日常工作中不可避免要接触数据处理，而且需要处理的数据很多，在处理时也先后用过不同的方法。

个人在数据处理上的经历

先是用纯excel函数公式关联然后在做数据透视，再进阶到再就是用access做数据仓库，用excel以access为基础做透视表，后来发现导入导出也很麻烦整理起来也不方便，尤其是access的使用不熟练需要重新学习就又回归到excel本身。这时候同办公室的有位科班出身的，开始在他的带领下学习使用vba编程，不过绝大多数代码都是他写的。

vba混过几年后，随着岗位的调整，很多数据处理发生了变化，同时vba对于多表管理处理代码对我这个半瓢水的编程小白而言，相对复杂了些，同时对于数据的深度挖掘也不是方便。这时候发现微软出的数据处理软件：powerBI，这款软件的优点是通过低代码模式满足了我的数据处理需求，同时对于数据的组合处理和数据探索比较有优势，尤其是数据图表展示和探索都很方便，但这个软件存在一个致命的问题，就是单机版对本机的硬件要求较高，尤其是当累计数据量越来越大时，数据处理起来也较慢。

正好，这段时间单位组织数字化培训，针对python进行入门级的培训。从这个时候开始对python有了了解，其安装和使用都比较方便，其属于脚本语言，扩展较多，尤其是对数据处理方面比vba较为友好，数据处理速度更快。在最开始的时候，还很有兴趣的学习了一段时间，在进行了初步了解后，基本上可以编制一些excel数据交互处理的代码。那时候写代码，还没有AI辅助，全靠翻书和百度完成的，对于一个新手而言，说起来都是泪。不过代码总算能跑起来，基本上能解决问题，就不考虑代码的效率了，起码比用excel公式效率要高多了，比用vba速度快速度，破电脑也能很快的得到需要的结果。

在完成几个脚本的制作后，基本的数据处理需求得到解决，python的学习也逐步松懈下来。尤其是最近几年，基本上没做过新的脚本，顶多在原有的基础上做修修补补。

AI辅助编程给我带来的帮助和存在的问题点

不过去年随着单位的信息化改革，软件也进行了重新设计，数据结构发生了许多变化，原先的代码块部分功能也失效了。因为平时也没有用python的机会，又把python都丢给书本了，正在苦恼需不需要重新做脚本时候，AI辅助编程闯入我的眼帘。借助于通义灵码和fittencode，同时抛弃了Tesseract，使用Umi-OCR，大大降低了编程难度，再也不用扣着脑壳，抱着书本翻用法，也不用百度到处寻找范列，同时出脚本的效率也大大提升，原先做一周的脚本，在AI辅助下两个晚上就做完了，效率有了明显的提升。同时AI写的代码有着详细的解释，使用的模块也能够比我自己选用的要合适，更重要的是很多细节点都是我一个菜鸟无法关注到的。

但在用AI辅助过程中也发现了一些问题，比如因为python语言的不熟悉，库的不了解，在调试的时候还是存在一些问题，偶尔有时候如果自己文字表述的不清楚，AI也会写出一些奇怪的代码，不能运行的代码，这时候就需要到网络上去查找问题点，还是需要花费一些时间的。

在当前AI下是否还需要对编程语言进行深入学习的个人感想

所以我现在有一个疑问，对于一个非科班出身的非程序员，有没有必要把程序学的很深入？毕竟AI辅助越来越强大，对于我而言，常见的数据处理功能都能通过AI写出来了，还有必要深入学习编程语言吗？

想一想，其实对于编程语言的深入要花费较多的精力，如果每日的工作中用得到还好说，但如果用不到，学到的就会很快忘记掉。当再次用到的时候，你已经把它忘记了。而我们在做数据分析的时候，通常花费最多时间的是数据收集和整理，这一部分占据了80%的工作量，而对数据进行处理和数据探索反而只是少部分。在繁忙的工作中，对20%的工作量，投入较多的精力，反而是不划算的。尤其是目前的AI已经能够将这20%工作量中的一部分快速解决掉，也越来越显示出编程语言深入学习带来的工作附加值的降低。但完全不学习编程语言也不行，毕竟你如果连用什么脚本语言或其他编程语言来辅助你的工作都不知道，那你的工作效率也会大幅度降低。

因此我的想法是，编程语言结合自身需求进行学习，先要知道皮毛，知道框架，知道从哪里去寻找自己需要的信息，能够看得懂自己写的代码，就能满足基本需求了，其他的可以交给AI来做，自己就能够将足够的精力放在数据分析的其他工作上来，而不至于本末倒置。

这是我的一些浅浅的看法，不知道大家有什么想法？