當前，在人工智能技術持續演進與企業數字化轉型浪潮的雙重推動下，數據分析已從後&支撐角色逐步走向業務前&，成為驅動企業決策、優化運營、塑造競爭力的關鍵引擎。政策層面亦頻頻釋放積極信號，鼓勵各類企業推動數據應用場景落地，深化數據要素價值挖掘。在這一背景下，數據分析行業有哪些新趨勢？人才培養體系又該如何適應時代需求？中國商業聯合會數據分析專業委員會會長鄒東生圍繞這一話題做分享。

  新華網：近年來，AI技術與應用場景深度融合已成為顯著趨勢。從數據分析行業視角，您如何看待這一變化？

  鄒東生：應用場景的落地，始終是行業協會多年來反復強調並推動的核心方向。我們高興地看到，當前從國家政策到企業實踐，都在積極鼓勵將數據分析能力與業務場景緊密結合——無論是央企的示範引領，還是民營企業的廣泛參與，都在共同推進數據應用的成形與落地。

  目前，我們正步入一個以場景驅動為核心的AI與數據融合新階段。其重要意義在於，推進數據分析轉型，推進企業快速地引入私域數據，形成場景落地，幫助企業實現盈利或者提高競爭力。行業協會也持續在這一領域深耕，助力企業實現場景化落地。

  新華網：作為數據分析行業人才培養的主力軍，協會近期開展了哪些具體工作？

  鄒東生：2025年確實是我們在人才培養上投入巨大、變革顯著的一年。我們的數據分析師全面地更新了課程體系，並升級了配套的代碼平台，幫助分析師更高效地構建和實現業務場景。

  此外，我們與機械工業出版社合作推進“領航者計劃”，近期推出了多本聚焦實戰應用叢書。同時，在本次行業會議上，我們發布了《數據分析行業人才指數報告》與行業年度報告，明確提出全行業應全面強化場景落地能力，培養“全鏈路數據分析師”。

  所謂“全鏈路”，是強調分析師不能僅停留在數據清洗、報表製作等基礎環節，更要懂業務、懂行業，能夠貫穿從問題識別、數據建模到業務落地、效果評估全過程，成為企業數字化轉型中的關鍵設計者與實踐者。

  新華網：在AI技術快速發展的當下，AI是否會替代分析師的部分職能？哪些能力又是難以被替代的？

  鄒東生：我們認為，AI與數據分析並非替代關係，隨着大模型與智能體技術的發展，大量模型調優、參數校正、場景適配工作，恰恰需要數據分析師深度參與。

  AI的進步，實際上將分析師從重復、低效的數據處理工作中解放出來，使其能更聚焦於業務落地和場景應用落地上。換言之，AI替代的是“重復勞動”，但替代不了“業務理解”與“場景創新”。數據分析師作為連接數據、技術與業務的紐帶，其角色正從“技術執行者”向“業務賦能者”與“創新推動者”演進。這也正是在當前階段特別鼓勵應用場景落地的重要原因——通過人與技術的協同，真正釋放數據要素的生産力價值。