行行都搶手的Business Analytics到底是個什麼專業?

原標題：行行都搶手的Business Analytics到底是個什麼專業？

據說Business Analyst是最容易

給中國人提供H1B的工作

麥肯錫報告顯示

到2018年，美國將面臨200,000個數據分析人才的空缺

無論是金融/諮詢/網際網路

還是快消/零售/房地產

都在猛力挖掘BA大小牛們

那麼，Business Analyst到底是個什麼專業，又為什麼這麼搶手呢？

Business analytics是最近幾年來才冒出來的新專業。2013年紐約大學首次開設，之後美國各大高校紛紛效仿增設，於是BA如雨後春筍般湧現。我們今天從什麼是BA、BA學習的技能、它的申請以及前景這四個方面與大家講這個專業。

一

什麼是business analytics？

要解釋BA是什麼，首先要知道為什麼會出現business analytics這個專業以及它和傳統商科Business Analysis的區別。

business analysis 和 Business analytics 翻譯出來差不多，但前者是傳統商科，後者才是大數據風口浪尖上的新專業。傳統的business analysis主要是對公司運營、業務開展進行的分析，比如說發現新的商業需求，提出解決方案。這個領域雖會涉及一些銷售業績的數據分析，但總的來說還是定性為主導，數據分析一般都是起一個輔助的作用。要成為business analysis這個領域的精英，大多數會選擇商科課程，即使涉及到了相關數據分析，也是很簡單的。

進入21世紀後，一方面我們既能深刻感受到網際網路對我們的生產生活帶來的深刻改變；另方面，作為網際網路的原住民，我們也能容易地理解我們線上線下產生的大量數據。比如在淘寶上瀏覽一件冬季毛衣，那麼接下來淘寶的首頁推薦就會彈出來各種時下流行的冬季毛衣，而且可能推送的全是想買的……又比如在youtube上搜索了當季熱門綜藝節目，那接下來首頁上可能會出現的類似的節目推薦等。在我們瀏覽網頁的同時，Facebook、google、阿里、百度等這些企業，可以得到我們整個生命周期中的行為數據。

可以這麼說，google的搜尋引擎，淘寶、amazon的精準推薦，還有支付寶的信用體系等，這些都是大數據常見的商業應用典型。（但是大數據並不單單是一個數據或是一個技術，而是一個現象，它包括了不斷學習、迭代的技術，包括了數據、硬體、分析等各個層面的東西）。一個企業在積累了這麼多有效有價值的數據後，如果缺乏非常了解數據和商業的分析師，把這些數據轉化為非常有意義的商業信息，就不能利用這些數據為企業提供有價值的決策。這個時候企業就非常需要既非常理解商業模式又非常具備技術分析背景的專家，於是BA就應運而生了，BA，就是培養把商業模式和數據分析結合在一起的人才的一個專業。

二

business analytics學什麼技能 ？

培養BA就是培養一個既了解商業又懂數據分析的專業人士，訓練他們business、statistics、CS這幾方面的知識和技能。其中business和傳統的business課程相差無幾，就是財務報表、市場、管理、金融這方面的商業課程；專業課程外，BA還需要培養自己的商業靈敏度和嗅覺，怎麼理解，比如說能看到和找出一個小組teamwork裡想法上忽略的東西，他們teamwork裡面這個假設是對還是不對，可以從不同的維度參照對比。這種能力對於剛剛畢業的同學來說會薄弱一些，但是隨著工作閱歷的增加，會慢慢培養起來。

除了business，statistics統計學的技能是非常重要的，因為BA會接觸到非常多的modeling的東西，特別是在customer analytics，product analytic這些方面。一般統計學的對象是樣本，樣本就像是一批次產品中的幾箱，或是一群人中的幾個，又或是很長一段時間的某些時間節點，我們以它們的特性來估計總體的特性或對總體未來的變化進行預測。統計學的應用主要分為兩部分：描述統計學和推論統計學。描述統計學用於解決描述母群體性質的問題，例如我們常用的平均值和標準差，或是更為直觀的直方圖。而推論統計學則更多將數據模型化，用來對整體做一些推論。

例如：

我們熟悉的，顯著性檢驗，通過檢驗吃了藥的病人和吃安慰劑的病人是否有顯著的差異來推斷該藥物是否有效；

回歸分析，通過分析變量之間的依存關係，來做預測；

時間序列，最貼近於生活的莫過於對期權期貨價格的預測。

當前大熱的數據挖掘，也同屬統計學範疇之內。假設下面一個場景：假設一社區某年有100萬人申請上大學，他們想了解在這些大學生中，他們的性別、年齡、GPA、標化考試成績、家庭收入、父母受教育程度等這些因素對他們的申請是否結果造成的影響，於是社區開始收集數據、建立回歸分析模型，將申請結果作為因變量，其他因素作為自變量……以上就是一般的統計學中的一個例子，主要就是通過搜集整理描述數據，再運用一定的手段分析變量之間的依存關係來做預測。而當前大熱的BA中的統計方法就會學習如何建立和評估多變量的模型，這也是BA中統計部分的大頭。但統計中的抽樣、t-test，chi-square test，ANOVA這些用得不多，也不會教了。

作為business analytics persons，BA的最終落腳點是在analytics上，是考察他的一個分析能力，對於CS這塊的技能要求與傳統的CS教學有很大差別。一般來說BA都開設在商學院下，雖會涉及大量的計算機、編程知識與課程，但是商學院從學院本身的角度來說並不願意硬生生把學生培養成一個程式設計師或碼農，而是培養business data persons，企業中橋梁一般的作用，能夠運用數據和分析邏輯幫助企業解決實實在在的項目問題。

他們需要掌握的計算機知識，大致分為兩塊。

第一塊是database類

企業裡大量的數據都存儲在系統裡，比如一個大型電商的商品，動不動就是幾百萬的數量，你要對商品進行數據的分析，看商品數據的情況，那自己就會建一個小型的database.怎麼去設計這個資料庫和合理的layout，以及如果你的客戶需要這個數據，你怎麼給到別人，這些就是需要你考慮的問題了。這個過程我們稱為ETL（extract transform load），一個process data的過程，實現這個操作的常見工具就是 SQL，而SQL 語言非常多種，比如 MySQL，teradata，Oracle，以及現在比較火的Hadoop hive……

不同的語言對於每個指令有不同的操作方式，同學們不要太拘泥於syntax，畢竟ETL還不是數據分析的終點；也不用擔心只會一種或只會最general的SQL。不管是在平時學習還是將來面試中，BA訓練和考察的都是對SQL語言的熟練，建議大家找準一個language，進行合理的練習即可。那麼把數據找出來後，就是modeling的過程了，常用到的有Python、R、SAS這些programming的語言，這幾門語言不用同時掌握，根據自己的背景和目標行業來選擇是最好的，比如將來想進入電商和網際網路行業，那麼Python會是一個不錯數據分析的工具；R用在製藥、生物醫療這種純粹的data science行業比較多；SAS則常用在financial industry。等到數據提取出來後，最後就是data visualization，呈現的方式一般來說是做一個dashboard，比較常見的有PPT，excel，tableau，looker，R shiny package。在一些傳統公司，Excel和PPT的應用範圍是非常廣的，畢竟BA服務對象是business people，他們並不懂太技術的東西，excel和PPT對他們而言是最佳選擇，不要小瞧它們。Tableau和最近炙手可熱的looker類似，可以根據自己的需要去經常refresh你的實時數據再發布到網上，互動性很強。

第二塊是編程類

programming作為輔助的工具，這塊的技能要求不是那麼高。BA裡的編程和真正CS專業學生掌握的編程不是一個層次的，並不需要他掌握C++這些編程的語言。常見的工具就是R、Python、Java，會容易很多。對於處理劇增的海量數據時，它們可以幫助節省很多時間，相比起Excel就有效率多了。

大部分BA項目的課程都是圍繞三個階段：Deive，Predictive， Preive來展開，接下來我們介紹BA項目的核心會教一些什麼。

第一階段Deive：描述性分析

這個階段主要就是收集和分析歷史數據，將數據轉換為信息的過程。描述數據，最典型的就是用excel表格來製作報表，但是在這個數據大到excel往往裝不下的時代就會通過其他數據軟體來處理，比如R，tableau。這也是為什麼一些項目會開設處理原始數據和data visualization的課程，提高學生這方面的技能。

第二階段predictive：預測分析能力

這是BA課程最核心的部分，主要就是通過對過去的數據進行挖掘，了解數據之間的關係，對數據進行建模，能夠利用模型分析歷史數據對未來進行預測，做到「料事如神」。而建模又分統計建模和機器學習，統計建模和傳統的統計無差別，就是用數學公式定義各變量然後做分析。

機器學習是最近幾年流行起來的一個領域，也是人工智慧的核心。那麼你要對海量數據進行挖掘、處理，人工肯定是做不來的，那這個時候你就依靠機器，你通過一個模型，然後讓計算機按照你的模型去執行直到達到你需要的效果，這就是機器學習。預測分析目前在許多行業，包括零售業、技術、銀行、金融、網際網路等都有涉及。例如網際網路行業，通過客戶對網站瀏覽行為習慣行為、數據的分析，可以提供更個性化的網站體驗，也可以驅動客戶忠誠度。

第三階段preive：指導分析能力

這一階段也是BA分析過程的最後階段，有了之前的模型、了解數據之間的關係後，通過模擬和最優化預測最佳決策，能詳細的說明每個決策的含義，能「運籌帷幄」。比如，航空公司在分析數百萬條旅行線路數據的基礎上，每隔一小時就有規律地改變票價，根據供求最優化價格，實現利潤最大化。

三

Business Analytics職業前景

Business Analytics作為一個近幾年才興起的一種跨學科專業的複合型人才，就業範圍很廣，畢竟商業世界裡哪裡有數據，哪裡就有需求的職位，特別是中小型企業最近都在往analytics方向轉型，空缺是肯定有的。但需要注意的是BA的空缺雖然多，卻不集中，他們分散在各個地區的各個行業，比如IT、網際網路、遊戲、金融、零售、物流、旅遊、銀行、政府等。

在大型企業，比如說Facebook Linkedin Amazon Google，BA的傳聞其實沒有外界說的那麼大，其中的一個原因就是當他們公司的BA team build好之後，BA的需求就不是技術方面的了，他們對new grad的需求很少，而更需要senior level的BA去指導team來得到business insight。

1

職位

從工作職能上分，常見的BA的職位可以分成以下幾種。

Operation analytics：以沃爾瑪的電商BA為例，他們主要負責如何對網站用戶行為進行監測，即site analytics，對某一產品的點擊次數、瀏覽行為進行追蹤、分析。

Customer analytics：主要在市場部門下，比如選準哪些是targeted customer，怎麼做customer segmentation。

Product analytics：PA在矽谷比較流行，主要負責評價一些網際網路產品，去support PM。比如說一個新上線的產品，你怎麼評價它的使用情況是好還是壞。那PA需要track幾個指標，比如日活躍用戶、下載量、互動等，實際上是在support PM去做一些相關的決策。在美國PM並不會單獨做這方面的事，因為美國PM的崗位是非常高端的，只有很top學校的本科生，可以做到associate PM，還有一些人，做DS、程式設計師很多年，然後讀了一個MBA轉去做PM，所以產品經理在美國很值錢，能力很高。所以PA主要就是輔助PM的一個小助手。

People analytics：people analytics，顧名思義，分析people的，這塊HR用的比較多，比如說他們如何預測員工的離職率，如何激勵他們提高績效等。

2

行業

Consulting行業

一般分為技術諮詢和管理諮詢兩種類型，不過在兩種不同類型的企業之中，BA所承擔的工作是類似的，不同之處在於，傳統的管理諮詢領域BA起到團隊當中數據分析員的角色，為項目提供技術支持，而軟體和技術諮詢BA則幫助客戶更加熟悉地運用好自己的產品，他們的主要職責都包括利用客戶數據建立相關分析模型，負責統計分析的部分內容，如數據挖掘、數據預測、最優化分析，在團隊中提供技術援助；

IT行業

IT業的BA的工作多種多樣，主要取決於IT公司所在的市場類型。比如Amazon的BA會利用取得的內部和外部數據面向不同的客戶制定不同的行之有效的策略，利用機器學習建立推薦系統等；Linkedin的BA則是運用ABtest測試新的產品功能對業務方向做出指導，以及利用客戶數據發現有價值的信息，推進產品優化。

Pharmaceutical行業

醫藥行業的門檻相對較高，要求從業者一定要有相關的pharmaceutical背景，不僅僅在專業上無可挑剔，也能更快融入到相關行業。這個行業會涉及純粹的大量的數據科學，用R來做modeling多一些。

3

薪酬

至於BA的薪酬，據不完全統計，大陸發展的BA月薪在￥10K左右；而在北美或香港發展的月薪在￥17-18K左右，由於經驗和個人能力的不同也造成了比較大的方差，（8K-20K……）BA畢業之後的job title在不同的行業各式各樣，常見的有Business analyst、data analyst、市場調查員、數據分析師、數據挖掘時等，總之title都是帶有「analyst」和「數據」的這種，但不同的名字其實都是同樣的工作內容，也從側面烘託了各行各業對BA的需求。從大部分的BA工作描述上來看一般做的是一些比較基礎的工作，比如用SQL整理數據，VBA做process improvement，以及tableau和其他visualization的工具做dashboard等。到後面也許會用到、學到更深的一些東西，那都是看個人的造化了……

四

Business Analytics申請

2013年紐約大學首次開設BA碩士項目，一段時間裡開設BA項目都特別少，BA項目也是在成長、探索、完善中……

每個學校由於它的歷史、背景、本地的應用不同，他們的項目課程設置是不太一樣的，每個學校都會有自己項目的特別點。這裡與大家簡單介紹USC，UTAustin，MIT，Fordham這幾所學校的BA項目申請和錄取情況。

USC——BA

2014年開設，隸屬於Marshall school of business，為期18個月，每年秋季入學，次年秋季畢業；

課程分三類：general BA；statistical learning method，適合想往finance和consulting方向發展的同學；statistics modeling，適合想往更tech發展的同學；

據我們的不完全統計，這個學校喜歡錄取GT分數高的，比如2016 錄取學生平均GPA3.63，GMAT722+，GRE320+；另外如果申請人有在四大實習或者工作過，也是個大優勢。這個學校並不卡本科學校，有很多國內211、985，一些普通美本的同學就讀，只要申請人GT分夠高，都是很有希望的。

UT Austin——BA

隸屬UT商學院，為期10個月，夏季入學，次年夏季畢業；

2017屆學生平均GPA3.61，GMAT719；項目喜歡錄取有理工科背景的申請者，項目size 50-60人左右，中國學生10人左右，畢竟是個以白哥白姐為主的學校，所以不會出現大規模的中國人……；數學和統計的相關課程分數比較高的申請者錄取機率會提高很多；

項目就業率100%，項目本身有capstone，可以和大企業合作（沃爾瑪，visa，home depot，戴爾，IBM，intel等），但主要還是一些當地的傳統公司和諮詢公司。

MIT——BA

2016年秋季項目開設，2017Fall入學16個學生，平均GPA3.9。具有數學、科學、工程、計算機專業背景的學生比重高達80%，平均工作經驗0-2年；

文商科申請者，建議一定補充CS編程課程，其次，GT成績爭取刷到110+和750+或330+，才會有競爭力；

錄取率極低，可以申著試試，但不要抱希望。

Fordham——BA

2017級項目有70個人，中國學生比重高達80%。多數人本科是學會計、金融的。TG需要100+和320+，申請時上過statistics，forecasting，modeling可以加分；

地理位置極好，位於紐約曼哈頓中心，有很多公司；學生都很務實，比如大家會相互分享交流面試經驗，教授也認真負責，會指導找工作。

其他學校基本類似，

BA作為一門交叉學科，申請者大多擁有多種背景，常見的本科專業有經濟學、金融、金工、統計學、數學、以及其他的理工科。純文科同學不建議申請，比如漢語言文學、英語等專業，畢竟BA專業會有一定的申請要求。本科雖然不限專業，但是成績單裡最好出現過高等數學、線性代數、微積分、統計學、計量經濟學等。

編程背景是個plus（這個時候理工科背景的學生表現出了他們的競爭力，畢竟本身在數理方面的邏輯會比較好，學起來也不會吃力），沒有的話表現出要學得決心，這樣會讓招生委員會認可你。美國人對中國大陸的學校不太了解，除了清華北大中科大以及該院校熟悉的院校和戰略合作學校學生，其他學校在他們看來區分度都不是特別大，所以不用太擔心本科學校逼格的問題。專業背景不夠的同學，可以通過Coursera選課，上面的課程會被認可，有的同學就是利用Coursera刷了滿滿的證書，拿到了美國排名不低的大學的offer。

申請BA的幾點tips：

GRE和GMAT建議考GRE，GRE使用範圍大於GMAT，申請BA的同時還可以用它申請其他專業；

注意PS和essay的要求，寫出來的文書一定要customized，要能夠彌補GT成績的不足，突出個人的business mindset，leadership，同時也要表現出良好的文字功底和自己對商業問題獨到的insights；

很多BA項目最終錄取前都有面試，畢竟商學院的項目，非常在乎溝通能力，要提前做好準備；

實習對於申請BA的幫助很大，big name優先，沒有的話找小公司也行，永遠記住「聊勝於無」；

Resume多寫相關經歷，突出analytical experience，其他的表演藝術啥的就算了；描述自己的project的時候提現出business acumen和business goal，多使用專業的business 語言，比如我們經常使用的PPT，美國人一般不會說PPT，他們一般用slide這個詞，總之就是多寫一些美國人理解的詞，不要chiglish。

美國所有的BA項目都是under STEM，STEM OPT也從1年延到了3年，意味著大家將有更多的時間來爭取H1B的抽籤；即使沒有抽籤，積累3年的工作經驗回到國內發展也會有一個很廣闊的平臺。

至於到底要不要選擇BA這個專業，還是得看自己本身的選擇。希望各位同學都能自己認真的想一想自己將來想做什麼，這個專業符不符合本身的職業規劃、職業發展的預期，不要因為BA這個專業火大家都去讀這個。

●end●

返回搜狐，查看更多

責任編輯：