AI时代，越来越多分析师开始尝试用AI提升工作效率，但很多人都会遇到一个问题：AI虽然能力强大，但总觉得它不够"懂我"，输出的内容总是隔靴搔痒，无法精准命中业务痛点。如何才能"养"出一个真正懂你的AI？分析师又该如何与AI协作，真正发挥出AI+BI的组合威力？
本期观远数据「AI+BI观察家」栏目继续对话数据分析领域专家、上海唯知唯识科技有限公司CEO喜乐君，从分析师个人成长到企业培养超级分析师，分享了一系列干货观点，为分析师在AI时代升级能力提供了清晰指引。
AI应该是"大学教授"，而非"实习生"
有种观点认为，使用AI应该把AI当成实习生，不断教它业务知识。对于这种说法，喜乐君有不同的理解。
喜乐君认为，实习生这个定义有点偏颇，“我更愿意把AI当作是大学教授——为什么要‘养’AI？不是说你要把实习生培养成教授，而是他本身就是教授，你要告诉他：我是怎样的人，我有什么习惯，我的隐性需求是什么。你了解我了之后，才能更好地回答我。”
谈及"养AI"，喜乐君引用了《小王子》中关于玫瑰的一段话："It's the time you waste for your rose what makes it beautiful." 正是你为玫瑰花费的时间，让你的玫瑰变得与众不同。
AI的优劣，本质上取决于人的投入深度，而非AI自身的初始能力。 你在AI上投入了多少精力，告诉它你的业务特性、你的思考习惯、你的决策逻辑，它就能变得有多"懂你"。这种投入，就像你为玫瑰付出的时间，最终会让AI成为你的专属得力助手。
左手AI，右手BI：发散与归纳的完美协作
很多人会问：AI和BI到底是什么关系？AI会取代BI吗？分析师该如何看待二者的角色分工？
喜乐君首先澄清了一个常见误解：肯定不是AI来取代BI，二者应用场景不同。AI可能取代BI中的一些小部分工作，但本质上，你为什么要做这个问题、这个问题包含哪些要素，这些思考是AI很难替代的。从角色分工来看，AI是BI非常好的协作者。
如果分析师能够用好AI，就能超越工具本身的限制，获得更强的表现力，对业务的洞察、对分析的理解能力也会更上一层楼，从而更靠近领导的决策中心。喜乐君给出的建议就是：左手AI，右手BI，两手都要抓，两手都要硬。
从能力特性来看，AI和BI恰好形成完美互补：
AI更擅长从非结构化数据中提取信息，更擅长演绎和发散；
BI更擅长归纳和收敛——从海量数据中提取聚合信息，本身就是一个不断概括、不断收敛的过程。
人类的思考逻辑、科学的思考逻辑，包括BI的逻辑，本质上都是归纳。而AI擅长发散，二者正好互相辅助。如果你能够坚持一手AI、一手BI，互相促进，那这样的分析师就能突破BI本身的局限，成为企业决策中心的一部分，成为领导的左膀右臂。
分析师工作本质：最终还是为了辅助决策
未来，当AI借助技术能力积累了大量业务经验之后，分析师工作的本质究竟是什么？
喜乐君认为，传统的、已经确定不变的知识，AI马上就能学会。但我们前面讲到的隐性知识如何显性化，如何和计算机算法结合，这个领域未来几年会有越来越多的突破，但目前还没有人能用计算机听得懂的语言，告诉它遇到场景该走哪几步分支。
当简单的工作已经被AI做完，分析师真正的价值就是辅助决策。 CEO要拍板，比如安全库存设1000万还是500万，决策本身就意味着代价，这个时候分析师能够总结出一二三四五的建议，帮助领导做出判断，这才是最重要的。
正如《小王子》中所说："真正重要的东西，用眼睛看不见，要用心去感受。" 这句话对AI时代同样适用：AI能够算法化的东西以后都不重要，但它不能算法化的部分——企业之间的差异、你和竞争对手不同的商业模式、战略选择，这些不是AI能够告诉我们的，这才是分析师真正需要发挥价值的地方。
分层服务：不同层级管理者，不同的AI+BI打法
在不同岗位、不同决策场景中，如何通过工具让数据表现产生洞察，并高效转化为行动？关于这一点，喜乐君结合人群分层分享了他的心得。
喜乐君认为，企业中的人群可以分为高层管理者、中层管理者、基层从业者三层，不同层级对数据分析的需求和使用方式完全不同：
基层从业者：通常不需要自己做分析，因为他们不需要做决定——分析本来就是为了承担责任时能更准确、更高效地决策。因此，基层用户通常都是分析的消费者。
中层管理者：承上启下，需要为自己的决策负责，同时还要指导基层。中层是BI的核心目标群体——"人人都是数据分析师"的核心群体就是中层。 他们一方面要做很多操作性工作，另一方面需要为行动提供数据来源支持，BI对他们的价值最大。
高层管理者：对决策负责，但信息带宽有限，很难让大领导亲自做分析。因此，高层往往是未来AI的重点服务对象——领导有很多想法，可以通过问答方式，在中层已经准备好的规范化、结构化数据基础上，AI会给他提供线索，领导有了线索就能快速做验证。
喜乐君指出，现在BI的主流趋势就是追求易用性和简洁性，只要让中层用户提需求时能够快速实现，就能让他们把自己的想法转化成数据实践，完成猜想与反驳、假设与验证的循环，这就足够了。
企业如何培养超级分析师：工具+培训，缺一不可
从企业层面来看，在AI+BI时代，如何在企业内部培养更多超级分析师？
喜乐君认为，在培养超级分析师这件事上，不走错路，比知道什么是对的更重要。 在BI时代，他个人比较反对复杂报表、炫酷大屏——这些纯粹是展示，而不是为决策提供建议。在AI时代，同样有一条错误路线：很多人追求用AI直接做数据分析、写Word报告，这依然停留在工具层面。所以，企业首先要避免追求形式化的东西，真正重视数据分析，让超级分析师感受到数据的价值，这是第一点。
然后，我们再来谈如何培养。喜乐君分享了一个核心观点：企业最缺的是时间，企业是用钱买时间；而分析师职业生涯，是用时间换钱。 领导需要认清这个规律，花钱让分析师的时间尽可能产出更多内容。
具体怎么做呢？两点必不可少：
第一，要有好工具。 喜乐君认为，工具是每个人能力展示的天花板，也是变现的天花板。企业要培养超级个体，首先得给他称手的武器。不能让分析师拿着"步枪"去跟人家的"核弹"对抗。
第二，要有必要的引导。 比如观远数据的客户成功服务，在喜乐君看来，这正是国产BI工具非常重要的价值。工具同质化越来越严重，AI时代学习已经变得非常快，但帮助分析师找到自己独特的价值，找到在数据分析中与别人差异化的部分，这正是客户成功存在的意义。
喜乐君说："经常看到有人说，没有一个企业是因为给员工发工资破产的。在我看来也是，没有一个公司是因为买BI软件破产的。反而很多时候，是买的太少，不是买的太多。" 要让一个人的能力放大，变成超级个体，工具和能力培训必不可少，二者缺一不可。
从AI时代分析师的护城河，到分析师如何"养"出懂自己的AI；从AI与BI的分工协作，到企业如何培养超级分析师，喜乐君的分享贯穿个人成长与企业培养两个层面，为AI时代数据分析从业者指明了方向：
AI替代的是工具性工作，而分析师的价值终将回归决策本身。 当你左手AI、右手BI，聚焦业务理解，深耕隐性知识，就能在AI时代建立起自己的新护城河，真正成为企业决策中不可或缺的核心角色。
想进一步体验 AI+BI 在业务分析中的落地效果，可以从这里开始。
