我有两个朋友，年纪相差三岁。
小的那位去年从一所还行的学校研究生毕业，数据科学方向，简历漂亮——SQL、Python、Spark、机器学习项目都有。从去年 9 月开始投，到今年 4 月，投了 250 多份，拿到 6 个面试，0 个 offer。
大的那位 2020 年从一个三本院校的非数据专业转行，现在 5 年经验。今年开年，三家公司主动找他——一家国内大厂、两家做 AI 的中型公司——都给到比现在工资高 30% 以上的包。
他俩聊起来都觉得这事不正常。一个找不着工作，一个被人追。说好的”经验越多越值钱、应届最有冲劲”那个剧本，好像写歪了。
数据上确实歪了
不是我们的错觉。
Indeed Hiring Lab 2026 年 1 月发布的劳动力市场报告里有一组关键数字——美国整体岗位增长接近停滞，但 JD 中带 AI 关键词的岗位逆势激增：到 2025 年底，AI 相关岗位发布量比 2020 年 2 月基准高出 134%，而整体岗位发布量只比 2020 年高 6%。Indeed AI Tracker 在 2025 年 12 月触及历史高位 4.2%。
更刺眼的一组对照——数据/分析类岗位的 JD 里，45% 已经包含 AI 相关关键词，而营销岗位是 15%，HR 岗位是 9%。这是所有岗位类别中最高的渗透率。下面是 Indeed 报告里对各行业 AI 渗透率的完整对照表：
数据这一行，已经不是”AI 会不会改变我们”的问题，是”AI 已经改变了我们”的现实。
更值得说的趋势是经验段位的招聘分布——业内多份分析报告综合反映出一个共同方向：入门段（0-2 年）招聘明显收缩，4-6 年经验突然变得抢手，6+ 年继续走高。我没找到一份口径完全干净的官方报告把这事儿讲透，但几个角度交叉印证下来，方向是清楚的：
- Indeed 报告里指出，AI 相关岗位的增长伴随整体岗位的下滑（特别是入门段）
- 多家招聘分析报告共同提到——入门职位的平均年薪反而在涨（美国市场从约 $70k 涨到 $90k 量级）
意思是，岗位变少了，但留下来的位置反而开出了更高的价。
身边能感受到的国内市场也是同样方向——应届投简历石沉大海是新常态，与此同时，有 5 年以上经验、经历过实际业务、能独立负责模块的人，被高频挖角。
把这几个信号叠在一起，原本均匀的金字塔就出现了变形：
为什么是这个形状
我自己琢磨这事一个月，结论是这样：AI 没有替代数据人，但 AI 替代掉了数据人原来做的”那部分工作”。
具体到不同经验段，被替代的比例完全不一样。
应届生原来的存在意义——快、便宜、能拼。 招进来主要做几件事：写 SQL 取数、清洗数据、拼凑报表、跑常规分析、参加会议做记录、给资深人手当帮手。这几件事里，至少 60% 是 AI 现在能做得不错的——尤其是 SQL 取数和报表拼凑，AI Copilot 已经做得很顺手。原本招两个应届生干的活，现在一个 senior 加 Copilot 就够了。
4-6 年经验的人原来做什么——独立判断、跨部门协作、把模糊问题变成具体方案。这些事 AI 做不了。AI 不知道你公司的业务口径细节、不知道哪些数据该信哪些该疑、不知道这个 PM 上次因为口径吵过架——这些”基于上下文的判断”是它的盲区。
6+ 年的人在干什么——架构决策、技术选型、团队搭建、跨业务沟通。这些是更高维度的判断，AI 离这一层还差得远。
所以金字塔变形的本质是——AI 抹掉了底层的”执行劳动”，把”判断劳动”的相对价值往上推。
身边有些团队甚至已经反向操作——不再招应届生，把那部分预算分摊给现有员工的 AI 工具账单。这听起来残酷，但从公司账本看是合理的。
应届生：别死磕大厂
如果你是 0-2 年想进数据行业的，下面这些观察可能比鸡汤有用。
第一，大厂的应届数据岗确实变难了，但它从来不是数据行业的全部。把眼光从大厂挪开，看看那些数据团队还在草创阶段的中型公司——SaaS 中型团队、刚到 B 轮的公司、传统行业搞数字化的那些团队——这些地方反而需要”什么都得自己干”的人，应届的拼劲对他们是真有用。
第二，简历上的关键词组合需要重写。两年前你写”SQL / Python / Spark”是合格的。今年这些是基础项，面试官在 JD 里加的 AI / RAG / Agent / eval / vector DB，你简历上有没有？没有就动手做几个项目放上去。
第三，找一份能”做完整东西”的工作，比找一份大厂打杂的工作更值得。哪怕薪水低 30%，能让你独立做完一个数据流水线、写一份能上线的 Agent，三年后你就能跨过那个”4-6 年突然变香”的门槛。
第四，准备打持久战。今年这种行情下，3-6 个月找不到工作是正常的，不是你的问题。别在这个阶段过度否定自己。
2-4 年：从”做”开始转”想”
这是最尴尬的一段——上不去下不来。
执行类工作 AI 在抢，往判断类工作走又没经验背书。我看到不少这个段位的朋友陷入两种坑：
坑一：继续埋头干执行——“我把 SQL 写得更快、报表做得更漂亮”。这在 5 年前管用，现在不管用。速度和漂亮，AI 已经做到一个没有人需要再卷的水平。
坑二：盲目跳槽——觉得”换个公司就能脱困”。但你跳到下一家如果还是干执行，问题没解决。
真正的破局点是从这个段位开始建立”判断力”信号。具体的做法：
- 接手一两个有歧义的问题——不是”取这个数”，而是”这块业务下滑了，找原因”。后者需要你判断从哪入手、用什么口径、信任哪份数据。这是 AI 没法替你做的。
- 写——写技术博客、写内部分析报告、写复盘。判断力不被看见就等于不存在。写作是你最便宜的”信号广播器”。
- 跟一个比你高 1-2 个段位的人深度合作。不是”导师计划”那种走形式的，是在真实项目上和 ta 一起做决策、一起踩坑。这是最快的判断力训练。
4-6 年：抓住跃迁窗口
如果你在这个段位，坦率说你正赶上一个窗口期。
市场对你这个段位的需求突然涨了 4 倍——从 2% 到 8%。这种结构性变化每隔几年才会出现一次。我见过类似的窗口——2014 年大数据兴起时，对懂 Hadoop 的人；2018 年深度学习起来时，对懂 TensorFlow 的人；现在是 2026 年，对懂”业务 + 数据 + AI 落地”复合型的人。
这个窗口期通常持续 18-24 个月，之后市场会把溢价磨平。
如果你在这个段位，三件事值得马上做：
第一，把”复合能力”显性化。你应该已经有数据基础 + 业务理解，现在补上 AI 项目落地经验。不是上培训课，是在你现在的公司，主动接一个”用 AI 做点什么”的项目——哪怕只是一个内部小工具。三个月做出来，这是你简历上的硬通货。
第二，开始建立外部影响力。这个段位你已经有真实的判断和经历可写。每周写一篇技术博客、做一次内部分享、在行业群里输出一两个观察——半年后你的”市场可见度”会和闷头干活的同事拉开本质差距。
我之前在拾穗写过 《8 年数据开发摆脱工具人的 3 个方法：写作、连接、影响力》，思路也是这条线。
第三，主动看市场。不是说要立刻跳槽，是要保持”知道自己在市场上值多少钱”。每三个月接一个面试机会，听几家不同公司的 offer 维度——这是最廉价的”职业雷达”。
6+ 年：分叉点已经到了
到这个段位，路径开始正式分叉。
架构师方向——继续往技术深处走，做平台、做基础设施、做技术决策。这条路稳定、薪水高，但 ceiling 也明显——除非进到那种产品级的核心架构岗，不然你会在某个层级停下来。
业务负责人方向——往业务一侧走，做数据驱动的业务负责人、做 Growth 负责人、做 PM 角色。这条路有更高的天花板，但要求你克服技术人对”模糊”的不适应——业务问题永远是模糊的，没有 SQL 跑不出来这种确定性。
创业 / 独立方向——做咨询、做 SaaS、做内容。这条路是 high variance——做成了财务自由，做不成可能要回去打工。但它给你的好处是长期复利：你做的每一份咨询、每一篇文章、每一个产品，都在累积你自己的资产，而不是公司的资产。
我自己最近也在想这个分叉。说实话，这三条路没有谁比谁更”对”，只有谁更适合你这个人。技术人喜欢的稳定感、判断的快感、内容创造的成就感——你最在乎哪个，决定你应该往哪走。
收束的话
如果让我给这一篇做一句话的收束：金字塔变形不可怕，可怕的是你还在按旧地图找位置。
入门岗在缩，但通向中段的路径并没有断；4-6 年突然变香，但窗口期不会等你两年；6+ 年的分叉点已经到了，但分叉本身是好消息，不是坏消息——只要你想清楚自己要哪条路。
说到这里我自己一直在想一件事——**这个金字塔每一层的”上一层”，到底是怎么形成的？**有人 3 年到 4-6 年那个高需求段，有人 8 年还卡在执行层。中间那个跃迁的”具体动作”是什么？这是我最近想梳理的事，有想法的朋友可以加我微信（shisuidata）一起聊。
我叫石头，在数据行业里摸爬滚打了十几年，见过太多人在错误的地方使劲。这里写的，就是这些观察——我觉得值得说出来的那部分。
数据来源：
- Indeed Hiring Lab：January 2026 US Labor Market Update（45% / 134% / AI Tracker 4.2% 等数据原始出处）
- Anthropic：Labor Market Impacts of AI
- 经验段位变化趋势综合多份分析报告（不同口径之间数字略有差异，本文取方向描述而非具体数字）
拾穗数据｜https://ss-data.cc
