指标报表：交付可重放的查询、图表与解释 →
将业务问题变成口径明确、数据可追溯、可重放的查询和分析包，能区分真实变化、数据缺失与口径误差。
有数据语义、只读查询和独立控制时，可整包委派业务问题到可重放分析；关键口径与结果通过核对后固化刷新。
接收标准：问题定义与数据口径一致
数据与分析 · 工作、能力与未来
了解AI进展与行业影响
看清最近进展发生了什么，影响哪些工作，以及依据支持到哪里。
从指标报表、组成变化到实验分析：AI可以执行更多查询与复算，交付仍要回答数据口径和结论究竟支持什么。
本页选取本领域几项具体工作，说明已公开的进展、适用条件与尚未知的影响；不是行业整体自动化程度。
从可验收交付，看具体进展
这些工作，现在怎样用AI？
先选一项工作，看当前可委派范围、要接收的产物和验收方法，再看哪些研究改变了这项判断。无需先填写个人资料。
当前可用 · 先选交付目标
数据与业务分析：现在可以怎样用AI
数据发现、查询、检查和报告可以合为Agent循环；正确的数据语义和识别条件决定结论能走多远。
组成变化诊断：拆清总体变化来自哪里 →
区分组内表现变化与人群/渠道构成变化，避免被总体指标误导。
可委派AI计算和解释组成分解；结果可独立复算，但观察分解不能自动变成因果结论。
接收标准：分组与总量对得上
实验分析：估计效果，或说明为什么还不能判断 →
把“看起来变好了”转成有识别依据的效果估计与行动条件。
可让AI编写分析、检查设计缺口和解释区间；因果结论只在数据与识别条件满足时接收。
接收标准：样本进入机制可信
探索分析交付：分布、关系与时间变化的可重放诊断 →
针对明确分析问题交付可重放的分布/异常/关系/时间探索和备选解释，保留反证与尚不能归因部分。
可整包委派数据诊断、探索与解释，固定分析后直接程序重跑；以结果/反证接收，不用一个漂亮故事或组成分解覆盖全部探索。
接收标准：探索对应同一总体
按原始公开或修订日期倒序；核查与补录日期另列。上方工作建议反映当前判断，不受历史窗口筛选。
截至 2026-10-21 的精选；按首次公开或实际判断变化日期筛选与排序。资料修订另行说明，不自动表示能力提升。下次复查 2026-11-20。
· 工作方法
分析应用有了可见查询与可保存修正的参考实现
公开数据分析应用示例把数据发现、只读查询、结果解释与修正保存连接起来。
实际结果：有可读实现与工具流程，说明如何把分析Agent接入具体数据环境；不是分析能力试验成绩。
现在可做：选一个指标报表，要求同时交查询、结果和口径；不要自动保存未经确认的推断。
展开工作变化、研究配置与证据
改变的步骤：用户不必只相信一段总结，可以检查查询，并决定哪些业务修正值得保留。
以前：在聊天里问数，查询与口径修正散落在上下文。
现在：查询与结果可见；经确认的修正显式保存，后续分析引用明确口径。
配置与口径：Agents API数据分析应用参考；本站未安装或执行该示例。
适用边界：工程参考需适配数据库和权限，不证明任意分析都正确。
- 数据分析应用参考：查询可见，修正明确保存 ↗
2026-09-10 · 定位：目标、数据/工具、示例边界与记忆保存
可实施的数据分析应用参考，支持发现schema、只读查询、呈现SQL和控制修正保存。；工程示例而非能力或节时试验；未执行示例代码，使用时仍须适配身份、数据库与口径。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
· 现场观察
业务问题到报告，数据Agent可以自己循环查数与修正
OpenAI内部数据Agent展示从发现数据、运行查询到发布报告的闭环，并强调表的生成逻辑与业务语义。
实际结果：内部工程案例公开了上下文层、查询结果核验与报告流程；没有给出本网站任务的通过率。
现在可做：建立关键指标的参考切片与查询，验收相同结果而非SQL字符串一致。
展开工作变化、研究配置与证据
改变的步骤：人的指令可以聚焦分析目标；Agent自行查表、检验中间结果并修正查询。
以前：人反复找表、写SQL、发现连接错误，再回到聊天解释背景。
现在：Agent基于数据语义组织查询循环；分析者确认问题、口径和实际决策。
配置与口径：公司内部专用数据、权限和工作流；含参考查询与结果比较的评估方式。
适用边界：案例不提供通用正确率，也不能从观察数据自动创造因果识别。
- OpenAI内部分析Agent：从业务问题到查询与报告 ↗
2026-01-29 · 定位：How it works；Context；Evals；Guide the Goal, Not the Path
展示数据发现、多轮查询、复核和发布的闭环；口径与生成数据的代码是必要上下文。；内部专用系统；没有给出本站三项分析的可靠率，也没有证明任意因果问题可自动识别。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
把这项变化用于自己的问题
理解进展可以止于阅读。需要行动时，把同一交付标准带到职业方向、岗位要求或团队安排。
未来3–5年：2029–2031
2029–2031：从回答数据问题到运行学习循环
分析Agent已展示问题到查询与报告的循环；编程和数学能力提升可能扩展自动诊断、实验分析和模拟。能计算与能识别因果仍是不同条件，以下为情景推演。
当前建议回答今天怎样交付；未来3–5年指2029–2031。编程的完整交付与数学的开放问题成果，支持认真准备更广泛自主工作的强情景。本站把AGI视作跨领域、能适应新任务且可靠达成复杂目标的讨论对象；这些进展是方向证据，尚不能确认某个AGI定义已满足或必在某年发生。三种情景均给出可观察信号、职责变化与现在行动，不把今天的局限或人的现有分工写成永久边界。
基准情景：常规分析按问题整包交付
指标、分解和标准实验检查可由Agent连贯完成，分析师减少搬表和改SQL时间；重复计算固化，新的业务问题继续探索。
现在的行动：沉淀指标语义和真实反例，要求报告回答“下一步什么信息会改变决定”。
成立信号与职责变化
- 新问题能选对数据并保持指标语义
- 输出连同查询、口径和检查可重放
- 缺数据时能正确缩窄结论而非编故事
分析岗位更常兼顾业务问题、数据语义和实验设计；只会生成图表的差异化下降。
加速情景：Agent持续提出、检验并更新业务假设
如果跨工具执行、统计推理和目标理解持续改善，Agent可主动发现变化、设计可检验假设、运行授权实验并更新策略，形成跨周的学习循环。
现在的行动：用明确授权的小实验建立从问题到结果的闭环，保留干预和数据生成记录，按净效果扩大范围。
成立信号与职责变化
- 在新业务中提出的假设有可验证增益
- 能识别随机化、混杂与外部变化，不只追显著性
- 动作、结果和策略更新有透明记录，失效时能恢复
人的职责可能转向选择目标、约束和价值取舍；部分分析与实验规划也可由AI承担，不必把手工审每张图当长期目标。
受限情景：答案快了，决策学习仍慢
数据缺失、指标漂移、实验难实施或组织不能行动，会限制分析自动化的实际价值。
现在的行动：追踪一份报告是否改变行动以及结果，优先补采集和设计；减少不被使用的图表与重复报告。
成立信号与职责变化
- 报表增多但决策不变
- 关键数据无法说明生成机制
- 观察相关性反复被误写为因果效果
数据工程、业务协作与实验条件建设仍有高价值；分析的瓶颈未必是推理模型。
持续观察什么，以及情景的研究依据
- 未见业务问题的口径保持和结果核验
- 实验与实际动作后的可识别效果
- 报告数量之外的决策周期、错误行动与学习收益
- OpenAI内部分析Agent：从业务问题到查询与报告 ↗
2026-01-29 · 定位：How it works；Context；Evals；Guide the Goal, Not the Path
展示数据发现、多轮查询、复核和发布的闭环；口径与生成数据的代码是必要上下文。；内部专用系统；没有给出本站三项分析的可靠率，也没有证明任意因果问题可自动识别。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- 数据分析应用参考：查询可见，修正明确保存 ↗
2026-09-10 · 定位：目标、数据/工具、示例边界与记忆保存
可实施的数据分析应用参考，支持发现schema、只读查询、呈现SQL和控制修正保存。；工程示例而非能力或节时试验；未执行示例代码，使用时仍须适配身份、数据库与口径。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- AlphaProof Nexus：形式证明搜索进入开放数学问题 ↗
2026-05-21 · 定位：摘要、§2输入输出、§5与§6、附录A.1/B.2
论文报告在353个Erdős问题中解决9个、492个OEIS猜想中证明44个，并公开Lean产物；展示搜索和内核反馈循环。；选题、形式库和搜索预算影响覆盖；未逐条重放论文证明，也不代表自然语言题意已自动核验。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
- 样本比例异常：实验看似有效也可能有数据问题 ↗
2019-07 · 定位：作者摘要中的SRM定义、错误决策与诊断范围
实验分配比例异常是需定位原因的数据质量信号，不能跳过诊断直接接受效果结论。；长期适用的方法背景，不是2026年AI进展；SRM无异常也不能证明所有识别假设成立。
核查 2026-10-19 · 下次复查 2026-10-26 · 已到期待复查
工具与采用佐证：RD-Agent（实现资料已查）
补充佐证 · 工具与真实采用线索
这项工作，已经有哪些实现路径
论文之外，查看工具实现、公开项目与企业采用主张。下面每条都说明本次核查到了哪一层；项目热度和厂商比例不充当任务完成率。
RD-Agent：研究、实现与反馈可以形成循环
对金融研究备忘录和可重放分析包提供相邻运行方法：把假设、代码、结果与反馈一并保存。
查看实际核查、适用范围和下一步验证
原始主张：项目声明自动开展量化因子/模型研究，并提供数据科学场景。
已检查：固定commit的README、许可证、factor.py和model.py已读；可见研发循环、执行结果和失败反馈的实现入口。
仍不能推出：量化因子回测不等于财务对账或投资收益；本轮未复现其模型/回测，不采用README收益数字作本站能力结论。
下一步验证：选择截止时间锁定的公开数据，保留训练/验证/测试分隔、交易成本和全部候选，独立复算结果；与固定脚本比较人工复核时间。
核查 2026-10-19 · 484776c211e4fbbeef03e0ec00d6bbee7362a4f4
- Microsoft RD-Agent：研究循环实现 ↗
2026-09-23 · 定位：README及同commit下已记录的配置/测试/源码路径
固定仓库版本的实现资料只读核查；未执行该最新仓库的模型工作；不可把README展示结果当本站复现
核查 2026-10-19 · 下次复查 2026-11-02 · 已到期待复查
方法补充与职业来源关系
用你已有的上下文继续
交给我的 Agent
带走当前公开资料，让你的 Agent 结合已有背景继续分析。也可以读完就结束。
查看可复制的内容
我正在了解：数据与分析 请解释这项进展实际做到了什么、改变哪项工作，以及证据没有覆盖什么。理解清楚即可，不要求建立个人档案、行动计划或决策记录。 公开资料： 本页公开资料：https://edgeofwork.com/explore.md?purpose=understand&domain=analysis&version=2026-10-21.journeys.2&window=all&kind=all 区分职业资料、研究结果、工具声明和编辑推断；读取资料给出的日期、版本与范围。需要时补充原始来源。使用自己的自然报告或对话继续，无需把个人材料和分析回填网站。