1樓：sdq
汽車儀錶盤會被自動駕駛取代嗎？未來的汽車儀錶盤必然不會是以傳統的計速器形態存在了，而會提供更多個性化生活化的服務。
同理，回到這個問題。資料分析師現有的工作內容大概率會被取代，但同樣的會換一種形式的工作內容存在。
2樓：觀遠資料
只有沒抓住機會的資料分析師才有可能被人工智慧取代。
如果你還在擔心機器入侵人類，擔心自己的工作被自動化代替，那你可能真的會成為最早被人工智慧代替的一批人。作為資料分析師，因為抓住人工智慧這個機會，將AI應用到還沒有成熟解決方案的領域，以發現新的需求和機遇。
創新不斷發生，而偉大的成功在於是否定位到了核心問題。
資料分析師的工作就是通過根本原因分析、流程建模、業務分析、業務規則分析和資料建模等方式不斷幫助企業做診斷去發現問題實現再增長。
而人工智慧作為一門計算科學，它所做的事就是從過去的事物之間找到一定的規律，並以此來確定當下自己面臨的事應該如何去做，因此對於很多重複性的工作，人工智慧可以很快的學會。
基於這點，分析師需要經常自我審視自己的工作：哪部分工作是具有重複性的？哪部分是每天的日常作業？
同樣從簡單的做起，使用具有時間表安排和狀態記錄與更新的專案管理軟體，接著建立定時提醒和日常模板提高你的工作效率。這樣你就可以花更多時間和團隊溝通創造價值而不是蒙頭在趕報告。
除了自我省視，資料分析師要想不被人工智慧取代，至少要做到以下幾點：
1、 加強對業務的理解：人工智慧會比你更快的展現領導索要的業務報表，但是很難全方位分析產生這種結果的原因是什麼，而此時，你就可以從公司業務層面、產品層面、宣傳層面等多方面定位到問題所在，從而給出更加人性化的建議。
2、 拓寬自己的知識面，既要走進資料當中去，又要大膽從資料中走出來。資料是客觀的，而理解資料則是主觀，當我們對業務，對行業，對使用者有不一樣的理解時，我們解讀資料的角度和深度也是自然不一樣，而這些所依靠的就是乙個廣闊的知識面。產品，運營，營銷，技術都了解一點，不斷拓寬自己的認知，讓自己從資料中走出來。
3、 擁抱新技術，新變化，用人工智慧武裝自己。人工智慧是一門系統的學問，我們不能說隨隨便便的就掌握它。但是我們可以去了解它，應用它。
比如當下比較火的機器學習，作為資料分析師，我們可能無需深刻理解它的含義，但我們可以學會使用它。一些程式語言，如Python就有很好的擴充套件包支援，我們僅需要一些程式設計基礎，並加以練習，便可以讓新技術為我所用。
簡而言之，保持你的技能敏銳，繼續盡可能多地學習，並引導人們明確表達今天不滿意的需求。這些需求是才是業務分析師成功的機會！
3樓：snow
耕牛會不會取代農夫？如果工作量給定的話，肯定會的，但是耕牛可以大大開拓土地，增加農田面積，使得農夫要做的事情又多了。
人工智慧的發展產生兩種效應：一種是短期的取代，原來需要資料分析師做的一些報表什麼的，現在可以更智慧型了，需要的工作量小了；一種是長期的增加工作需求，人工智慧誰來搞？誰既懂數學，又懂程式設計，又懂業務？
資料分析師肯定首當其衝。
4樓：
不會的，人工智慧只能是在某些領域、某些位置可以，超出了這個範疇其實是很難的，比如做飯，機械人可能就無法實現，所以呢不要擔心，事物是有其發展規律的，不必擔心
翻譯工作會被人工智慧替代嗎？
鏡花水月 不會完全替代，但是會部分替代。甚至部分低端翻譯工作全部由人工智慧完成是必然的。乙個很簡單的例子 原來看純英文網頁都需要一點一點自己翻譯，現在點一下瀏覽器上的英譯漢，就能中文了。雖然有錯誤，但是大概意思是問題不大的。 Ailing20 我覺得現在的人工智慧還是有許多缺陷的，比如說很多地道的，...
程式設計師是否會被人工智慧替代？
百梧 首先人工智慧需要程式設計師來實現，實現以後可以解決一部分以前由程式設計師解決的問題，但是人工智慧本身的開發還是離不開程式設計師的。所以說，替代是存在的，但不是完全的替代。 科學技術是生產力，這一理論自馬克思提出起，在此後100多年間，一遍又一遍地被事實驗證。流水線作業誕生後，由於工作效率的提高...
資料分析師是個偽需求嗎？
九道門聊資料 要解釋這個問題，首先得對大資料市場有所了解。最初的大資料並不是基於C端，也就是個人應用而生的產物，它服務的埠屬於B端，也就是企業端。所以作為一般個體的我們，很難在生活中感受到大資料給我們自己帶來的好處，但是對於B端的感受就不一樣了，對於傳統企業，生存時間越久，就越積攢了很多的資料，但是...