对于企业来说，在 DataHunter 的帮助下，企业可以通过ETL流程建立统一的数据仓库，之后再通过 Data Analytics 数据分析平台来进行自助式的数据分析，由于这些分析是自动化的，只需要对于必要的字段、条件进行设置就可以得到清晰的可视化图表，所以基本不需要数据分析师再通过SQL技术来进行复杂的表操作。

此外，借助Data Analytics 数据分析平台，数据分析师不再需要被动的等待业务人员的需求提交，因为大部分的数据分析都是可以支持他们自助完成的，这让数据分析这个工作极大地脱离了单调与范围。

在未来，随着人工智能、机器学习技术在数据分析中的应用，自动化的数据分析将成为更加显著的趋势，只会数据表技术的数据分析师将会被淘汰。

用数据“讲故事”并得出执行策略才是关键

说到这里，有些数据分析师会问，数据分析作为一个岗位的价值体现在哪里呢？毕竟现在公司里的大多数据数据分析工作都可以由BI工具来自动完成，是不是自己很快就会下岗了？虽然这个风险在客观上存在，但是数据分析这个职业未来仍有着无比光明的前景。

首先，相对复杂的数据建模、模型训练等仍然需要数据分析师的参与，这涉及到非常复杂的数据管理、数据ETL、AI建模等工作，也要求着数据分析师掌握更新的技术，这在未来的业务需求将很常见。例如，公司可能会需要对于业务风险进行分析、对于心颤的销量进行预测，或是需要增加更多的分析维度，这些都是单纯的BI平台满足不了的。

对于常规的数据分析任务来说，数据分析师的工作也有着重要的价值，这在很大程度上体现在如何对数据进行多维度分析并得出优秀的执行策略，这正如Gartner所预测的那样，能将数据以“故事”形式来讲述的数据分析师将获得很多的青睐。

这对于数据分析师的技能提出了更为严格的要求，优秀的数据分析师将不仅仅是一个数据表操作人员，他更是一个业务咨询专家。通过对于数据进行解读并且提出相应的策略，其能够帮助业务人员找到隐藏在数据背后的真相，为企业业务的开展找到明晰的方向，其价值将不可估量。