ba是什么专业:你对BA专业了解多少?

一、BA专业概览

BA是什么?
商业分析(Business Analytics)专业,简称BA,其本质是analytics(数据分析),是运用数据之间的关系和计算机模型来提高商业价值,改进决策制定和理解社会关系的一种方法。简单来说,就是将大量数据转化为清晰、可使用信息的一门科学。我们现在经常说到的Business Analytics专业,指的是以商科知识为前提、数理编程方法为手段,从数据分析优化企业决策的专业。


BA学什么?
BA课程主要包括三部分内容:计算机CS(数据结构与算法,机器学习)、数学(概率统计,微积分,线性代数)、商科(市场,管理)+金融。

详细来看BA的课程,总结如下:
■ 一门统计课,比本科的难度大一些(结合编程语言,大多数语言 python, R, SAS,三种选其一或二)。
■ 一门入门的编程课,为背景不够强的学生开设。属于 prerequisite course。
■ Database Management,主要用到语言是 SQL,有些学校也学 MS Access,比较基础的课程。主要学习数据录入、抓取、filter、排版、获取均值最大值。
■ Data Mining,在统计和编程语言学习之后,针对不同的数据类型分类、预测(这是两种最常见的分析手段),两种分析手段下有不同的模型,结合不同的数据应用不同的模型。
■ 机器学习,另一个名字是高级数据挖掘,基于数据挖掘,但是学到的模型更加复杂一些。针对的数据多样性更多,数据量更大,数据本身的计算方式更加复杂,对数据要求更高。
■ Optimization模型的最优化,涉及随机过程,包括 Stochastic Process。Optimization 中有不同的方式,不同的模型有 ES 不同的最优解。

除了上述的核心课程,剩下是选修课。不同的 program 最大的区别在于选修课。BA 是跨学科的专业,师资来源于不同部门,包括数学、统计、商学院,这三个院系是大部分,核心课程来自数学和统计,选修课结合统计和商学院的资源。选修课的不同依赖于商学院或者学校本身的强势学科。例如 Bentley(在波士顿),学校知名度不高,但是在美东地区非常好找工作,商学院的金融强势,就业、师资很好,涉及金融专业细分的各种 track:风险管理、金融、经济、保险。


Business Analysis与Business Analytics的区别
经常有学生对于这两类区别不是很理解,这里给大家做一个详述的分析,对应不同的背景,申请的专业偏向也是不一样的。
Business Analysis: 传统商科,BA专业的前身。核心是定性分析,以简单的数据分析为辅,分析整个公司的运营流程、开展的业务等方面,偏向于案例分析。它的分析技术包括常用的业务工具,例如SWOT和PESTLE分析。从项目设置来看,它属于传统商科的一个方向,一般设在MBA下面。
Business Analytics: 新兴的学科,大家所说的商业分析更多指的是这个。也有的项目叫做Data Analytics,核心就是数据分析,通过对数据的深度分析、挖掘来获取那些通过定性分析和简单的定量分析根本无法获得的insights。Business analytics通常与数据和报告相关。涉及技能,技术,绩效调查和信息搜索。包括统计或定量分析,数据挖掘,预测建模和多变量测试。
总结来说,Business Analysis重在process和企业组织的functions的问题研究上,而Business Analytics的体系结构在Data Architecture和Information Architecture上。在开设项目上,美国的BA专业设置更偏向于Data Analytics,英国一些专业会有细化在Marketing Analytics的方向。还有一部分项目设置是Business Analysis与Business Analytics结合。BA就业分析

二、BA就业分析

一般分为四个常见方向
❶ 金融领域:前台 moel tester 或者后台 risk control
❷ 咨询行业:典型的就业方向,解决不同行业的问题,着重 problem solving 的能力,翻译成数据能够解决的问题,反馈给客户
❸ 市场营销和市场分析:比如淘宝用户数据分析
❹ 互联网公司:网站维护,用户浏览等 hien insight 数据

常见的business analyst,ata scientist和ata analyst工作区别

Business Analyst在这个大数据时代,招聘的常见到的岗位business analyst所做的分析,大部分是escriptive analytics,即通过选取不同的角度,对过去数据进行可视化的呈现,以发现商业中的问题和机会,做出商业建议。business analyst一般不会亲自对数据进行建模分析,也不会使用R/Python。主要使用的工具将是SQL、Excel和PPT。Business Analyst除了技术上的pull、分析数据之外,将会有大量的general management、跨部门沟通的工作,对于语言、沟通能力、商业嗅觉的要求最高,技术上的要求则最弱。
Data Scientist的主要工作,就是建立预测模型,也就是做preictive analytics。除了建模之外,pull、清理数据的时间将会占用ata scientist百分之八十的时间。ata scientist所建立的预测模型,往往会被自动化coe进系统,所以很多企业也会要求ata scientist具备一定的编程能力,方便和engineering团队合作。Business analytics毕业生的建模能力和统计知识,其实是足够做Data scientist了,但general的编程能力,特别是python的编程能力,将会成为business analytics毕业生够不够格做ata scientist的分水岭。
Data Analyst一般就是对于企业的数据库系统以及数据的含义进行管理、确保数据的准确性和完整性。当企业领导层、business analyst和ata scientist需要数据的时候给予帮助,并且对持续不断的同类数据需求进行自动化,建立BI的基础设施。ata analyst常使用的工具就是SQL和Tableau。
综合来说,Business Analyst需求最大, Data Scientist是中国人在美国的强势领域,但编程能力不强的同学可能难以在这个领域出类拔萃。Data Analyst看上去工作最枯燥,但其实是个不错的打基础的职位。因为特别是大企业,商业分析、建模其实都不难,但把底层的数据到底啥意思整的明明白白其实往往是最难的一个环节。很多同学从ata analyst做起,后来转为ata scientist。


三、BA申请的背景要求

最好是会编程、数据处理软件:SAS, Python 以及一些语言比如 R语言。学校希望你能具备这方面的能力,但是相对于CS, ata science 的要求是低的,不必须要会熟练掌握 programming。

同时,很多的 BA 项目对申请者都表达出很强的包容性。即便没有编程、数据处理软件的相关知识,但是可以让学校看到你的学习能力也是可以的。有些学校项目对背景要求比较严格(如 UT Austin),推荐网站 Coursera,可以修 BA 的相关课程来提升自己的背景。  

相关推荐

相关文章