AI都能搓SQL了，数据分析师该咋办？答案是：让AI做描述性统计，你来做深入分析。从0级深度（单维度对比、同比环比）到1级深度（多维度交叉、贡献率计算），这些"浅活"完全可以丢给AI自动化；但从2级深度开始，业务定义（什么叫"质量过关"？）、数据整合、测试设计，AI无法替代你的业务判断；3级深度需要可控实验验证假设，4级深度则要监控长期效应、识别反复出现的系统性问题。

很多同学都在忧虑：AI都能搓SQL了，我该咋办？当然是让AI做描述性统计，你来做深入的数据分析了。

不当工具人，不是数据人很多年的口号吗！

那到底什么是“深入的数据分析？”

陈老师用倒序的方式，先看什么叫“浅”。 哪些很浅的分析，可以直接丢给AI。之后自然知道，怎么由浅入深。

0级深度‍

最浅的分析，就是单维度做对比。比如分析为啥业绩没达标，用公司维度一对比，发现：5个分公司，有2家没达标。此时，结论就是：“因为2个分公司没达标，所以业绩没达标”

当然，这时候还可以量化每个分公司的影响。

比如：计算每个分公司差距，看其拖累了多少整体业绩（如下图）

这是最浅的分析了。

给定口径（比如固定的日报、周报），跑数，计算同比环比，这个太适合AI干了，而且完全可以走自动化脚本

1级深度

比单维度有深度的，当然是2+个维度一起看。

比如分析业绩为啥没达标？产品、用户、分公司等维度，都拉出来作对比，看哪个维度差异大（如下图）

注意，A、C、E三个分公司卖不好，背后可能有同样原因：他们都是甲产品的主要销售地，而甲产品做烂了……

这种联系，可以通过两个维度交叉对比发现，如下图所示，先展示分公司差异，找到共同点：甲产品占比高。

计算指标异动时，哪个维度贡献大；计算每个子指标的异动贡献占比，也可以丢给AI做，只要写好逻辑，AI生成python跑一遍就出结果，每个月能省非常多的事（如下图）

2级深度

如果想进一步深入分析，可以追问：为啥甲产品会做烂？这时会有更多假设，比如：

• 产品质量量不过关
• 产品推广没有做到位
• 产品脱销缺货了

竞品价格更低注意！到这一步，得停止你的AI外包想法。

因为：“产品质量不过关”，什么叫质量？什么叫过关？AI不见得和你的客户，你的业务认知一致。

衡量质量，可以从产品性能、配置等硬件角度（需要二手资料收集），也可以从用户体验、口碑等角度（需要调研/舆情数据采集），你得先业务确认，把指标定下来。

同理，啥叫“不行”，得找到参照物，可以参照自己的上一代产品，或竞争对手同期产品进行对比此时，你要一个个把推广、促销、产品质量等因素量化，理清分析逻辑（如下图）才能推动多个来源数据整合，才有更深入分析。

这里AI无法替代你，最多给你些“常见问题思路”

3级深度

如果我们真找到了问题源头，那么：

有这个原因的时候，问题存在

没有这个原因的时候，问题消失两边都成立，才能称之为“真正的源头”，因此如果只做到2级深度，领导经常会反问：“那是不是我换个包装/降个价/换个文案，它业绩就能好啊”说这话的同时，语气中好充满了不信任。

此时终结问题的最好办法，就是：安排一次测试。

比如价格问题，可以就近找个节日，安排一次节日促销，动一下价格看看效果。

这里有两个点要注意：

1、测试得可控，不能不留后手。

比如调价，万一全面降价，商品销量还是没起色，咋办！业绩不行还是自己背锅

2、测试要注意控制其他变量。

比如测价格，肯定会通过渠道投广告，那渠道运营就不能太烂，需保证各渠道执行到位。

这一步，AI无法取代你。

反而，你可以利用AI输出的建议影响业务部门，“你看人家神威无敌大AI都说了要做测试，你们不测是出不了结论的”……

这也算是一种形式的AI助力，哈哈

4级深度

注意！短期问题，不代表长期内也是重点问题。

比如短期内促销一下就能拉起销量。可长期来看，上的促销越来越多，产品力越来越弱。最后经费烧尽，企业就完蛋了……

因此，短期测试/验证的结果，需要长期累计的数据做支持，以评估长期效应。

把每一次遇到问题的假设列清单，记录下来，然后观察长期内：

1、是不是某些问题反复出现

2、是不是有些问题持续很长

3、是不是解决问题手段趋于单一

4、是不是解决问题成本越来越高

如果是，那就说明存在长期问题，需要想新的办法。

长期计划肯定得自己监控执行，特别是业务做了啥调整，你得主动收集信息

小结

很多同学做不深入，是因为：没有结合业务特点提深入假设，没有增补数据或者设计实验验证想法。

把基础数据处理交给AI，自己多想解决思路，才能把握这个时代宏利，不被淘汰。