BA商業(yè)分析專業(yè)簡介及就業(yè)方向總結

BusinessAnalytics到底學什么，很多同學都有這個問題，網(wǎng)上有些解釋比較籠統(tǒng)，大多也是沒讀過BusinessAnalytics的人士總結的。BusinessAnalytics不僅在國內沒有任何大學開設過這個專業(yè)，就算是在美國也是最近幾年才涌現(xiàn)出來的一個新興學科。BA本身就是一個比較大的概念，在沒有誕生BA專業(yè)之前就業(yè)市場就早已存在“商業(yè)分析”這樣的職業(yè)。傳統(tǒng)商業(yè)分析雖然也要運營到對數(shù)據(jù)的分析，但核心是以定性分析為主，輔以商業(yè)分析工具/模型來提供商業(yè)咨詢與決策的依據(jù)。而近10年來出現(xiàn)的商業(yè)分析類職業(yè)（后稱量化商業(yè)分析）其實是數(shù)據(jù)分析下的細分（商業(yè)應用分析它以定量分析為核心，工作內容中占大頭的是數(shù)學建模、統(tǒng)計分析、數(shù)據(jù)挖掘、編程和量化分析工具的應用，商業(yè)的定性分析只占小部分，不難看出，這其實完全是兩類不同的職業(yè)。要回答B(yǎng)usinessAnalytics學什么，就要先明白為什么會出現(xiàn)BusinessAnalytics這個專業(yè)？BusinessAnalytics專業(yè)的出現(xiàn)，完全是被社會企業(yè)用人的需求所倒逼出來的。而這個需求的誕生，歸根到底就是三個字：大數(shù)據(jù)。2007年移動互聯(lián)網(wǎng)出現(xiàn)后，企業(yè)經營的數(shù)據(jù)大量增加。以前企業(yè)用Excel、Word做做財務、市場、運營的分析就可以了，現(xiàn)在出現(xiàn)了大量新的數(shù)據(jù)可以幫助企業(yè)了解消費者、提升運營水平。大家都知道數(shù)據(jù)是金礦，于是肯定要人去分析這些數(shù)據(jù)。但以前企業(yè)的business-analyst一看到這樣大量的數(shù)據(jù)就傻眼了。數(shù)據(jù)往往大到下載到excel里面直接excel爆掉的程度。即使切成小塊，動不動幾百列的數(shù)據(jù)，缺乏統(tǒng)計知識的傳統(tǒng)business-analyst完全不知道怎么去分析。于是有的企業(yè)說，我們不是有統(tǒng)計專業(yè)的同學嗎，把他們從生產車間、制藥實驗室里面拉出來，讓他們來分析分析。結果發(fā)現(xiàn)統(tǒng)計專業(yè)的同學對分析實驗結果很在行，對business和市場卻是一竅不通。另外，傳統(tǒng)的business-analyst和學統(tǒng)計的同學，面對儲存數(shù)據(jù)的系統(tǒng)、逐漸流行的分析數(shù)據(jù)的開源軟件，也就是計算機方面的東西，明顯知識儲備不足。但找學計算機的碼農來做數(shù)據(jù)分析，他們對商業(yè)和統(tǒng)計知識基本一無所知。也就是說，分析企業(yè)中的數(shù)據(jù)，也就是businessanalytics這個領域，是business、statistics和computerscience三個領域知識的結合。傳統(tǒng)的businessanalyst、statistician和碼農如果能夠合體，才能成為適合新時代的businessanalytics人員。于是企業(yè)要求學校，特別是商學院，開設這樣的專業(yè)，培養(yǎng)對business、統(tǒng)計和計算機都有所掌握的人員，于是businessanalytics孕育而生?？吹竭@里你應該明白了，businessanalytics要學的東西，就是三個方面：business、統(tǒng)計、計算機。這里的business和大家熟知的business的課程是一致的，就是marketing、finance這些。但是統(tǒng)計和計算機，則和傳統(tǒng)的統(tǒng)計和計算機教學有很大的差別。傳統(tǒng)的統(tǒng)計，主要是學習對實驗結果做顯著性檢驗，比如一隊小白鼠吃藥，一隊小白鼠不吃藥，誰的身體比較好？有沒有顯著性的差別？以前商業(yè)中大量招聘統(tǒng)計專業(yè)同學的是市場調研機構：一隊消費者看了廣告，一隊消費者沒看廣告，誰對品牌認知度高？有沒有顯著性區(qū)別？另外，統(tǒng)計講究抽樣，消費者太多沒辦法一一訪問，于是抽樣，于是就要看抽樣的合理性?，F(xiàn)代企業(yè)中的數(shù)據(jù)分析，可以說和這些傳統(tǒng)的統(tǒng)計方法，有了很大的改變。businessanalytics的統(tǒng)計知識，主要是學習如何建立和評估多變量的統(tǒng)計模型，最典型的例子就是回歸分析模型?；貧w分析在傳統(tǒng)的統(tǒng)計中，可能只是重要的一塊而已，而在businessanalytics的教育中的統(tǒng)計部分，幾乎是全部。除了回歸分析（包括邏輯回歸其他businessanalytics中要學的統(tǒng)計知識差不多也就是相關系數(shù)、時間序列之類，也都是小頭。傳統(tǒng)統(tǒng)計中的顯著性檢驗、抽樣方法，businessanalytics基本不教。businessanalytics只用學其中可能是最簡單的三塊：第一就是數(shù)據(jù)庫和SQL，因為企業(yè)里面數(shù)據(jù)都是儲存在系統(tǒng)里面的。你要分析數(shù)據(jù)，首先要知道怎么把數(shù)據(jù)按照你要的方式提取出來。這就是用SQL寫代碼提取數(shù)據(jù)。學校一般不會花很多時間去教你，但是這個是學、做analytics的基礎的基礎。第二就是學習怎么在統(tǒng)計軟件中進行編程。以前提到分析數(shù)據(jù)，國內最熟悉的是SPSS，像Excel一樣妥妥拽拽就行了。但其實美國根本就沒人用?，F(xiàn)在分析數(shù)據(jù)的流行工具，必須通過寫代碼的方式進行操作，最典型的工具就是R和Python。這里的編程，其實是統(tǒng)計編程，和真正編網(wǎng)站的C語言、Java是很不一樣的，也容易的多，但是仍是類似的編程思維。第三要學的計算機知識就是現(xiàn)在最流行的機器學習，機器學習基本上是代替和補充前面所說的回歸分析等統(tǒng)計模型方法。做的事情幾乎是一樣的，就是建模，但做的方法是計算機的。不過很多原則其實和統(tǒng)計的回歸分析是一樣的，也都是用R或者Python的代碼來實現(xiàn)，實現(xiàn)起來，不會比回歸分析難太多，大家大可放心。我們來舉個企業(yè)里面數(shù)據(jù)分析的例子來對應相應businessanalytics要學的技能。你要分析可口可樂的廣告投放是否有作用。傳統(tǒng)的businessanalyst說了一堆邏輯，只有簡單的數(shù)據(jù)圖表支持。你說，啥年代了，還不拿歷史存儲的大數(shù)據(jù)說話？市場調研公司里面的統(tǒng)計專家告訴你應該抽樣發(fā)問卷調研消費者，你也讓他一邊去，過去廣告投放的時間、區(qū)域和銷量的變化數(shù)據(jù)全調出來進行多變量的建模，還搞什么抽樣調研。于是你作為businessanalytics的畢業(yè)生，首先運用對business、市場的知識對問題進行分析，比如，廣告是如何影響銷量的？投少了會不會沒作用？投多了是不是邊際效應遞減？除了廣告之外，還需要考慮哪些其他的變量？電視、互聯(lián)網(wǎng)廣告，是否有1+1大于2或者小于2的內在聯(lián)系？商業(yè)分析的框架搭好后，就是數(shù)據(jù)分析了。你首先非常熟悉公司的數(shù)據(jù)庫架構，然后用學過的SQL知識寫SQL代碼把數(shù)據(jù)從數(shù)據(jù)庫里按照你的要求提取出來。進行了簡單的數(shù)據(jù)清理整理探索之后，你就開始建立統(tǒng)計回歸模型，而這個建模的過程，你都是在R或者Python通過寫代碼完成的。你可以在R或者Python里面除了回歸分析，也試試機器學習，對回歸分析進行一個補充，比如檢查是否有些變量被回歸分析的模型所遺漏。這些也就是在R和Python里面多寫幾行代碼。最后，你run出了模型的結果，你要用你的統(tǒng)計知識對結果進行分析，判斷廣告到底對銷量是如何影響。最后結合你的business的知識，對你的老板進行匯報。就業(yè)方向就業(yè)方向01互聯(lián)網(wǎng)方向互聯(lián)網(wǎng)科技公司內部，我們熟知的谷歌，IBM，國內的有BAT，可以說是數(shù)據(jù)的天下了，所以商業(yè)分析可以選擇的崗位非常多。如果你是理科類的又在編程能力方面非常強，可以選擇去做軟件工程師；如果商業(yè)能力比較強，可以選擇去業(yè)務崗，比如運營、datascientist等。02市場營銷方向（分析類）可以敲黑板劃重點，其實商業(yè)分析最開始出現(xiàn)就是在市場營銷上，但是當時可能技術沒那么發(fā)達，大多通過人工來取得客戶資料等等，比如說市場營銷的市場分析、用戶分析、用戶行為分析等等。隨著時代的發(fā)展，市場營銷這個領域也在不斷發(fā)展，崗位對于人才的要求也越來越高，主要體現(xiàn)在越來越多的數(shù)據(jù)分析，而BA這個專業(yè)正好解決了這個需求也就是恰到好處的對口專業(yè)。03金融方向金融行業(yè)的數(shù)據(jù)應用也是比較多的，主要分為投資和信用風險類，可以選擇的崗位有QuantitativeResearcher，QuantitativeTrader或者DataScientist。學金融的學生如果讀碩士選擇BA，我覺得應該對專業(yè)有所加持。巴菲特都曾說過金融模型對投資決策起著決定性的意義。試想一個學金融的又修了BA，既懂金融，又懂商業(yè)分析，其優(yōu)勢不言而喻。04咨詢方向BA專業(yè)畢業(yè)的學生，最適合的行業(yè)之一必然少不了咨詢，咨詢在國外也是一個很主要的就業(yè)方向。外企咨詢公司-如麥肯錫等。咨詢行業(yè)是最合適對口BA，因為BA專業(yè)的學生擁有商科背景，溝通表達能力絕對是佼佼者。在擁有編程和數(shù)據(jù)分析的基礎下，在咨詢公司做偏向tech的consultant或者datascientist可以說如魚得水。BA方向的高就業(yè)率是和其大部分成長性較低的屬于后臺性質的崗位綁定的，換句話說，大部分找到BA類工作的實際上是在做偏后臺的工作，所謂偏后臺的工作，其基本特征就是所做的工作重復性、機械系高，思考性、不可替代性低，因此職業(yè)成長性低。（這里的不可替代性是隨著科技進步和衍生的計算機程序化、數(shù)據(jù)分析智能化的發(fā)展而向下的，理論上每過一天，該職業(yè)的不可替代性就會下降一些。）所以BA方向要找到具備較高職業(yè)成長潛力的工作還是很難的，如果是文商科轉專業(yè)來讀個BA碩士，畢業(yè)后做businessanalyst/dataanalyst（不管叫什么，實際看JD描述是偏向“傳統(tǒng)商業(yè)分析”的工作）自然是可以，其實你不讀BA碩士也完全可以做。但如果要datascientist（看JD描述是偏向“量化商業(yè)分析”特別是職業(yè)成長速度較高的那類是幾乎沒可能的。因為這些高成長的職業(yè)從業(yè)群體中絕大部分是博士學歷，且大部分都是數(shù)學、計算機軟件工程或強相關的專業(yè)出身,有不少本科就是這類專業(yè)，而非半路轉量化。按此邏輯，并不是說你讀個博就能大大提高從事“量化商業(yè)分析”工作的，你讀個數(shù)學和編程的應用程度不夠高的博士可是不行的，這和你的博士期間的專業(yè)、研究方向及研究方法息息相關。BA這類職業(yè)的天花板大多數(shù)情況下就是DS的這個方向，小部分情況下可以通過成為管理型人才的方向去突破職場瓶頸。而要朝DS這個方向突圍，不單是我最開始說的博士學歷的問題，而是自身底子在數(shù)學、編程方面是否扎實，要讀博也得是這個方向的博才可能有一定的競爭力去爭取DS的崗位。但是BA專業(yè)畢業(yè)后找成長性較高的工作往往不能盯著BA這個崗位走，產品經理、商業(yè)咨詢師、管理咨詢師、研究分析師、行業(yè)研究員這些實質上工作內容中涉及親力親為去做quant類BA比重極低，而qualitative類分析比重較高的方向才是比較合適的定位。于是問題就來了,BA這個專業(yè)目前已經是火到不能再火的狀態(tài)，但社會實際需求并沒有這么高（讀個名校去做低成長性的BA，對很多學生來說好像