数据与 AI 素养已不再是专业人士的专属能力，而是职场的基本期望。遗憾的是，大多数企业的员工队伍尚未做好准备。
为了解组织如何应对这一转变，DataCamp 与 YouGov 合作，在美国和英国对 500 多位企业领导者进行了调研，发布了《2026 年数据与 AI 素养现状报告》。
研究结果呈现出清晰的趋势：
- 对数据与 AI 素养的期望迅速提升
- 员工队伍能力未能同步跟上
- 投资于结构化技能提升的组织，报告显著 AI 投资回报的可能性几乎是其他组织的两倍
以下是 2026 年数据与 AI 素养的含义，以及最新数据素养统计揭示的 AI 技能差距扩大趋势。
什么是数据素养？
数据素养是指为作出决策而读取、解读、分析和传达数据的能力。在职场中，数据素养不仅是技术性的数据分析技能，它还包括：
- 了解数据如何被采集与构建
- 解读仪表板与可视化图表
- 评估数据的质量与可靠性
- 将洞见转化为业务决策
- 向相关方清晰传达发现
职场中的数据素养早已不限于分析师。领导者越来越期望 HR、财务、市场、运营经理以及高管都能自如地使用数据。
数据素养统计（2026）
根据我们对 500 多位企业领导者的调查：
- 88% 认为基础数据素养对日常工作很重要
- 60% 报告其组织存在数据技能差距
- 仅有 42% 在全组织范围提供基础性的数据素养培训
- 74% 愿意为具备较强数据素养的候选人支付更高薪酬
这些数据素养统计显示，需求很高，但全企业层面的能力仍参差不齐。
什么是 AI 素养？
AI 素养是指在真实工作场景中理解、评估并负责任地应用人工智能工具的能力。AI 素养并不意味着要构建机器学习模型，而是包括：
- 理解基本的 AI 概念
- 以批判性思维评估 AI 生成的输出
- 将 AI 工具应用于业务流程
- 识别其局限性、风险与偏见
- 在治理规范下负责任地使用 AI
随着生成式 AI 工具与 AI 助手嵌入日常流程，职场中的 AI 素养正迅速成为一项基础技能。
AI 素养统计（2026）
我们的研究显示：
- 72% 的领导者认为 AI 素养对日常工作很重要
- 57% 表示过去一年中 AI 素养的重要性有所提升
- 59% 报告存在 AI 技能差距
- 仅有 35% 拥有成熟的、全组织范围的 AI 素养项目
- 69% 愿意为较强的 AI 素养支付薪酬溢价
AI 素养的期望提升速度快于培训体系的演进。
数据与 AI 技能差距：为何持续存在
尽管期望值很高，近三分之二的领导者表示其组织内部存在数据或 AI 技能差距。值得注意的是，AI 技能差距的核心并非高级工程能力。
领导者指出能力最薄弱的环节在于：
- 将信息转化为稳健决策
- 解读仪表板和 AI 输出
- 清晰传达洞见（数据叙事）
- 将 AI 工具切实应用于日常流程
- 管理数据质量、治理与负责任的 AI 使用
这表明真正的挑战在于职场的基础 AI 素养，而非专业化的开发技能。
换言之，大多数组织并不缺少 AI 工具，而是缺少应用层面的员工流利度。
AI 投资回报与员工能力：关键联动
2026 年报告中最重要的发现之一，涉及 AI 投资的回报。
总体来看：
- 21% 的领导者报告其 AI 投资获得了显著的正向回报
- 17% 报告完全没有看到正向回报
然而，对于拥有成熟、覆盖全组织的数据素养或 AI 素养技能提升项目的组织，情况大为不同：
- 报告显著 AI 投资回报的比例跃升至 42%
- 报告没有任何正向回报的比例降至 11%
这意味着，将 AI 投资与结构化的员工能力建设相结合的组织，获得强劲回报的可能性几乎翻倍。仅靠 AI 工具无法带来影响，关键在于员工能力。
为何多数数据与 AI 培训未见成效
大多数组织表示提供了某种形式的数据或 AI 培训。
- 77% 提供某种 AI 培训
- 76% 表示员工可获取数据学习资源
但仅有 35% 报告拥有成熟的、覆盖全员的技能提升项目。
领导者指出企业 AI 培训计划面临的一致性难题：
- 被动的、以视频为主的学习
- 缺乏动手项目与实验
- 岗位相关性弱
- 难以衡量培训 ROI
- 缺少结构化的学习路径
问题不在于认知或意愿，而在于学习设计。传统培训模式是为节奏较慢、较为专业化的技能而设，并不适用于 AI 素养这类快速演进、跨职能的能力。
2026 年最重要的数据与 AI 技能
最受重视的技能并不一定是深度技术型。领导者更看重：
基础性的决策与解读能力
- 数据驱动的决策制定
- 解读仪表板与可视化图表
- 数据分析与处理
基础性的 AI 流利度
- 理解 AI 概念
- 负责任地使用 AI
- 在业务情境中应用 AI 工具
- 使用 AI 助手
高级开发技能（如机器学习工程或 AI 工程）对特定岗位依然关键。但企业层面的竞争力取决于规模化的基础数据与 AI 素养。
核心悖论：高期望，低就绪
《2026 年数据与 AI 素养现状报告》揭示了一个持续存在的悖论：领导者期望在各职能中实现人与 AI 的协作；他们预期实现两位数的生产力提升；他们将数据与 AI 素养视为基础技能。
然而，结构化、覆盖全员的能力建设项目仍然罕见。
要弥合这一差距，需要从“内容传递”转向“能力构建”：
- 从被动学习转向应用实践
- 从一刀切培训转向岗位相关的学习路径
- 从一次性干预转向强化性、嵌入式学习
完成这一转变的组织，更有可能看到可量化的 AI 投资回报。
下载《2026 年数据与 AI 素养现状报告》全文
本文概述了关键定义、数据素养统计，以及关于 AI 技能差距的洞见。
完整版 2026 年报告包括：
- 企业 AI 技能差距的详细拆解
- 更深入的 AI 投资回报分析
- 培训成效基准
- 全球组织的案例研究
- 就业市场与薪酬溢价洞察
下载《2026 年数据与 AI 素养现状报告》全文，了解您的组织所处的位置，以及构建持久员工能力所需的条件。
数据与 AI 素养已不再是专业人士的专属能力，而是职场的基本期望。遗憾的是，大多数企业的员工队伍尚未做好准备。
为了解组织如何应对这一转变，DataCamp 与 YouGov 合作，在美国和英国对 500 多位企业领导者进行了调研，发布了《2026 年数据与 AI 素养现状报告》。
研究结果呈现出清晰的趋势：
以下是 2026 年数据与 AI 素养的含义，以及最新数据素养统计揭示的 AI 技能差距扩大趋势。
什么是数据素养？
数据素养是指为作出决策而读取、解读、分析和传达数据的能力。在职场中，数据素养不仅是技术性的数据分析技能，它还包括：
职场中的数据素养早已不限于分析师。领导者越来越期望 HR、财务、市场、运营经理以及高管都能自如地使用数据。
数据素养统计（2026）
根据我们对 500 多位企业领导者的调查：
这些数据素养统计显示，需求很高，但全企业层面的能力仍参差不齐。
什么是 AI 素养？
AI 素养是指在真实工作场景中理解、评估并负责任地应用人工智能工具的能力。AI 素养并不意味着要构建机器学习模型，而是包括：
随着生成式 AI 工具与 AI 助手嵌入日常流程，职场中的 AI 素养正迅速成为一项基础技能。
AI 素养统计（2026）
我们的研究显示：
AI 素养的期望提升速度快于培训体系的演进。
数据与 AI 技能差距：为何持续存在
尽管期望值很高，近三分之二的领导者表示其组织内部存在数据或 AI 技能差距。值得注意的是，AI 技能差距的核心并非高级工程能力。
领导者指出能力最薄弱的环节在于：
这表明真正的挑战在于职场的基础 AI 素养，而非专业化的开发技能。
换言之，大多数组织并不缺少 AI 工具，而是缺少应用层面的员工流利度。
AI 投资回报与员工能力：关键联动
2026 年报告中最重要的发现之一，涉及 AI 投资的回报。
总体来看：
然而，对于拥有成熟、覆盖全组织的数据素养或 AI 素养技能提升项目的组织，情况大为不同：
这意味着，将 AI 投资与结构化的员工能力建设相结合的组织，获得强劲回报的可能性几乎翻倍。仅靠 AI 工具无法带来影响，关键在于员工能力。
为何多数数据与 AI 培训未见成效
大多数组织表示提供了某种形式的数据或 AI 培训。
但仅有 35% 报告拥有成熟的、覆盖全员的技能提升项目。
领导者指出企业 AI 培训计划面临的一致性难题：
问题不在于认知或意愿，而在于学习设计。传统培训模式是为节奏较慢、较为专业化的技能而设，并不适用于 AI 素养这类快速演进、跨职能的能力。
2026 年最重要的数据与 AI 技能
最受重视的技能并不一定是深度技术型。领导者更看重：
基础性的决策与解读能力
基础性的 AI 流利度
高级开发技能（如机器学习工程或 AI 工程）对特定岗位依然关键。但企业层面的竞争力取决于规模化的基础数据与 AI 素养。
核心悖论：高期望，低就绪
《2026 年数据与 AI 素养现状报告》揭示了一个持续存在的悖论：领导者期望在各职能中实现人与 AI 的协作；他们预期实现两位数的生产力提升；他们将数据与 AI 素养视为基础技能。
然而，结构化、覆盖全员的能力建设项目仍然罕见。
要弥合这一差距，需要从“内容传递”转向“能力构建”：
完成这一转变的组织，更有可能看到可量化的 AI 投资回报。
下载《2026 年数据与 AI 素养现状报告》全文
本文概述了关键定义、数据素养统计，以及关于 AI 技能差距的洞见。
完整版 2026 年报告包括：
下载《2026 年数据与 AI 素养现状报告》全文，了解您的组织所处的位置，以及构建持久员工能力所需的条件。