羅村 BA 在讀，忍不住來答，字比較多，儘量寫全。先放一個本答案大概內容目錄～
：）
什麼是BA？
申請條件？
如何擇校？
BA到底學什麼？
BA就業情況如何？
1、什麼是BA，為什麼BA會這麼火？
通俗來說，BA是一個收集數據（data collection），對數據進行清理（data cleaning），分析數據（data analysis），從數據中提取商業見解（business insights）的過程。
商業分析，顧名思義，他是怎麼分析的？
最常見的分析有三種:
描述性分析（descriptive analysis）
——將一行行數據總結成能夠容易看懂的可視化圖形或者表格，如將一個數據文件可視化成條形圖、餅圖等。
預測性分析（predictive analysis）
——給定某些特定的獨立變量（independent variable）去預測一個依靠變量（dependent variable），如預測某品牌下一季度銷量或是預測消費者是否會繼續選擇某品牌。
因果分析（causal analysis）
——改變某一個變量將會如何影響結果，如是否在廣告投放上的增加會帶來銷量上的增加。
而BA這個專業，他的課程上的設置，也幾乎是圍繞這三種分析來進行的。
題主問為啥這麼多大學都開設了這個專業，因為他火啊！
這也和當下網際網路時代的發展息息相關，數據正在越來越滲透到人們的日常生活和工作中，人們已經進入到了大數據時代，因此若是有著數據分析相關的技能，就能更好地適應時代的發展。
BA呢，不管是在課程設置、還是未來職業發展上，都是緊扣這一熱點。
而相對於更多開設在各工程學院下面的數據科學（Data Science）專業，BA更多的是在各高校的商學院下面，不管是在申請的先決條件限制方面，抑或是學院在商業方面的資源上，BA相比DS專業都更易於申請，因此也受到更多申請者的青睞。
而幾乎所有BA專業在美國都是STEM認證的，也就是說國際生在畢業後可以擁有最長三年的OPT工作時長，相比非STEM專業，在求職時更具有優勢。此外在薪資結構方面，BA專業的起薪也逐年增高。
2、BA專業的申請條件有哪些？
專業：
對於，這個專業它對申請者的本科背景，沒有太大的限制。
對於許多本科純文科專業的同學來說，只要在本科時有修過相關課程並有相關實習經歷，都可以嘗試申請；
而對於商學院中原本會計或金融背景的同學，會更加友好。若是想申請BA，只要在申請文書中表明自己的想法和熱情，也不會成為申請的一個門檻；
對於其他理工科專業的同學，也比較友好。但是吧，理工科申請BA還是少數，如CS專業的同學一般會更多繼續深造本專業，數學等專業的會選擇統計學、數據科學等更專的專業。
總之呢，在專業基礎這一方面，一般各高校都會要求申請者本科時修過統計學、線性代數等課程。若是在申請過程中，你發現自己並沒有上過這些課，可以和申請學校溝通，看看是否能用Coursera等網課的形式取得證明。
而對於BA學習中最常見的編程軟體、可視化軟體等（比如SAS, Python 以及一些語言比如 R 語言）。若在本科時有使用操作過會屬於加分項，但不會這些常用軟體也不會成為一個障礙。
標化成績：
若想進入Tier 1 or 2的BA項目，託福100+，GRE320+（或GMAT 700+），GPA 3.5+也基本屬於標配。
實習：
需要和BA專業相關，是你需要在非常早期的階段（如大二）就需要開始考慮的，而大學教授的BA方面的課題研究，若是能夠參與，也會給自己的申請加分。
在實習或課題經歷中，也需要和自己的監督者多交流溝通、保持良好關係，為自己以後向他們請求一封推薦信打下基礎。
3、申請BA專業時，有哪些學校的哪些項目可以選擇，在選擇學校時要關注到哪些方面？
美國Top 50的學校中，有一半以上都開設了該專業，以下將列舉一些熱門學校的項目。
Tier 1：
麻省理工大學（MIT）的Master of BA (MBAn)
卡耐基梅隆大學（CMU）的MSIT: Business Intelligence & Data Analytics (BIDA)
西北大學的Master of Science in Analytics (MSiA)
哥倫比亞大學的Master of Science in BA
德州大學奧斯丁分校（UT Austin）的Master of Science in BA
聖路易斯華盛頓大學（WUSTL）的Master of Science in BA
明尼蘇達大學的Master of Science in BA
南加州大學（USC）的Master of Science in BA
杜克大學的Master of Quantitative Management等
Tier2 ：
威廉瑪麗學院
加州大學聖地牙哥分校
加州大學爾灣分校
羅切斯特大學
馬裡蘭大學
凱斯西儲大學等
在選擇學校時，應該根據自身水平，對比各高校官網所列舉的錄取標準來進行有目的性的擇校。而需要關注的角度也是多方面的。
如果你有在自己試著去查詢適合的院校，那麼可以根據以下的因素來進行考量：
錄取標準。
一般而言，錄取標準是和項目的總體質量成正比，也就是說項目總體質量越好，錄取標準就越嚴格。因此當遇到某個項目廣發offer時，就需要考慮其項目自身質量和是否值得去了。
該項目的校友資源情況。
許多新開設的項目，它可能並不具有非常成熟的校友資源網絡，在之後求職和networking的過程中可能會稍有障礙。而某些成熟的項目有著極為廣泛的校友資源網，求職時一般而言校友更願意refer自己同學校的學生到某個崗位。
學院的聲譽和知名度。
不要把目光僅僅局限於排名之上，可以在網上多做些research看看他人對學院和項目的評價如何，再做定奪。
學院的求職中心（career center）設立情況。
由於該項目基本都為就業導向，因此要考慮學院是否有單獨的求職中心，是否有全職的就業指導師（career coach），是否會給學生在求職過程中提供足夠的指導和training。
學院是否和各種大公司有合作關係？
許多優秀的學院是大公司的target school，因此在求職過程中，簡歷關卡或初次面試時相比其他學院也往往更有優勢。此外若是學院和大公司有合作關係的話，大公司往往也會來到學院進行宣講會或是學院會組織規模較大的career fair。
往屆的就業情況。
大多數高校官網都有上一年度的就業報告（employment report）提供下載，可以參考下往屆的畢業後就業率、起薪、行業等情況，同時也可以在LinkedIn上搜索校友的去向。
課程。
課程設置的是否合理，往往直接影響到了一個項目的總體質量，因此可以提前了解所學的課程內容，看是否是自己需要的，對就業是否有價值，具體課程分析將在之後的板塊詳細闡述。
4、BA專業到底在學什麼？
BA 既會有較多的technical課程，去鍛鍊學生的technical skills，如R、Python、SQL、Tableau等，也會輔以傳統的business課程，以培養學生的商業敏感度。
詳細來說，BA的學習內容包括以下幾點：
R/Python：
R更適合具備有統計學背景的同學運用，而Python則更適合用於機器學習、網絡爬蟲、人工智慧等領域。兩者初學的話難度差不多，因此根據個人偏好需要至少掌握其中一門語言。
R/Python都只是一門工具，因此不要過於糾結某個任務用這兩者中的哪個去完成，重要的是自己能用這兩個工具完成什麼事，只要能達到目的即可。
SQL：
可以說SQL是數據分析或者商業智能領域最重要的一個工具，資料庫的概念也被更多的公司所接納，學習好SQL會對未來工作有著很大的幫助，不僅要學會掌握基本的查找語句、GROUP BY、SUBQUERY、JOIN等常見語句，若有能力還需學會WINDOW FUNCTION、Dynamic SQL等更高端的SQL語句。
同時SQL也是在未來求職面試中最容易被考倒的問題之一，因此SQL的重要性不言而喻。除去學校內學習的SQL內容外，還十分推薦刷Leetcode上的SQL問題，若是能夠全部獨立完成，那麼也可以說是精通SQL了。
Tableau/Power BI：
這兩者都是數據可視化工具。在商業環境中，數據可視化也是一個非常重要的組成部分，通過數據可視化可以清晰地呈現給管理層一些僅通過看數字無法得到的商業見解，Tableau在真實商業環境中的運用更為廣泛，而數據可視化工具也不是特別難學，因此掌握的難度不是很大。
此外，這兩者都可以將不同的可視化圖形整合起來，做成一個儀錶盤，加入不同的交互性操作，更易於給上司或管理層留下一個較深刻的印象。
機器學習：
機器學習是一類從數據中自動分析獲得規律，並利用規律對未知數據進行預測的算法。機器學習分為監督學習（supervised learning），如回歸分析（regression）和分類（classification），另一個則是非監督學習（unsupervised learning），如聚類分析（cluster）。
BA基本都會覆蓋到以上的內容，而其背後的原理和如何解釋不同的模型也需要同學在學習過程中掌握。
自然語言處理（Natural Language Processing）：
由於現在社交媒體的高速發展，分析從「傳統的僅僅分析數字」到了分析「社交媒體上的文字內容」。自然語言處理就是在機器語言和人類語言間進行信息的「翻譯」。
該領域的學習是一塊新大陸，在BA項目中並不是所有學院都會開設改課程，開設的學院也大多是以選修課的形式呈現，然而該學習內容確實是非常具有價值值得深入學習的。
自然語言處理的知識點也主要包括了分詞（tokenization）、詞性標註（part of speech）、命名實體識別（named-entity recognition）、詞幹提取（stemming）、詞性還原（lemmatization）、聚類分析（clustering）、主題模型（topic modeling）等。
統計學：
統計學屬於BA的基礎課程，是一切分析的起點，雖然不需要學的很深入，但最基本的如不同種類的分布、相關性、總體與樣本、如何解釋回歸分析、和回歸分析中的一些常見元素如p-value等的概念都要理解並掌握。而統計學中的概念也是在未來求職面試過程中很容易被問到的知識點。
此外還有許多傳統商學院的課程，如經濟學、市場調研、消費者心理及行為分析、定價策略等，不同的BA項目都會有偏重地涉及。
5、最後要提到的就是專門的communication課程
communication在商學院中有著很高的地位，而作為BA，將學生培養的目的不僅是僅僅會操作一些工具，更要將從分析中得到的見解呈現給他人，因此培養學生的communication技能的重要性不言而喻。在整個項目過程中，學生大多會經歷數次presentation，鍛鍊自己溝通、傳遞信息的能力。
由上可見，BA整個項目學習的內容是非常緊湊而充實的，要在短時間內學習掌握到學多不同的知識點和工具，對於還處於申請階段的或是未來目標申請的同學，也可以早做打算，自學相關內容，在真正進入項目後的學習過程中也能得心應手。
而在真正進入項目後，由於受到項目時間短的影響，在課堂上並不太會把所有職場上所需要的技能全部學習精通，因此更需課後努力探索，力爭將某個技能學精學專、才能在實戰過程中遊刃有餘。
總體而言，BA專業受到總體項目質量設置十分優秀，並且順應了大數據時代發展的加成，無論是在國內還是在美國求職都是相對不那麼困難的。
作為學生只需要早有明確目標，按照自己的夢想公司對人才的需求進行努力，還是有較大機會夢想成真的。而雖然BA市場需求正在趨於飽和，但它依舊會是在未來很長一段時間內非常被看好且非常值得學習的項目。
今天的BA分享就到這裡啦～碼字不易，有幫助的話還請點個讚呀～～
作者：棕櫚大道來源：知乎著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。