据来获取经验性知识的路径。他分析认为，这可能会导致在判断数据错误或验证结果适当性时，难以培养必要的“基础体能”。对此，东国大学教授 Lee Jung-hak 暗示，领导者可以让新员工在一定时期内不使用 AI 而直接执行任务，这可以作为恢复为了理解领域知识而进行的“徒劳工作”过程的一种方法。

为了不将主导权交给 AI，分析师的应对策略

AI 时代的分析师的核心不在于将所有过程委托给 AI，而在于保持分析的主导权。Song 团队长强调，必须警惕如果将工作一项一项地委托给 AI，最终会导致将分析项目的整体设计路线或结果解释权让渡给 AI 的情况。

他表示，为了不失去主导权，需要努力反向审视 AI 省略掉的中间过程。通过重新审查 AI 是基于什么样的假设进行分析、代码是如何构成的等，拆解分析过程，这才是分析师特有的角色。此外，他补充说，为了判断 AI 选择的方法论是否合适，需要比以往更广泛地理解各种方法论，而定义问题和进行验证的人类角色将会变得更加重要。

来源：原视频（YouTube）