客户端之背锅侠

传统数仓、数据库和分析系统，为业务提供了稳定的数据支持和决策依据。但当数据开始面对 LLM 时，就产生了一个全新的挑战：如何将企业数据转化为模型可感知、可检索、可执行的“上下文”。在企业 AI 系统中，这一过程通常经历三个关键环节：1. 数仓与数据库：提供干净、统一、结构化的业务数据。2. 搜索与 RAG：让模型能够快速、稳定地访问相关信息。3. 工作流与 Agent：将数据能力编排成可执行的任务，实现复杂业务的闭环。图中展示了这一链路的概览。通过这条链路，可以发现数据不再只是“给人看的”，而是成为 AI 执行的核心驱动力。一、从数仓到 LLM：数据“服务对象”的变化在之前的文章中（微信公众号...

一个面试也没，心累   

作为一个双非大数据专业的大四学生，自己在大三选择择业方向时，毫不犹豫的选择了数据分析作为自己一开始的求职方向，那么作为花费很多精力学习数分，找过多段数据实习，且经历了一整个秋招的可怜大学生，关于数分的态度又是怎样呢？首先我想先根据自己的过往经验来给数分下一个定义，目前的数分岗主要有两种情况，一种是非常纯粹的数分，涉及AB测试，数据埋点，机器学习相关内容的，这一部分岗位对技术和学历的要求极强；而另一部分岗位则是偏向业务侧，相较于数分，可能更偏向数据策略运营，这一类岗位在部分公司也会直接写成运营岗。相信每一个对数分有兴趣的同学，或多或少都在网上看到过，纯粹的数分岗是非常吃学历的，这一点我深有体会，...