随着AI的发展，数据人的工作边界，正在发生变化。过去我们更熟悉的是这些词：ETL、数仓分层、指标体系、实时链路、BI 报表。这些能力当然依然重要。而且直到今天，它们还是企业数据建设的基本盘。但现在，很多企业对数据团队的期待，已经不只是：把数据算出来。而是开始进一步要求你去支撑：智能问答/企业搜索/RAG 检索增强/Agent 工具调用这意味着，数据人做的事情，正在从“建数仓”，慢慢走向“建 AI 数据底座”。未来已来，该考虑不是数仓还要不要做？而是从做数仓到做 AI 数据底座，数据人到底该补什么能力？一、不是数仓没用了，而是只会数仓已经不够了先说结论：数仓能力不会过时。因为 AI 数据底座的很...

双非学校， 八股大概看了一遍，该去投中大厂吗，还是继续沉淀再投。

  史上最尬，没有之一😂 我是社招。

最近看到一个很有意思的观点，关于AI时代产品经理的工作方式正在发生巨大变化，结合自己的思考整理一下分享给大家。 传统产品经理是怎么工作的？ 以前产品经理的标准流程是：市场调研 → 竞品分析 → 写PRD → 确定产品路线 → 跟进开发。 之所以是这套流程，根本原因是软件开发的周期长、成本高，中途调方向损失非常大，所以必须"先规划好再动手"。 现在发生了什么变化？ AI的能力进化太快了。 2022年11月ChatGPT刚上线的时候，连一个不出错的HTML页面都很难写出来；到了现在，用Claude Code这样的Agent工具，已经可以独立完成一个前后端完整的中型项目。短短三年...