تحلیل‌گر هوش تجاری
BI Analyst
تحلیل‌گر هوش تجاری (Business Intelligence Analyst) گزارش‌ها، داشبوردها و مدل‌های داده‌ای را می‌سازد و نگه می‌دارد که مدیران و تیم‌ها با آن‌ها عملکرد کسب‌وکار را دنبال می‌کنند و تصمیم می‌گیرند. کار روزمره SQL، یک ابزار BI مثل Power BI، Tableau یا Looker، تعریف KPI همراه با تیم‌ها و کنترل درستی عددهاست. در آگهی‌های ۲۰۲۶ کار با ابزارهای AI هم آمده است، و ابزارهای BI حالا امکان پرسیدن از داده به زبان طبیعی دارند؛ به نوشتهٔ مستندات Microsoft، این قابلیت بدون مدل معنایی (semantic model) آماده ممکن است جواب کلی یا نادرست بدهد، و آماده کردن همین مدل در حوزهٔ کار تحلیل‌گر BI است.
مقدمه و تعریف شغل
تحلیل‌گر هوش تجاری (BI Analyst) داده‌های سازمان را با SQL از انبار داده بیرون می‌کشد، آن را در مدل‌هایی مرتب می‌کند که بارها استفاده شوند و گزارش‌ها و داشبوردهایی می‌سازد که مدیران و تیم‌ها با آن عملکرد کسب‌وکار را دنبال می‌کنند. O*NET، پایگاه رسمی مشاغل آمریکا، مهم‌ترین وظایف این شغل را تهیهٔ گزارش‌های استاندارد یا سفارشی برای مدیران و ذی‌نفعان و نگهداری ابزارها، داشبوردها و سیستم‌های BI می‌داند. در آگهی‌ها کار فقط نمودار ساختن نیست: Carrot از تحلیل‌گر BI می‌خواهد نیاز تیم‌ها را جمع کند، مدل داده در SQL بسازد، تحلیل موردی انجام دهد و به کیفیت داده و مستندسازی کمک کند، و Zego تعریف و پایش KPIها با تیم‌های قیمت‌گذاری و خسارت را جزو کار آورده است. ابزار اصلی SQL است در کنار یکی از پلتفرم‌های BI مثل Power BI، Tableau یا Looker.
ریشهٔ این کار به انبار داده برمی‌گردد. به نوشتهٔ سایت Kimball Group، رالف کیمبال از میانهٔ دههٔ ۱۹۸۰ روش ابعادی (dimensional) را در طراحی انبار داده ترویج کرد و طبق ویکی‌پدیا کتاب The Data Warehouse Toolkit او در ۱۹۹۶ منتشر شد. مدل ستاره‌ای که از همین روش می‌آید هنوز در آگهی‌ها هست؛ HelloFresh در آگهی ۲۰۲۶ خود dimensional modeling و star schema را شرط گذاشته است. بعد ابزارهای مصورسازی سلف‌سرویس آمدند: طبق Forbes، Tableau در ۲۰۰۳ تأسیس شد و Salesforce آن را در ۲۰۱۹ در معامله‌ای ۱۵٫۷ میلیارد دلاری خرید. تغییر تازه AI است. Copilot در Power BI، Tableau Agent در Tableau Pulse، Conversational Analytics در Looker و Genie در Databricks همه امکان پرسیدن از داده به زبان طبیعی می‌دهند و هر کدام جواب را به لایه‌ای از دادهٔ تعریف‌شده تکیه می‌دهند: Copilot و Looker به مدل معنایی، Genie به داده‌ای که در Unity Catalog حاکمیت (governance) می‌شود و Tableau Pulse به تعریف متریک‌ها. Microsoft می‌نویسد اگر مدل معنایی برای AI آماده نشده باشد، Copilot ممکن است داده را اشتباه بفهمد و جواب کلی یا نادرست بدهد، و Google توصیه می‌کند همهٔ خروجی Gemini پیش از استفاده بررسی شود. از این مستندات پیداست که بخشی از کار تحلیل‌گر BI از ساختن نمودار به آماده کردن مدل، تعریف دقیق متریک‌ها و سنجیدن جواب‌های AI می‌رود. آگهی‌ها هم همین را نشان می‌دهند: Block «ذهنیت AI-first» و هدایت استفادهٔ مسئولانه از AI در تیم را می‌خواهد، ZoomInfo استفاده از ابزارهای AI برای سرعت دادن به تحلیل را، و Metron ساخت گزارش در Power BI، Excel و «ابزارهای تحلیلی مبتنی بر AI» را. طبق Indeed Hiring Lab، در دسامبر ۲۰۲۵، ۴۵٪ آگهی‌های data & analytics در آمریکا به AI اشاره داشتند. مارکو روسو از SQLBI در سپتامبر ۲۰۲۶ نوشت نوشتن DAX با AI امسال «مؤثر شده» و تیمش هر روز از AI برای تبدیل داده، ساخت و تغییر مدل معنایی و پیش‌نویس DAX استفاده می‌کند، هرچند کارایی کدِ تولیدشده هنوز می‌تواند نقطه‌ضعف باشد.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک تحلیل‌گر هوش تجاری
داشبوردهای مدیریتی و گزارش‌های دوره‌ای
در HelloFresh، تحلیل‌گر ارشد BI داشبوردهای مدیریتی را در Tableau و Databricks می‌سازد و مالک گزارش‌های حیاتی مثل WBR (بررسی هفتگی کسب‌وکار)، QBR (بررسی فصلی) و پیش‌بینی است که به تیم‌های محصول، بازاریابی، مالی و عملیات می‌رسد.
چارچوب KPI و برنامهٔ سنجش
در ZoomInfo، تحلیل‌گر ارشد BI برای عرضهٔ محصولات و قابلیت‌های تازه متریک موفقیت و برنامهٔ سنجش تعریف می‌کند و با تیم محصول و مهندسی مشخص می‌کند چه رویدادهایی باید ثبت شوند تا تحلیل ممکن شود.
مدل‌های داده و دیتاست‌های قابل استفادهٔ دوباره
Carrot از تحلیل‌گر BI می‌خواهد مدل داده را در SQL با تمرکز بر درستی، وضوح و قابلیت استفادهٔ دوباره بسازد، و موفقیت در سال اول را این‌طور تعریف کرده: گزارش‌دهی سریع‌تر و یکدست‌تر با مدل‌های قابل استفادهٔ دوباره و کار دستی کمتر.
گزارش‌های تطبیق و کنترل مالی
در تیم Recon and Reporting شرکت Block (Cash App)، تحلیل‌گر BI منطق تطبیق، داشبورد مغایرت‌ها، صف استثناها و خلاصهٔ تسویه می‌سازد تا داده‌های شبکه‌های کارت، بانک‌ها و دفتر کل داخلی با هم بخواند و به حسابداری، حسابرسی و گزارش‌دهی قانونی برسد.
کاتالوگ گزارش‌ها و مستندات تعریف داده
Metron از تحلیل‌گر BI می‌خواهد کاتالوگ گزارش‌ها را مرتب کند، گزارش‌های قدیمی را بازنشسته کند و منطق گزارش‌ها و تعریف داده‌ها را مستند کند تا نگهداری ساده‌تر و فهم مشترک بیشتر شود.
مدل معنایی آماده برای سلف‌سرویس و AI
در Power BI می‌توانید روی مدل معنایی «AI data schema»، دستورالعمل AI و «verified answers» تعریف کنید و مدل را «Approved for Copilot» علامت بزنید تا جواب‌های Copilot به کاربران دقیق‌تر شود. Carrot هم کمک به قابلیت‌های سلف‌سرویس BI را جزو کار تحلیل‌گر آورده است.
تخصص‌های مختلف تحلیل‌گر هوش تجاری
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
هوش تجاری مالی
Finance BI
گزارش‌دهی مالی، تطبیق و پیش‌بینی. در Block تطبیق تسویهٔ شبکه‌های کارت با دفتر کل و پشتیبانی از بستن حساب‌های ماه؛ در Eureka (اپ Pairs) ساخت و اجرای مدل پیش‌بینی با تیم مالی، با شرط تجربه در FP&A.
هوش تجاری محصول
Product Analytics BI
سنجش استفاده، پذیرش و ماندگاری محصول، طراحی tracking رویدادها و تحلیل آزمایش‌ها؛ آگهی ZoomInfo برای این تخصص پنج سال سابقه در BI یا تحلیل محصول در شرکت‌های B2B SaaS می‌خواهد.
متخصص Power BI
Power BI / Microsoft BI
تسلط بر Power BI، DAX و Power Query و یکپارچه کردن سیستم‌های سازمانی؛ Metron تحلیل‌گری می‌خواهد که ابزار تحلیلی شرکت را روی Power BI بسازد و حسابداری، پیش‌بینی، پایپ‌لاین فروش و منابع انسانی را به هم وصل کند. Microsoft برای این مسیر گواهی Power BI Data Analyst Associate دارد.
پلتفرم BI و لایهٔ معنایی
BI Platform & Semantic Layer
ساخت و حاکمیت لایهٔ معنایی (مثل LookML)، مدیریت دسترسی و خودکارسازی پلتفرم؛ همان کاری که Deliveroo به BI Engineer سپرده و قابلیت‌های AI ابزارهای BI به آن تکیه دارند.
BI مهندسی‌محور
Engineering-heavy BI
تحلیل‌گری که پایپ‌لاین و مدل را خودش می‌سازد؛ HelloFresh از Senior BI Analyst ساخت ETL/ELT با dbt، Databricks و Airflow و کنترل خودکار کیفیت داده را می‌خواهد. این تخصص نزدیک‌ترین مسیر به مهندسی آنالیتیکس است.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
مرز این دو در عمل باز است و Carrot هم از تحلیل‌گر BI تحلیل موردی می‌خواهد. تفاوت در وزن کار است: در O*NET، وظایف اصلی BI Analyst تهیهٔ گزارش‌های استاندارد یا سفارشی برای مدیران و نگهداری ابزارها، داشبوردها و سیستم‌های BI است، یعنی زیرساخت گزارش‌دهی که هر هفته و هر ماه تکرار می‌شود؛ تحلیل‌گر داده بیشتر وقتش را صرف جواب دادن به سؤال‌های تازه می‌کند. در راهنمای حقوق ۲۰۲۷ رابرت هاف برای آمریکا، BI Analyst بازهٔ ۱۰۵٬۵۰۰ تا ۱۵۳٬۵۰۰ دلار دارد و Data Analyst بازهٔ ۹۶٬۲۵۰ تا ۱۳۸٬۵۰۰ دلار.
به تعریف Claire Carroll در وبلاگ dbt Labs، مهندس آنالیتیکس داده را تبدیل، تست، مستقر و مستند می‌کند تا کاربران کسب‌وکار بتوانند با ابزار BI خودشان جواب قابل اعتماد بگیرند؛ تحلیل‌گر BI روی همین داده گزارش و داشبورد می‌سازد و متریک‌ها را با تیم‌ها تعریف می‌کند. مرز در آگهی‌ها نرم است: Carrot از تحلیل‌گر BI ساخت مدل داده در SQL را می‌خواهد و تجربه با dbt را امتیاز می‌داند، و آگهی Senior BI Analyst در HelloFresh ساخت پایپ‌لاین با dbt و Airflow را جزو کار آورده و شش سال سابقه در BI، مهندسی داده یا مهندسی آنالیتیکس را می‌پذیرد.
BI Engineer بیشتر خود پلتفرم و لایهٔ معنایی را می‌سازد تا گزارش‌ها را. Deliveroo از BI Engineer مالکیت لایهٔ معنایی Looker و Sigma، تعریف متریک‌ها و dimensionها، تنظیم دسترسی‌ها، خودکارسازی با API و استانداردهایی مثل version control، code review و CI را می‌خواهد و تأکید می‌کند تجربه باید در مدل‌سازی و پیکربندی پلتفرم باشد، «نه فقط ساختن داشبورد در آن». ZipRecruiter برای BI Engineer II سه سال سابقه در مهندسی داده یا BI و تجربهٔ Git، CI/CD و تست خودکار می‌خواهد و بازهٔ پایه را ۱۱۰ تا ۱۳۰ هزار دلار اعلام کرده است.
مهندس داده پایپ‌لاین‌هایی را می‌سازد که داده را از سیستم‌های عملیاتی به انبار داده می‌رساند؛ تحلیل‌گر BI معمولاً مصرف‌کنندهٔ همین داده است و در طراحی آن همکاری می‌کند. Zego از تحلیل‌گر BI می‌خواهد «با مهندسی داده» فرایندهای ETL را طراحی کند و Block کار مستقل یا مشترک با مهندسی داده روی دیتاست‌ها و پایپ‌لاین‌های گزارش‌دهی را. در راهنمای ۲۰۲۷ رابرت هاف برای آمریکا، Data Engineer بازهٔ ۱۳۰٬۵۰۰ تا ۱۸۵٬۵۰۰ دلار دارد.
تأثیر در صنایع مختلف
تحلیل‌گر هوش تجاری در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
پرداخت و فین‌تک
تطبیق تراکنش‌ها با شبکه‌های کارت و بانک‌ها، کنترل نشت درآمد و گزارش‌دهی قانونی و مالیاتی (Block)
بیمه
پایش KPIهای نرخ تبدیل و عملکرد با تیم‌های قیمت‌گذاری، خسارت و تقلب و مالکیت کیفیت دادهٔ خسارت (Zego)
سلامت
داشبوردهای مدیریتی برای یک پلتفرم سلامت باروری (Carrot) و تحلیل‌های مشتری‌محور روی رفتار پزشکان در یک شبکهٔ پزشکی (Doximity)
غذا و کسب‌وکار اشتراکی
گزارش‌های هفتگی و فصلی مدیریت، پیش‌بینی و داشبوردهای ارشد برای عملیات و زنجیرهٔ تأمین (HelloFresh)
نرم‌افزار B2B
سنجش پذیرش و ماندگاری محصول، تعریف متریک موفقیت عرضه‌ها و تحلیل آزمایش‌ها (ZoomInfo)
پیمانکاری دولتی و دفاعی
ساخت ابزار تحلیلی شرکت روی Power BI که حسابداری، پیش‌بینی، پایپ‌لاین فروش و منابع انسانی را یکپارچه می‌کند، با گزارش مستقیم به مدیر عملیات (Metron)
انرژی و خدمات شهری
KPIها و داشبوردهای ماهانه برای فناوری، عملیات، کار میدانی و صورت‌حساب در یک شرکت کنتورخوانی (Metergy)
اپ‌های مصرفی
مدل پیش‌بینی مالی، تحلیل ریسک و فرصت و سنجش اثر طرح‌های محصول و بازاریابی برای یک اپ دوست‌یابی (Eureka، سازندهٔ Pairs در Match Group)
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
تحلیل‌گر BI فقط داشبورد می‌سازد
داشبورد بخشی از کار است. Carrot ساخت مدل داده در SQL، تحلیل موردی، جمع کردن نیازمندی و کمک به کیفیت داده و مستندات را هم می‌خواهد؛ Metron یکپارچه کردن داده از سیستم‌های سازمانی با API و پیشنهاد بهبود فرایندها را؛ و Block تطبیق مالی روزانه تا ماهانه و ریشه‌یابی مغایرت‌ها را.
AI داخل ابزارهای BI کار تحلیل‌گر را حذف می‌کند
Microsoft می‌نویسد کارهایی که کاربران از Copilot می‌خواهند شبیه سؤال‌هایی است که از تحلیل‌گرِ سازندهٔ گزارش می‌پرسیدند؛ یعنی Copilot برای جواب دادن به بخشی از همین درخواست‌ها طراحی شده است. اما همان مستندات می‌گوید بدون مدل معنایی آماده، Copilot ممکن است جواب کلی یا نادرست بدهد و رفتار AI قطعی نیست؛ Google هم بررسی همهٔ خروجی Gemini را توصیه می‌کند. آماده کردن مدل، تعریف متریک و سنجیدن جواب‌ها کار کسی است که داده و کسب‌وکار را می‌شناسد، و آگهی‌های ۲۰۲۶ استفاده از AI را از خود تحلیل‌گر BI می‌خواهند.
بدون مدرک کامپیوتر نمی‌شود تحلیل‌گر BI شد
در نظرسنجی O*NET، ۶۸٪ پاسخ‌دهندگان گفته‌اند این شغل مدرک کارشناسی لازم دارد، ولی رشته‌ها متنوع است: Metron کارشناسی کسب‌وکار، تحلیل داده یا سیستم‌های اطلاعاتی را می‌پذیرد و Block مالی، حسابداری، اقتصاد یا رشتهٔ کمّی، یا تجربهٔ کاری معادل. Eureka در توکیو، با اینکه تجربهٔ FP&A را شرط گذاشته، نوشته فعلاً سطح مهارت مهندسی (SQL و پایپ‌لاین) شرط نیست، تیم با آموزش حین کار کمک می‌کند و کسانی بدون سابقهٔ Data Analyst هم با یادگیری در این تیم موفق شده‌اند.
کافی است یک ابزار BI را خوب بلد باشید
ابزار لازم است ولی کافی نیست. در آگهی‌های BI Analyst بریتانیا در شش ماه منتهی به ۲۲ اکتبر ۲۰۲۶، Power BI در ۶۱٫۱٪ و SQL در ۵۹٫۵٪ آگهی‌ها آمده و مدل‌سازی داده در ۳۰٫۵٪ (ITJobsWatch). Carrot هر ابزاری از Tableau تا Power BI را می‌پذیرد، اما SQL پیشرفته و آمار پایه را شرط گذاشته است.
کار BI فقط در شرکت‌های فناوری است
آگهی‌های باز این نقش در ۲۰۲۶ از بیمه (Zego)، سلامت (Carrot و Doximity)، غذا (HelloFresh)، پرداخت (Block)، پیمانکاری دفاعی (Metron) و کنتورخوانی انرژی (Metergy) است. دانش حوزه هم در آگهی‌ها آمده: Zego تجربهٔ بیمه و فرایند خسارت را می‌خواهد و Block دانش اصول حسابداری و جابه‌جایی پول را.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور (۰–۲ سال)
بیشتر وقت صرف گزارش‌های دوره‌ای، درخواست‌های کوچک و یادگیری داده‌های شرکت می‌شود. کار زیر نظر تحلیل‌گر باتجربه‌تر بازبینی می‌شود.
- ◆بررسی اینکه گزارش‌ها و refreshهای شبانه درست اجرا شده‌اند
- ◆نوشتن کوئری SQL برای یک درخواست موردی از تیم عملیات یا مالی
- ◆افزودن یک نمودار یا فیلتر تازه به داشبوردی که از قبل هست
- ◆تطبیق یک عدد مشکوک با سیستم منبع پیش از ارسال گزارش
- ◆به‌روز کردن مستندات تعریف یک متریک
میانی (۲–۵ سال)
مالکیت گزارش‌های یک یا چند حوزه، کار مستقیم با مدیران آن حوزه و ساخت مدل‌هایی که دیگران هم از آن استفاده می‌کنند.
- ◆جلسه با مدیر یک تیم برای تعریف KPI یک پروژهٔ تازه
- ◆ساخت مدل داده و measureهای DAX یا مدل dbt برای یک داشبورد جدید
- ◆ریشه‌یابی افت ناگهانی یک متریک و توضیح علت به ذی‌نفعان
- ◆اولویت‌بندی صف درخواست‌ها و هماهنگ کردن انتظارها
- ◆بازبینی کوئری یا DAX که با کمک AI نوشته شده، پیش از انتشار
ارشد (۵+ سال)
تمرکز روی چارچوب سنجش، کیفیت داده‌ی کل حوزه، ارائه به مدیران ارشد و کمک به تحلیل‌گران تازه‌کار.
- ◆طراحی برنامهٔ سنجش برای یک عرضهٔ مهم محصول همراه با تیم محصول
- ◆ارائهٔ گزارش فصلی و توصیه‌ها به مدیران ارشد
- ◆بازبینی کد و مدل تحلیل‌گران دیگر
- ◆تصمیم دربارهٔ اینکه کدام گزارش‌ها نگه داشته و کدام بازنشسته شوند
- ◆تعیین قواعد استفادهٔ مسئولانه از AI در تیم و مدل‌هایی که برای پرسش با AI آماده می‌شوند
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈ساخت و نگهداری داشبوردها و گزارش‌های دوره‌ای که متریک‌های اصلی کسب‌وکار را دنبال می‌کنند
- ◈نوشتن SQL برای استخراج، اتصال و تجمیع داده و ساخت مدل‌های داده‌ی قابل استفادهٔ دوباره
- ◈کنترل کیفیت داده، تطبیق عددها با منبع و ریشه‌یابی مغایرت‌ها
- ◈استفادهٔ مسئولانه از ابزارهای AI برای سرعت دادن به کوئری‌نویسی و تحلیل، همراه با بازبینی خروجی
- ◈جمع‌آوری نیازمندی از ذی‌نفعان و تبدیل آن به گزارش یا داشبورد مشخص
- ◈تحلیل موردی و ارائهٔ نتیجه و توصیه به مدیران با روایت روشن و نمودار مناسب
- ◈تعریف KPI و برنامهٔ سنجش همراه با تیم‌های محصول، مالی، عملیات و مدیران
- ◈مستندسازی منطق گزارش‌ها و تعریف داده‌ها و بازنشسته کردن گزارش‌های قدیمی
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک تحلیل‌گر هوش تجاری موفق به آن‌ها نیاز دارد
مهارت‌های فنی
JOIN، CTE و window function؛ پایهٔ همهٔ آگهی‌ها
ساخت مدل، measure و گزارش؛ پرتکرارترین ابزار در آگهی‌های BI Analyst بریتانیا
Carrot، Block، HelloFresh و Eureka با Tableau کار می‌کنند و Zego با Looker
Star schema، جدول fact و dimension و طراحی مدل قابل استفادهٔ دوباره
فرمول‌های پیچیده و PivotTable؛ Block، Zego و Metergy می‌خواهند
آماده‌سازی و تبدیل داده پیش از مدل
Snowflake، BigQuery یا Databricks
تبدیل، تست و نسخه‌بندی کد SQL؛ Carrot هر دو را امتیاز می‌داند
خودکارسازی و تحلیل اکتشافی با pandas؛ در Doximity شرط لازم است
آزمون فرض، معناداری و طراحی آزمایش؛ Carrot شرط گذاشته است
نوشتن کوئری و DAX با دستیار AI و آماده کردن مدل برای Copilot یا ابزار مشابه
مهارت‌های نرم
تبدیل سؤال مبهم مدیر به گزارش یا متریک مشخص
تبدیل فهرست بلند درخواست‌ها به برنامهٔ کاری و تنظیم انتظارها
ارائهٔ نتیجه به مخاطب فنی و مدیران با روایت و نمودار روشن
Doximity می‌خواهد تحلیل‌گر کار خودش و هم‌تیمی‌ها را «سه بار» بررسی کند
نوشتن منطق گزارش و تعریف داده‌ها برای نگهداری و فهم مشترک
کمک به کاربران برای استفاده از گزارش‌ها و ابزارهای سلف‌سرویس
دانش حوزه‌ای
درآمد، نرخ تبدیل، ماندگاری و نحوهٔ تعریف و تفسیر آن‌ها
Block اصول حسابداری دوطرفه و Eureka تجربهٔ FP&A را می‌خواهد
مثل فرایند خسارت در بیمه (Zego) یا دادهٔ سلامت (Carrot، Doximity)
تعریف یکدست متریک‌ها و کنترل دسترسی؛ پایهٔ جواب درست ابزارهای AI
ZoomInfo و Eureka تحلیل نتیجهٔ آزمایش‌ها را می‌خواهند
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به تحلیل‌گر هوش تجاری
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
Excel و زبان متریک‌های کسب‌وکار
تحلیل‌گر BI هر روز با مدیران مالی، عملیات و محصول کار می‌کند. پیش از ابزار، باید بفهمید یک KPI چطور تعریف می‌شود و چه چیزی را نشان می‌دهد. Excel هنوز در آگهی‌ها هست: Block «Excel پیشرفته (فرمول‌های پیچیده، pivot table)» و Zego «مهارت پیشرفته در Excel و SQL» را می‌خواهند.
SQL
SQL پایهٔ همهٔ آگهی‌های این نقش است. Carrot توانایی نوشتن کوئری با JOIN، CTE و window function را می‌خواهد و Metergy برای نقش جونیور «تجربهٔ قوی SQL» و توانایی ساخت و نگهداری view. در آگهی‌های BI Analyst بریتانیا در شش ماه منتهی به ۲۲ اکتبر ۲۰۲۶، SQL در ۵۹٫۵٪ آگهی‌ها آمده است (ITJobsWatch).
Power BI یا Tableau، به‌اضافهٔ DAX
یکی از ابزارهای BI را عمیق یاد بگیرید. Carrot هر کدام از Tableau، Looker، DOMO یا Power BI را می‌پذیرد، اما در آگهی‌های BI Analyst بریتانیا Power BI در ۶۱٫۱٪ و Tableau در ۲۰٫۶٪ آگهی‌ها آمده (ITJobsWatch). اگر Power BI را انتخاب کنید، DAX و Power Query را هم یاد بگیرید؛ Metron هر سه را در شرایط مطلوب آورده است. Power BI Desktop و Tableau Public هر دو رایگان‌اند.
مدل‌سازی داده و انبار داده
داشبورد خوب روی مدل داده‌ی درست ساخته می‌شود. HelloFresh از Senior BI Analyst «درک قوی از dimensional modeling و star schema» می‌خواهد و Carrot ساخت مدل داده در SQL و تجربه با dbt را. این مرحله شما را به کار مهندس آنالیتیکس نزدیک می‌کند و دست‌کم باید بتوانید مدل‌های آن‌ها را بخوانید.
ارائه، کار با ذی‌نفعان و BI همراه با AI
عدد درست وقتی اثر دارد که درست ارائه شود. ZoomInfo «مهارت قوی در data storytelling» را شرط گذاشته است. هم‌زمان ابزارهای BI قابلیت پرسش به زبان طبیعی گرفته‌اند و Microsoft نوشته پیش از استفاده از Copilot باید مدل معنایی را با AI data schema، دستورالعمل‌های AI و «verified answers» آماده کرد. یاد بگیرید خروجی AI را بخوانید و بسنجید؛ SQLBI دوره‌های تازه‌اش را برای همین ساخته است.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
پلتفرم‌های BI
ابزار BI مایکروسافت؛ در ۶۱٫۱٪ آگهی‌های BI Analyst بریتانیا آمده (ITJobsWatch) و Metron و Metergy آن را می‌خواهند. Power BI Desktop برنامه‌ای رایگان برای ویندوز است.
در آگهی‌های Carrot، Block، HelloFresh و Eureka آمده است. Tableau Public رایگان است، اما هر چه در آن منتشر کنید عمومی است.
ابزار BI گوگل با لایهٔ مدل LookML؛ Zego داشبوردهایش را با Looker می‌سازد و Deliveroo لایهٔ معنایی Looker را به BI Engineer سپرده است.
SQL و انبار داده
انبار دادهٔ ابری؛ Block، Deliveroo و ZipRecruiter آن را در فهرست پلتفرم‌های موردنظر آورده‌اند.
HelloFresh هم پایپ‌لاین و هم داشبوردهای مدیریتی را روی Databricks می‌سازد؛ Databricks قابلیت AI/BI و Genie را برای پرسش به زبان طبیعی دارد.
مدل‌سازی و آماده‌سازی داده
ابزار آماده‌سازی داده در Excel و Power BI؛ در ۱۹٫۱٪ آگهی‌های BI Analyst بریتانیا آمده (ITJobsWatch) و Metron آن را می‌خواهد.
تبدیل، تست و مستندسازی داده با SQL؛ Carrot آن را امتیاز می‌داند و HelloFresh و Eureka با آن کار می‌کنند.
صفحه‌گسترده و قابلیت‌های AI
گفت‌وگو با داده، خلاصهٔ گزارش، نوشتن کوئری DAX و توضیح برای measureها. به ظرفیت پولی Fabric (F2 یا بالاتر) یا Power BI Premium نیاز دارد و بدون آماده‌سازی مدل معنایی ممکن است جواب نادرست بدهد.
بینش‌های شخصی‌سازی‌شده دربارهٔ متریک‌هایی که کاربر دنبال می‌کند، در ایمیل، Slack و Teams. متریک‌ها را کاربران دارای مجوز انتشار تعریف می‌کنند و پرسش از Tableau Agent در Pulse به Tableau+ (یا Try AI) نیاز دارد.
Doximity تجربه با AI coding assistants را امتیاز می‌داند و Eureka در فهرست ابزارهایش Claude Code، Cursor و Codex را آورده است.
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
تحلیل‌گر BI جونیور
۰ تا ۲ سال
ساخت گزارش‌ها و داشبوردهای ماهانه، جواب دادن به درخواست‌های موردی و تمیز کردن داده زیر نظر تحلیل‌گر باتجربه‌تر. آگهی Metergy در نیویورک برای این سطح ۰ تا ۲ سال سابقه در BI می‌خواهد و دوره‌های کارآموزی را هم حساب می‌کند؛ بازهٔ حقوق اعلام‌شده ۷۰ تا ۸۰ هزار دلار در سال است.
تحلیل‌گر BI
۲ تا ۵ سال
مالکیت گزارش‌های دوره‌ای و موردی یک یا چند حوزه، ساخت مدل داده‌ی قابل استفادهٔ دوباره و کار مستقیم با تیم‌ها. Metron برای این نقش سه سال سابقه و دو سال ساخت گزارش با Power BI یا ابزار مشابه می‌خواهد؛ آگهی Carrot سال سابقه را مشخص نکرده و حقوق پایه را ۹۸ تا ۱۲۵ هزار دلار اعلام کرده است.
تحلیل‌گر BI ارشد (Senior)
۵ سال به بالا
تعریف KPI و چارچوب سنجش برای مدیران، تحلیل عمیق، کمک به تحلیل‌گران تازه‌کار و کیفیت داده‌ی یک حوزهٔ کامل. ZoomInfo پنج سال سابقه می‌خواهد، Block پنج سال با مدرک کارشناسی (یا سه سال با فوق‌لیسانس) و HelloFresh شش سال؛ بازهٔ پایهٔ ZoomInfo در آمریکا ۱۱۲٬۸۴۰ تا ۱۷۷٬۳۲۰ دلار است.
BI Manager یا BI Engineer
از ۳ سال به بالا (BI Engineer در Deliveroo)
دو مسیر رایج: مدیریت تیم و اولویت‌های BI، یا مسیر فنی BI Engineer که خود پلتفرم، لایهٔ معنایی و خودکارسازی را می‌سازد. آگهی BI Engineer در Deliveroo سه سال سابقهٔ کد‌محور و تجربهٔ version control، code review و CI می‌خواهد. در راهنمای حقوق ۲۰۲۷ رابرت هاف برای بریتانیا، BI Manager بازهٔ ۵۴ تا ۸۰ هزار پوند دارد.
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
صف بی‌پایان درخواست‌ها
عمومیتیمهای مختلف هم‌زمان گزارش می‌خواهند و هر کدام کار خودش را فوری می‌داند. Zego صراحتاً می‌خواهد تحلیل‌گر بتواند «فهرست بلند درخواست‌ها را به برنامهٔ کاری قابل مدیریت تبدیل کند و انتظارها را تنظیم کند». بدون این مهارت وقت صرف کارهای کوچک می‌شود.
کیفیت داده و عددهایی که با هم نمی‌خوانند
عمومیداده از چند سیستم می‌آید و همیشه کامل یا هماهنگ نیست. Block تمام کار یک تیم را صرف تطبیق داده‌ها و ریشه‌یابی مغایرت‌ها کرده و HelloFresh کنترل خودکار کیفیت و هشدار را جزو کار تحلیل‌گر ارشد BI آورده است. یک عدد اشتباه در گزارش مدیریتی اعتماد به کل گزارش‌ها را کم می‌کند.
تعریف‌های متفاوت از یک متریک
شرکت بزرگوقتی دو تیم «مشتری فعال» را دو جور حساب می‌کنند، دو داشبورد دو عدد نشان می‌دهند. Deliveroo یکدست نگه داشتن تعریف متریک‌ها و dimensionها را در حین استفادهٔ دوباره، جزو شرایط BI Engineer آورده است. با آمدن پرسش به زبان طبیعی این مسئله مهم‌تر هم شده، چون AI همان تعریفی را به کار می‌برد که در مدل گذاشته‌اید.
انبوه گزارش‌های قدیمی
شرکت بزرگگزارشها ساخته می‌شوند و کمتر کسی آن‌ها را حذف می‌کند. Metron مرتب کردن کاتالوگ گزارش‌ها و بازنشسته کردن گزارش‌های قدیمی را صریحاً جزو وظایف آورده است. نگهداری گزارش‌هایی که کسی نمی‌خواند، وقت کار تازه را می‌گیرد.
جواب AI که درست به نظر می‌رسد اما غلط است
عمومیMicrosoft می‌نویسد رفتار AI قطعی نیست و Copilot حتی با ورودی یکسان همیشه همان جواب را نمی‌دهد؛ Google می‌گوید Gemini ممکن است خروجی‌ای بدهد که قابل قبول به نظر می‌رسد ولی نادرست است. SQLBI هم می‌گوید DAX تولیدشده با AI مفید شده اما کارایی آن هنوز می‌تواند ضعیف باشد. باید آن‌قدر SQL و DAX بلد باشید که خطای AI را تشخیص دهید.
مرز لغزنده با کار مهندسی
عمومیانتظارها از این نقش در حال گسترش است: HelloFresh از تحلیل‌گر ارشد BI ساخت پایپ‌لاین با dbt و Airflow را می‌خواهد و ZoomInfo آشنایی با LLMها را. بعضی از قابلیت‌های AI هم به نسخه‌های پولی وابسته‌اند (Copilot به ظرفیت Fabric یا Premium و Tableau Agent در Pulse به Tableau+ یا Try AI)، پس تجربه با آن‌ها به ابزاری بستگی دارد که کارفرما خریده است.
حقوق و بازار کار جهانی
حقوق جهانی تحلیل‌گر هوش تجاری
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
- Robert Half 2027 Salary Guide (page updated for 2027), US national: low–high range; median = mid tier
- Metergy Solutions posting, BI Analyst (New York), posted Oct 15, 2026: range for 0–2 years' experience; median = midpoint
- ZoomInfo posting, Senior BI Analyst (US remote), posted Jun 15, 2026: US base range, 5+ years; median = midpoint
- Robert Half 2027 Salary Guide (page updated for 2027), Canada national, Senior BI Analyst: low–high range; median = mid tier
- Robert Half 2027 UK Salary Guide (page updated for 2027): 25th–75th pct; median = 50th pct
- Robert Half Gehaltsübersicht 2027 (page figures for 2027), Germany: 25th–75th pct; median = 50th pct
- Robert Half 2026 Salary Guide (page updated for 2026), Australia national: 25th–75th pct; median = 50th pct
- PayScale India, last updated Sep 9, 2026 (154 profiles): base salary 10th–90th pct; median
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱ و ۲: SQL
SQLBolt و بعد Select Star SQL را تمام کنید. PostgreSQL یا DuckDB را نصب کنید و روی یک مجموعه‌دادهٔ واقعی کوئری با JOIN، CTE و window function بنویسید.
ماه ۳: Power BI یا Tableau
یکی را انتخاب کنید. Power BI Desktop و Tableau Public رایگان‌اند. با نمونه‌داده‌ها اولین داشبورد KPI را بسازید.
ماه ۴: مدل ستاره‌ای و DAX
اصول star schema را بخوانید و دورهٔ رایگان Introducing DAX را ببینید؛ بعد پروژهٔ دوم پورتفولیو را بسازید.
ماه ۵: پورتفولیو و ارائه
دو پروژه را کامل و مستند کنید و برای هر کدام توضیحی کوتاه بنویسید که چه سؤالی را جواب می‌دهد. در چالش‌های هفتگی مصورسازی شرکت کنید.
ماه ۶: AI در BI و درخواست شغل
راهنمای آماده‌سازی مدل برای Copilot را بخوانید و پروژهٔ پنجم را شروع کنید. برای نقش‌های جونیور BI Analyst یا گزارش‌دهی اقدام کنید.
پروژه‌های پیشنهادی برای رزومه
داشبورد KPI برای یک کسب‌وکار فرضی
مبتدیبا یکی از نمونه‌داده‌های Microsoft یا Tableau (مثل Superstore) داشبوردی بسازید که به سه سؤال مدیر فروش جواب بدهد: کجا رشد داریم، کجا افت داریم و چرا. برای هر KPI تعریف دقیق بنویسید و داشبورد را در Tableau Public یا به‌صورت فایل Power BI همراه با چند خط توضیح منتشر کنید.
مدل ستاره‌ای و measureهای DAX
متوسطدادهٔ فروش را به جدول fact و چند dimension (تاریخ، محصول، مشتری) تبدیل کنید، رابطه‌ها را در Power BI بسازید و measureهایی مثل فروش سال قبل، رشد نسبت به دورهٔ قبل و میانگین روزانه بنویسید. در README توضیح دهید چرا مدل را این‌طور طراحی کردید.
گزارش هفتگی خودکار با SQL و dbt
متوسطشبیه گزارش هفتگی کسب‌وکار (WBR) در آگهی HelloFresh: داده را در DuckDB یا PostgreSQL بارگذاری کنید، با dbt مدل‌های تست‌شده بسازید و یک داشبورد ثابت روی آن بگذارید که هر بار با یک دستور به‌روز شود. تعریف هر متریک را در مستندات dbt بنویسید.
تطبیق دو منبع داده و داشبورد مغایرت‌ها
پیشرفتهبا الهام از آگهی Block: دو فایل از یک رویداد مالی (مثلاً سفارش‌ها در سیستم فروش و تراکنش‌ها در گزارش بانک) بسازید یا پیدا کنید، با SQL آن‌ها را تطبیق دهید، مغایرت‌ها را دسته‌بندی کنید و داشبوردی بسازید که نرخ تطبیق، عمر مغایرت‌ها و فهرست موارد باز را نشان دهد.
آماده کردن مدل معنایی برای پرسش به زبان طبیعی
پیشرفتهروی مدل پروژهٔ دوم، نام جدول‌ها و ستون‌ها را روشن کنید، برای measureها توضیح بنویسید و فهرستی از ده سؤال رایج مدیر با جواب درست آماده کنید. اگر به Copilot یا ابزار مشابه دسترسی دارید، سؤال‌ها را از آن بپرسید و ثبت کنید کجا درست و کجا اشتباه جواب داد و چه تغییری در مدل جواب را درست کرد.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
به نوشتهٔ سایت خودش، Perceptual Edge را در ۲۰۰۳ به‌عنوان مشاورهٔ مصورسازی داده بنیان گذاشت و این کار تا ۲۰۲۰ ادامه داشت؛ سایت حالا بیشتر آرشیو نوشته‌های اوست. در فهرست مشتریان قدیمش هم نام شرکت‌های سازندهٔ ابزار BI مثل Tableau Software، Microsoft، Cognos و QlikTech آمده و هم سازمان‌هایی مثل NASA.
به گفتهٔ سایت خودش، با کارگاه‌های بین‌المللی، شش کتاب و صدها مقاله در خبرنامه و وبلاگ، کار پیشگامانه‌ای در مصورسازی داده کرد و چند نوآوری گرافیکی مثل bullet graph را ساخت. از کتاب‌هایش Information Dashboard Design (ویراست دوم، ۲۰۱۳) به مشکلات رایج طراحی داشبورد می‌پردازد و Show Me the Numbers (ویراست دوم، ۲۰۱۲) به طراحی جدول و نمودار.
کار Few نشان می‌دهد طراحی داشبورد مهارتی جدا از کار با ابزار است. داشبوردی که در Power BI یا Tableau ساخته می‌شود می‌تواند فنی درست و برای خواننده بی‌فایده باشد؛ یاد گرفتن اصول خواندن سریع نمودار، کار تحلیل‌گر BI را از گزارش‌ساز به کسی تبدیل می‌کند که مدیر واقعاً از کارش استفاده می‌کند.
به نوشتهٔ سایت Kimball Group، دکترای مهندسی برق از Stanford دارد و پیش از کار در Metaphor و تأسیس Red Brick Systems، در Xerox PARC در ساخت نخستین ایستگاه کاری تجاری با رابط گرافیکی همکاری کرد. بعد Kimball Group را بنیان گذاشت که در پایان ۲۰۱۵ بسته شد.
طبق همان سایت، از میانهٔ دههٔ ۱۹۸۰ چهرهٔ اصلی روش ابعادی در انبار داده و BI بود، بیش از ۲۰ هزار نفر را آموزش داد و هم‌نویسندهٔ همهٔ کتاب‌های مجموعهٔ Toolkit است. طبق ویکی‌پدیا، روش او (dimensional modeling) یکی از دو روش اصلی طراحی انبار داده در کنار روش Bill Inmon است و The Data Warehouse Toolkit در ۱۹۹۶ منتشر شد.
مدل ستاره‌ای که Kimball جا انداخت هنوز در آگهی‌های ۲۰۲۶ خواسته می‌شود و Microsoft هم مستندات جداگانه‌ای دربارهٔ اهمیت star schema برای Power BI دارد. ابزارها عوض می‌شوند، اما کسی که می‌داند داده را چطور برای سؤال‌های کسب‌وکار مدل کند، روی هر ابزاری کار می‌کند.
طبق معرفی SQLBI، مشاور و مربی BI است و کار با Analysis Services را از ۱۹۹۸ شروع کرد. با Alberto Ferrari چند کتاب دربارهٔ Power BI، Analysis Services و Power Pivot نوشته و Microsoft MVP و دارندهٔ عنوان SSAS Maestro است. وقتش را صرف آموزش و مشاوره در DAX و مدل‌سازی داده برای Power BI می‌کند.
به نوشتهٔ سایت SQLBI، این سایت از ۲۰۰۴ مقاله، ابزار و آموزش منتشر می‌کند و DAX Guide را در ۲۰۱۸ راه انداخت؛ کتاب‌هایشان مثل The Definitive Guide to DAX را Microsoft Press منتشر کرده است. روسو در سپتامبر ۲۰۲۶ نوشت نوشتن DAX با AI امسال مؤثر شده و SQLBI دوره‌های تازه‌ای ساخته که از جمله خواندن و سنجیدن DAX تولیدشده با AI را آموزش می‌دهد.
SQLBI مدتی دربارهٔ نوشتن DAX با AI محتاط بود و وقتی نظرش عوض شد، آموزش را به سمت خواندن و بازبینی کد AI برد، نه کنار گذاشتن DAX. برای تحلیل‌گر BI هم همین معنا را دارد: دانستن DAX و مدل‌سازی حالا برای هدایت و سنجیدن AI لازم است.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Business Intelligence Analyst
تحلیل نیازمندی‌ها
A Bachelor's Degree
مدرک کارشناسی خواسته شده اما رشته مشخص نشده است. اگر رشته‌تان مرتبط نیست، پروژه‌های SQL و داشبورد در پورتفولیو جای آن را پر می‌کند.
مهمIntermediate-to-advanced SQL experience: ability to write advanced queries using joins, common table expressions, and window/analytic functions
مهم‌ترین شرط فنی. باید بتوانید بدون کمک چند جدول را JOIN کنید، منطق را با CTE مرحله‌به‌مرحله بنویسید و با window function کارهایی مثل رتبه‌بندی، جمع تجمعی یا مقایسه با دورهٔ قبل را انجام دهید.
ضروریExperience with data visualization software (e.g., Tableau, Looker, DOMO, or Power BI) to bring data insights to life for broad audiences
ابزار خاصی شرط نیست؛ تسلط روی یکی کافی است. مهم این است که داشبوردتان را مخاطب غیرفنی هم بفهمد.
ضروریBasic statistics proficiency: experiment design, hypothesis testing, statistical significance, probability, and distributions
در بسیاری از آگهی‌های BI آمار خواسته نمی‌شود، اما اینجا شرط است. باید بتوانید بگویید یک تفاوت در داده واقعی است یا تصادفی، و یک آزمایش ساده را طراحی و تحلیل کنید.
مهمAbility to translate business intelligence needs from a variety of stakeholders into technical execution and clear presentation
یعنی گوش دادن به سؤال مبهم یک مدیر، تبدیل آن به تعریف دقیق داده و کوئری، و برگرداندن جواب به زبانی که او بفهمد. در مصاحبه معمولاً با یک مثال واقعی سنجیده می‌شود.
ضروریStrong communication skills, with the ability to explain complex technical information to non-technical audiences
مخاطب شما مدیران و تیم‌های غیرفنی‌اند. توضیح محدودیت داده یا اینکه چرا دو عدد با هم فرق دارند، بخش همیشگی کار است.
ضروریExperience using dbt to transform, test, and document data
امتیاز است، نه شرط. نشان می‌دهد تیم BI در Carrot به کار مهندس آنالیتیکس نزدیک است؛ یک پروژهٔ کوچک dbt در پورتفولیو اینجا به چشم می‌آید.
مفیدExperience working with healthcare industry data or in other complex, regulated data environments
دانش حوزه امتیاز است. کسی که با داده‌های تحت مقررات (سلامت، مالی، بیمه) کار کرده، با محدودیت‌های دسترسی و حریم خصوصی آشناست.
مفیدFamiliarity with version control systems (Git preferred)
کد SQL و مدل‌ها در مخزن Git نگهداری می‌شوند. دانستن commit، branch و pull request کافی است.
مفیدتحلیل مسئولیت‌ها
Design and build data models in SQL with a focus on correctness, clarity, and reusability
پیش از داشبورد، جدول‌ها و viewهایی می‌سازید که منطق کسب‌وکار در آن‌ها یک بار و درست نوشته شده باشد تا بقیهٔ گزارش‌ها روی آن ساخته شوند.
Build and maintain dashboards and reports that track key business metrics and inform decision-making across the company
کار اصلی و دیده‌شدهٔ نقش. «نگهداری» یعنی وقتی داده یا تعریف عوض می‌شود، داشبورد هم درست بماند.
Conduct ad hoc analyses to answer high-priority business questions from stakeholders across the organization
کنار گزارش‌های دوره‌ای، به سؤال‌های فوری هم جواب می‌دهید؛ همان جایی که مرز با تحلیل‌گر داده کم‌رنگ می‌شود.
Collaborate with teams across Carrot to understand their data domains, reporting needs, and success metrics
باید بدانید هر تیم با چه داده‌ای کار می‌کند و موفقیت را چطور می‌سنجد؛ بدون این، داشبورد درست اما بی‌ربط می‌شود.
Contribute to data quality, documentation, and self-service BI capabilities as the function scales
مستندسازی و سلف‌سرویس یعنی کاربران بتوانند بدون شما جواب بگیرند. همین مستندات و تعریف‌ها پایهٔ قابلیت‌های پرسش به زبان طبیعی در ابزارهای BI هم هست.
Improved turnaround and consistency of reporting by creating reusable data models and reducing manual work
این از بخش «موفقیت در ۱۲ تا ۱۸ ماه اول» است: ارزش شما با کم کردن کار دستی و یکدست کردن گزارش‌ها سنجیده می‌شود، نه فقط با تعداد داشبوردها.
نتیجه‌گیری کلی
این آگهی تصویر روشنی از یک تحلیل‌گر BI در سطح میانی می‌دهد: SQL پیشرفته، یک ابزار مصورسازی به انتخاب خودتان، آمار پایه، مدل‌سازی داده و کار نزدیک با تیم‌ها. سال سابقه مشخص نشده و Python خواسته نشده، اما dbt و Git امتیاز است. حقوق پایهٔ اعلام‌شده ۹۸ تا ۱۲۵ هزار دلار است و مصاحبه یک «Performance Task» شصت‌دقیقه‌ای دارد. دربارهٔ AI، Carrot نوشته از همه انتظار دارد AI را مسئولانه برای بهتر و سریع‌تر کردن کار به کار ببرند.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
در گزارش Future of Jobs 2025 مجمع جهانی اقتصاد (WEF)، کارفرمایان شرکت‌کننده در نظرسنجی برای Business Intelligence Analysts در جهان از ۲۰۲۵ تا ۲۰۳۰ رشد خالص ۱۸٪ پیش‌بینی کرده‌اند. این نقش در فهرست ۱۵ شغل با سریع‌ترین رشد آن گزارش نیست.
منبع: WEF Future of Jobs Report 2025 (economy profiles, global net growth)
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
در گزارش Future of Jobs 2023 مجمع جهانی اقتصاد، کارفرمایان Business Intelligence Analysts را پس از متخصصان AI و یادگیری ماشین و متخصصان پایداری، سومین شغل با سریع‌ترین رشد از ۲۰۲۳ تا ۲۰۲۷ پیش‌بینی کرده بودند.
در گزارش Future of Jobs 2025 همان نهاد، رشد خالص جهانی پیش‌بینی‌شده برای Business Intelligence Analysts از ۲۰۲۵ تا ۲۰۳۰، ۱۸٪ است؛ گروه «Data Analysts and Scientists» در همین گزارش یازدهمین شغل پررشد است.
BLS آمریکا پیش‌بینی می‌کند اشتغال در گروه رسمی «Data Scientists» از ۲۰۲۵ تا ۲۰۳۵، ۳۵٪ رشد کند و سالانه به‌طور میانگین حدود ۲۴٬۸۰۰ فرصت شغلی ایجاد شود. O*NET آمار دستمزد و اشتغال Business Intelligence Analysts را زیر همین گروه می‌آورد و چشم‌انداز این شغل را «بسیار سریع‌تر از میانگین» می‌داند.
بخشی از کار ساده در حال جابه‌جایی است. Microsoft نوشته کاربران کسب‌وکار در Copilot همان چیزهایی را می‌پرسند که قبلاً به‌عنوان سؤال پیگیری از تحلیل‌گرِ سازندهٔ گزارش می‌پرسیدند، و در نظرسنجی WEF 2025 کارفرمایان «Data Entry Clerks» را جزو سه شغل با سریع‌ترین کاهش تا ۲۰۳۰ پیش‌بینی کرده‌اند. هم‌زمان طبق Indeed Hiring Lab، در دسامبر ۲۰۲۵، ۴۵٪ آگهی‌های data & analytics در آمریکا به AI اشاره داشتند. همان مستندات Microsoft می‌گوید Copilot بدون مدل معنایی آماده ممکن است جواب نادرست بدهد، و Microsoft برای آماده کردن مدل ابزارهای جداگانه‌ای ساخته است. از آگهی‌ها پیداست که ارزش کار به سمت تعریف درست متریک، مدل‌سازی و سنجیدن خروجی می‌رود: Block از تحلیل‌گر BI می‌خواهد استفادهٔ مسئولانه از AI را در تیم هدایت کند و Deliveroo حاکمیت لایهٔ معنایی را به BI Engineer سپرده است. تحلیل‌گری که فقط گزارش تکراری تولید می‌کند بیشتر در معرض این تغییر است تا کسی که مدل و تعریف‌ها را می‌سازد و جواب‌ها را توضیح می‌دهد.
منابع
اطلاعات این صفحه در تاریخ ۳۰ مهر ۱۴۰۵ از این ۴۲ منبع بررسی شده است.
- Business Intelligence Analyst — Carrot Fertility, US remote (job posting)
- Business Intelligence Analyst — Carrot (Wayback Machine copy)
- Business Intelligence Analyst — Block (Cash App), San Francisco (job posting)
- Business Intelligence Analyst — Block (Cash App), Toronto (job posting)
- Senior Business Intelligence Analyst – Product Analytics — ZoomInfo (job posting)
- Senior Business Intelligence Analyst — ZoomInfo (Wayback Machine copy)
- Senior Business Intelligence Analyst — Zego, London (job posting)
- Senior BI Analyst, Reporting & BI — HelloFresh, Warsaw (job posting)
- Business Intelligence Analyst (Contractor) — Doximity (job posting)
- Business Intelligence Analyst — Metron, Reston VA (job posting)
- Business Intelligence Analyst — Metergy Solutions, New York (job posting)
- Finance Business Intelligence Analyst — Match Group / Eureka (Pairs), Tokyo (job posting)
- Analytics Engineer – BI Platform (BI Engineer) — Deliveroo (job posting)
- Business Intelligence Engineer II — ZipRecruiter (job posting)
- Business Intelligence Analyst Salary 2027 — Robert Half US
- Business Intelligence Analyst Salary 2027 — Robert Half Canada
- Business Intelligence Analyst Salary 2027 — Robert Half UK
- Gehalt für Business-Intelligence-Analyst 2027 — Robert Half Deutschland
- Business Intelligence Analyst Salary 2026 — Robert Half Australia
- Business Intelligence (BI) Analyst Salary in India — PayScale
- Future of Jobs Report 2025 — World Economic Forum
- Future of Jobs Report 2023 — World Economic Forum
- Data Scientists — BLS Occupational Outlook Handbook
- 15-2051.01 Business Intelligence Analysts — O*NET OnLine
- Business Intelligence Analyst job trends — ITJobsWatch UK
- January 2026 US Labor Market Update — Indeed Hiring Lab
- Copilot for Power BI overview — Microsoft Learn
- Prepare your data for AI to improve Copilot results — Microsoft Learn
- About Tableau Pulse — Tableau Help
- Conversational Analytics in Looker overview — Google Cloud
- Genie — Databricks documentation
- Where we stand on AI and DAX in 2026 — SQLBI (Marco Russo)
- What is analytics engineering? — dbt Labs (Claire Carroll)
- Perceptual Edge — About Us (Stephen Few)
- Perceptual Edge — Library (Stephen Few's books)
- About the Kimball Group
- Ralph Kimball — Wikipedia
- Marco Russo — SQLBI
- About SQLBI
- Christian Chabot — Forbes profile
- Get started with Power BI Desktop — Microsoft Learn
- About Tableau Public