人工智慧正在從內部和外部全面重塑商業智慧市場。在過去幾年中，商業智慧的一個核心趨勢是新一代融入了AI的預測分析、搜尋、預測工具覆蓋了該技術傳統的重點——歷史分析，這些工具可以讓企業使用者做很多以前需要經過培訓的資料科學家才能做的事情。

2019年，越來越多的商業智慧廠商將深度整合AI，自動從複雜資料中提取預測見解，同時在解決方案中提供豐富的功能，提供便捷的自助服務和最佳行動的指導，這一點從今年初創公司ThoughtSpot在D輪融資中獲得1.45億美元就可以看出，這筆資金將被用於ThoughtSpot創新的AI增強型業務分析解決方案組合。

市面上經常聽到說大資料分析師是青春飯，參加完大資料培訓，工作幾年就沒有前途了，這讓很多參加大資料培訓的小夥伴擔憂，難道真是這樣嗎?難道幹幾年的大資料分析師，職業發展就到頂端了嗎？大資料分析是不是青春飯，主要看你掌握哪些技能，下面我們來看一下大資料工程師都做什麼?大資料工程師需要懂什麼?

首先是懂業務。

脫離行業認知和公司業務背景，分析的結果就沒有太大的使用價值。所以說一名出色的大資料工程師，對於本行業本領域一定是很熟悉，最好是有自己獨到的見解。

其次是要懂管理。

這個一方面是搭建資料分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導;另一方面是針對資料分析結論提出有指導意義的分析建議。然後懂分析師最最基本的，能夠掌握資料分析基本原理與一些有效的資料分析方法，並能靈活運用到實踐工作中，對於開展資料分析起著至關重要的作用。接著，對於工具的掌握，也是很基本的，畢竟人腦對於資料的容量都是有限的。

最後，大資料工程師可能還要懂點設計。

能夠運用圖表有效表達資料分析師的分析觀點，使分析結果一目瞭然。圖表的設計是門大學問，如圖形的選擇、版式的設計、顏色的搭配等等，都需要掌握一定的設計原則。

以上，作為一名大資料工程師，需要掌握的基礎技能大概就這些，以上這些技能的養成不是一朝一夕，所以說被取代也是極其不易的，本身大資料分析並不是一蹴而就的事情，而是需要你日積月累的資料處理經驗。什麼樣的人會被輕易替代呢?不求甚解，似懂非懂，幹了多少年還看不透本質，遇到問題仍然懵懂不解茫然無措，整日坐著重複性工作的人，才有可能被替代，也激素是所謂的青春飯，反觀大資料，掌握的技能越多。

資料分析行業絕對是一個朝陽行業，特別是網際網路的不斷髮展，大資料工程師是一個必備的職位了

會寫程式碼大機率很多事情都可以有能力完成；包括大資料分析師。分析師的核心能力在於對資料的洞察能力；這比較軟性很難衡量。再加上機器學習會代替掉很多分析師的角色，分析無非是為了決策；但是很多時候機器學習已經可以直接決策了。