# 数据职业

这两年招聘市场上「AI 工程师」标签暴涨，薪资比同段位的传统数据/后端高 30%-50%。但稍微看几份 JD 你会发现，不同公司说的「AI 工程师」完全不是同一种人——有的是真做 LLM 应用，有的是包装过的传统后端，有的是 RAG demo 工程师，有的是啥都做的「AI 杂工」。这一篇拆开「AI 工程师」这个标签的虚和实。

之前讲过 2026 年数据岗位金字塔变形——4-6 年经验段突然变香。这篇兑现那期的钩子：从 2-4 年走到 4-6 年那个高需求段，到底要做哪些具体动作？6 个跃迁关键动作 + 各自的优先级 + 时间预期。有人 3 年跨过去，有人 8 年还卡着——差别不在年限，在动作。

模型在变商品——DeepSeek V4 把价格打到 Claude 的 1/7，下一年还会更便宜。能力的护城河会从"用什么模型"挪到"怎么用模型"。这篇拆开"会用模型"的具体能力清单——Prompt 工程、Eval 设计、Context 管理、Cost Engineering、判断力——每一种讲清是什么、为什么变重要、怎么练。

AI 不是替代数据人，是让现有技能贬值速度差异巨大。有些技能 5 年还在涨——数据建模、因果推断；有些 2 年就半价——纯 ETL 工具操作；有些刚出生就在升值——RAG、Agent、eval。这篇给一份具体的技能折旧速度表，以及对应的学习时间投资策略。

招聘从来不是在寻找「最好的人」，而是在寻找「最合适的信号」。本文拆解面试官的3层决策逻辑（能力匹配、文化契合、性价比），提供信号传递的STAR框架、薪资谈判的锚定策略和多Offer抉择的评分模型，帮助数据从业者在求职市场掌握真正的主动权。

数据技术专家转管理者，是从「自己干活」到「让团队出成果」的根本性角色转变。本文拆解管理转型的4大核心能力维度：人才招聘与培养、团队文化建设、跨部门协作和数据驱动决策推动，帮助数据分析师/工程师完成从个人贡献者到团队Leader的关键蜕变。

技术很强但存在感很弱？数据从业者的个人品牌建设不是包装自己，而是让专业能力被更多人看见。本文提供从技术博客写作、行业社群运营到演讲分享的系统化影响力建设路径，帮助数据分析师和数据工程师在职场和行业中建立专业声誉，获得更多职业机会。