扫盲帖之新兴专业business analytics

• 

  留学费用

• 

  大学排名

• 

  选校系统

• 

  留学资料

BA专业的出现，完全是企业对于数据分析师用人需求所导致的，需求产生的原因，归根结底就是：大数据。大数据概念的提出可以追述到2002年，2007年移动互联网加速了企业经营数据的大量产生，传统的Excel，Word已经不足以支撑企业的财务，市场及运营决策。传统的business analyst对于足以撑爆Excel的数据量表示无从下手，而统计专业的员工在分析数据实验结果很在行，但是对于business和市场又是一窍不通。大量的数据处理需要相应的编程软件自动计算执行，计算机背景的人士在编程上没有问题，但是同样的，对于运用数据分析的结果支持企业运营决策也是一窍不通。所以诞生了business analytics或者data science这样的一类专业，培养同时拥有business，统计和计算机能力的专业人士。

Business analytics的学些内容主要有以下三点：business，统计，计算机

Business的学习内容，很好理解，和目前热门商科的学习内容非常类似，无非就是finance，marketing，accounting相关的内容，因为不管哪个行业，数据分析的作用都是支持企业的运营和决策。

传统的统计主要内容就是对已知的实验结果做显著性检验。传统商业招聘统计学专业的大多为市场调研机构，对于庞大的数据整体做抽样统计。现代企业的数据分析主要是学习如何建立和评估多变量的统计模型，最典型的就是回归分析模型。回归分析模型是现代企业数据分析的主要方法，除此之外就是时间序列，相关系数。

计算机技术简单来说就是三点：数据，编程，machine learning。数据很好理解，要有独立转化数据的能力。比如SQL：用来存储和查询structured数据，比如Programming：主要是用来处理unstructured数据，比如Map Reduce：用以快速处理分析庞大数据。这其中，SQL和Programming是最基本的。编程技术在美国运用非常广泛，国内用的比较多的是SPSS，和Excel一样拖拽数据就可以了。但是美国现在流行的数据分析方式是用写代码的方式操作，运用最多的就是R和Python。Machine learning 代替的就是前面提到的回归分析等统计模型方法，简单来说就是建模。

 >>>BA专业哪个大学比较好？

数据分析的作用主要就是支持商务决策(data driven decision making)，以下通过超市的例子讲三个数据分析的应用

Predictive Analytics：分析数据来预测未来可能发生的事情。超市发现客户过去三周内一直在买某类减肥食品，可以预测客户以后还要继续购买这个产品，超市会选择直接打印一张买二赠一的优惠券。

Descriptive Analytics：分析数据找出过去事件的特征和正在发生事件的趋势。超市的analytics team通过分析，发现客户购买的减肥食品都具备某个特征，比如是low sodium、low carbs，那具有这类特点的其他相关食品，超市会选择自动推荐给客户。

Prescriptive Analytics：分析数据来找出最佳措施、取得最优化的结果。情人节当天，超市断定避孕套需求很大，直接涨价20%;情人节后，避孕套价钱回归正常，但是事后避孕药涨价20%。(以上三个英文名字是采用INFORMS组织的。)

同样是做data scientist或者analytics的工作，在不同的公司，要求的技能和工作的内容会很不一样。

目前招聘data scientist的主力集中在以下三类行业：Information Technology、Insurance、Marketing/BI。金融行业尽管也有公司在招聘会machine learning的人，但是整体上机会不多。

IT类公司，大公司对工作划分比较细致，有人专门编程、有人专门做分析;公司规模越小的，对data scientist的编程技术要求越高，因为要cover everything。Google前段时间招聘quantitative analyst跟marketing部门合作，这个部门据说有40多个PhD，来自各个专业，负责设计各种模型和实验来帮助Google盈利; Google每年收200万份简历，HR筛选不过来，干脆也招个做machine learning的高手，运用machine learning来处理世界各地提交的简历;微软Online Service Division有跟marketing更接近的Data Scientist，也有很多学统计或者IE出身的Applied Scientist做randomized controlled experiment;而LinkedIn、Facebook的data scientist要求Java编程技术熟练，学Computer Science出身的最适合; Amazon强大的recommendation system，会根据浏览记录，推荐极其相关的东西。

Insurance行业需要的主要是Predictive Modeler，他们的总体目标就是要基于数据，预测在不同客户身上收多少保险费能最大化收益(optimize profits)，所有相关专业的它们都考虑，同时，传统行业也在加强analytics(他们一般不叫data science)，分析数据，用数据来支持决策。这类工作，一般更接近Business Intelligence(BI)和Marketing。