我感觉这贴的贴主的回复有点像机器人回复...有感觉没

AI 给不了答案，得有人压 哈哈哈哈，我都要笑尿了这句式

我以为一直培训在现在这个 ai 知识平权的时代是没啥收益的，事实证明，我们远远低估了人民的知识和认知下限。被自己独有的认知限制了，反而看不到下面的人永远打不破那层墙

没有什么厉害不厉害，高级不高级的，你看到的厉害的人，那就那回事，对技术祛魅吧，测试圈没那么多高大上的搞头。本质都是一些会表演的专家获得高薪，有时候所谓的专家说的一些 ai 测试的一些流程啊花里胡哨的，说实话，一个有见识的小学生，问他几个本质问题，小学生都知道这个东西是几把毛用都没有的。

David Graeber 的《Bullshit Jobs》有说到，许多工作正在被部分 bullshitization。它们有业务价值、协作价值、产品价值，也让系统继续运转。但越来越多时间被周边动作吞掉：证明自己在做事，解释自己为什么重要，把普通事情包装成可汇报成果，把组织问题拆成更多流程问题。真正的问题是意义密度太低。成长斜率太低。真实价值被太多表演性动作稀释。这才是白领工作的精神摩擦。你不能诚实地说它毫无价值，也不能诚实地说它承载了你最深的追求。它一半真实，一半表演；一半生产，一半叙事；一半解决问题，一半证明自己在解决问题。

怎么说呢，市场有自己的利益逻辑，但它不保证公平，一项工作有价值，也不意味着企业一定愿意为它保留独立岗位、支付相应报酬。甚至长远来看企业依旧是正确的就很闹心了。

一般 300-500 储蓄可以搞个银行 vip，一般门槛也就 300 起步，定制的年化收益还是会比普通定期强的，现在定期不到 2 的利率，央行给的基准利率太低了

哈哈哈，bullshit job 的典型例子
连从事者本人都很难证明其必要性，却又必须假装它有意义的工作。这类工作不一定低薪，也不一定辛苦。很多时候，它甚至很体面。
它一半真实，一半表演；一半生产，一半叙事；一半解决问题，一半证明自己在解决问题。
最终还是现实的一个点：大家都只是打工的，在努力的讲故事谋求生存

个人做过开发，不过没有做过 C 端的，做过 B 端的，B 端逻辑本身可能会更复杂一点，开发本身没有大家想象的那么难，多少书系统难度不会高于你做一个图书管理系统太多，很多公司的中台都很粗制滥造，套的开源前端框架壳子，后端骨架也有很多通用的，至于 DDD 啥的，大多数不会对你的功能产生太多影响。不过这个前提是负责的开发项目不是流量千万上亿的大型项目，那种项目估计踩得坑会特别多。不过正常难度的开发，在 AI 时代，有点悟性的年轻人，学个几天基础的东西，用 AI 是很快能做出成品的，至于有没有打磨那就是另说了

由于没看到原平台样子，我大概根据你得描述推断一下，正常来说，数据资产是数据治理这个大方向的前提基座，类似于一个图书馆的检索系统，把散落在各种地方的表，以及附带的属性和业务域都收拢来统一管理。有了数据资产，就可以开始贯穿数据生产全链路，追求高质量和高可用性和高交付，比如指定数据口径（比如原子指标，派生指标，指标修饰词），管理数据模型，监控数据质量，追溯表血缘（如果数据有问题，好通过血缘关系定位）。一般来说数据的使用方和业务方挺多，有些甚至是老板直接看，比如核心资金的看板，营收之类，财务口径的数据，以及对外财报以及一些核心进销存之类的。在这个层次下，又会分化数据权限，那就是谁能看这些数据，以及数据挖掘，比如指导精细化运营，做客户画像加工，或者把数据做成数据服务，对接后端直接提供计算好的数据结果之类的，数据资产平台本身可能是更服务于业务的，但是不知道你们公司建设到了什么程度，一般鼻祖是 dataworks 这种高度成熟化的产品做自己自研的借鉴的