Business Analytics（商业分析）专业手册

专业介绍

Business Analytics（BA）专业简介

2011年麦肯锡发布了大数据行业报告，从市场需求方面肯定了未来数据分析人才的价值，让世界知道了“大数据”的概念，同时也催生了全世界范围内高校开办大数据相关专业的热潮Business Analytics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。Business Analytics是将大量数据转化为清晰、可使用信息的一门科学，目的是帮助企业进行合理决策。早期IROM （Information, Risk, &Operations Management）的数据分析方向是BA 的前身，类似的专业还有应用统计学、数据挖掘信息系统管理等。项目通常要求学生有一定的数理背景，在英文表达方面也有相应的考察。

Business Analytics VS Data Science

从原型来看, BA是由MS in Statistics下的Applied Statistics分支发展进化而来，其理论基础是统计学，也包含了Data Mining和Regression Model的运用。

DS 是由计算机科学（Computer Science）为基础，进化而来。与BA 不同，其理论基础包括工程学、计算机工程和计算机科学。DS 涉及到的专业知识还包含了Machine Learning/Cloud Computing/Optimization 等。

从学科内容设置及申请背景来,Data Science = 30% Statistics + 50% Computer Science + 20% Application。

DS 专业对申请人背景要求较高，适合于理工科背景的同学申请，有一定编程基础的同学也可以申请，量化背景较强的商科专业，比如金工，同样也适合于申请DS 专业。

Business Analytics = 40% Statistics + 30% Computer Science + 30% Business

BA 对于申请人的背景要求没有过多限制，文科、商科、理工科背景的同学都可以申请。

从就业方向来看,DS的就业方向包括Data Scientist 、Data Engineer 、Data Analyst 等，就业面非常广，主要的工作内容包含数据模型的建立、数据架构、数据监管与存储等，目的是为了将数据整理好，使其存储成本最小化，查询的效率更高。

从就业数据来看，Data Science 在美国更容易找到工作，并且DS 项目一般设在工程学院下，属于STEM 项目，在OPT 期限长度和工作签证方面都受到政府的青睐，加上偏技术的工作对语言交流的要求也不是很高。

BA 的就业方向主要在投行、四大、咨询、科技公司等，在不同行业中专门从事行业数据搜集、整理、分析，并通过数据对相应行业进行调研，就业前景非常广阔。

在大数据时代，很多行业都需要擅长挖掘和分析数据的人才，例如IT 、互联网、咨询、通信、金融、医药、零售等，因此很 BA 专业的毕业生很抢手，薪资待遇也很不错。Business Analytics 的优势是在回国后的就业面更广，可以去技术岗，也可以做咨询或市场，去VC / PE 的也不少，能力更加多样化，回国发展的同学占大多数。

专业及课程设置

美国 BA 专业情况介绍

目前美国大约有 130 所学校开设了 Business Analytics 或相关类似专业。从专业的名称来看，大部分学校都是叫 Business Analytics, 根据开设课程和所在院校的不同，也有的学校开设的项目叫做 Analytics, Data Analytics, Applied Analytics, Customer Analytics, 或Predictive Analytics 等等。在所有 130 个项目中，所在大学综排在 1-30 名的有 17 所。专业的时间长度大多数是 1-1.5 年，绝大部分 BA 项目是属于 STEM 项目，毕业后最长可获得 36 个月的 OPT 时间。从设置的院系来看，这个专业多数设置在商学院下，如MIT、杜克等，有些设置在工程学院下，如加州大学伯克利, 也有设置在信息学院下的如 CMU，还有和统计大类一样开设在 general graduate school 下的如 Georgetown。设置在工程学院及信息学院下的项目，对数学背景和计算机背景要求都很高。BA 硕士绝大多数都是以就业为导向的，从贴合就业实际的 Big data—analytics work 角度来培养学生。课程也以实用居多。因此不建议计划进一步读博的学生申请。

课程设置

每个研究生院的课程设置不一样，有各自不同特色。BA总课时数大约 12-16 门课，1-2 门 leadership/project management，还有 7-8门是核心课数据分析相关：

    有一门统计课，比本科的难度大一些（结合编程语言，大多数语言 python, R, SAS，三种选其一或二，一年之内三种语言学精通不现实）。

    提供一门入门的编程课，为背景不够强的学生开设。以上为prerequisite

    Database Management，主要用到语言是 SQL，有些学校也学 MS Access，这是比较基础。学习数据录入、抓取、filter、排版、获取均值最大值。

    之后是 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。

    接下来是时间序列，内容包括Arima，预测时间序列，应用在金融、天气气候的数据。

    之后上更高级、predictive 的 model，时间序列中有 distribution，结合 data mining，有专门的predictive analytics 的课程。

    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。

以上是基本每个项目都会多少有涉及的核心课程，剩下是选修课，选修课没有通用的模版介绍。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。

就业方向

BA 的就业方向主要是当数据分析师和咨询师。在不同行业中专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测。虽然这是一个较新的专业，但却有很好的就业前景。在大数据时代，很多行业都需要擅长挖掘和分析数据的人，例如 IT、互联网、游戏、通信、金融（券商、投行、基金、资产管理）、医药、咨询、零售等。像麦肯锡，贝恩，波士顿咨询MBB 三家去年都收购了专门的 BA 部门做数据分析。因此BA毕业生都比较抢手，就业率基本大于 90%，而且薪资水平也较高，平均年薪在 7 万-8 万美金左右。BA 相对于其他专业的不同的点：是个工具，不是一个行业。

就业方向主要分4 块：

1.     金融：可以成为前台model tester 或者后台risk control

2.     咨询：非常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

3.     市场营销和市场分析：比如淘宝用户数据分析

4.     IT，互联网：网站维护，用户浏览等hidden insight 数据

背景要求

申请上先修课程一般会要求数学课，常见的如微积分、多元微积分、线性代数、统计。具体的因学校而异。计算机方面理想状态需要会编程、数据处理软件： Python、R语言或者SQL、SAS语言等。学校希望你能具备这这方面的能力，但是相对于 CS/Data 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。对于有心想申BA的同学，建议第一初步了解目标院校和专业，然后针对性查漏补缺，如果是先修课程的缺乏，可以去上慕课如Coursera的证书课程，补充相关课程来提升自己的背景，有的学校更加严格，不接受证书课程，要求带学分和成绩，这种大家可以利用暑假去到美国的大学校园上暑期学分课程来补充，同时增加一个国际多元化背景。如果暑假不方便出去，也有一些大学提供线上带学分和成绩的课程。

选校参考

Business Analytics 项目综述

与其他传统项目不同，BA 和 Data Science 这类相对新兴的学科目前还没有接受度较广，较为权威的专业排名。有的名校开设 BA 项目很晚，虽然学校名气大，但项目扎实度还无法考量。而有的学校虽然综排不前，但 BA 专业开设已有一定时间，在当地声誉很好，且项目经过几年的调整课程设置也趋向合理。除了排名以外，各个学校 BA 项目对申请者数理编程背景的要求高度也会有所不同，需要参考过往录取学生的背景，结合学校官网给出的要求，比对自身背景选择偏文商的或者偏理工的项目。

对商分项目更详细的介绍，可以参见网站-院校库-热门专业开设院校，或者咨询我们的顾问老师。