BA商業(yè)分析專業(yè)簡介及就業(yè)方向總結(jié)

BusinessAnalytics到底學(xué)什么，很多同學(xué)都有這個(gè)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(jié)的。BusinessAnalytics不僅在國內(nèi)沒有任何大學(xué)開設(shè)過這個(gè)專業(yè)，就算是在美國也是最近幾年才涌現(xiàn)出來的一個(gè)新興學(xué)科。BA本身就是一個(gè)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(yùn)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(shí)是數(shù)據(jù)分析下的細(xì)分（商業(yè)應(yīng)用分析它以定量分析為核心，工作內(nèi)容中占大頭的是數(shù)學(xué)建模、統(tǒng)計(jì)分析、數(shù)據(jù)挖掘、編程和量化分析工具的應(yīng)用，商業(yè)的定性分析只占小部分，不難看出，這其實(shí)完全是兩類不同的職業(yè)。要回答B(yǎng)usinessAnalytics學(xué)什么，就要先明白為什么會(huì)出現(xiàn)BusinessAnalytics這個(gè)專業(yè)？BusinessAnalytics專業(yè)的出現(xiàn)，完全是被社會(huì)企業(yè)用人的需求所倒逼出來的。而這個(gè)需求的誕生，歸根到底就是三個(gè)字：大數(shù)據(jù)。2007年移動(dòng)互聯(lián)網(wǎng)出現(xiàn)后，企業(yè)經(jīng)營的數(shù)據(jù)大量增加。以前企業(yè)用Excel、Word做做財(cái)務(wù)、市場、運(yùn)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(fèi)者、提升運(yùn)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(dòng)不動(dòng)幾百列的數(shù)據(jù)，缺乏統(tǒng)計(jì)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(jì)專業(yè)的同學(xué)嗎，把他們從生產(chǎn)車間、制藥實(shí)驗(yàn)室里面拉出來，讓他們來分析分析。結(jié)果發(fā)現(xiàn)統(tǒng)計(jì)專業(yè)的同學(xué)對分析實(shí)驗(yàn)結(jié)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(xué)統(tǒng)計(jì)的同學(xué)，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(jì)算機(jī)方面的東西，明顯知識儲備不足。但找學(xué)計(jì)算機(jī)的碼農(nóng)來做數(shù)據(jù)分析，他們對商業(yè)和統(tǒng)計(jì)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(gè)領(lǐng)域，是business、statistics和computerscience三個(gè)領(lǐng)域知識的結(jié)合。傳統(tǒng)的businessanalyst、statistician和碼農(nóng)如果能夠合體，才能成為適合新時(shí)代的businessanalytics人員。于是企業(yè)要求學(xué)校，特別是商學(xué)院，開設(shè)這樣的專業(yè)，培養(yǎng)對business、統(tǒng)計(jì)和計(jì)算機(jī)都有所掌握的人員，于是businessanalytics孕育而生。看到這里你應(yīng)該明白了，businessanalytics要學(xué)的東西，就是三個(gè)方面：business、統(tǒng)計(jì)、計(jì)算機(jī)。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(jì)和計(jì)算機(jī)，則和傳統(tǒng)的統(tǒng)計(jì)和計(jì)算機(jī)教學(xué)有很大的差別。傳統(tǒng)的統(tǒng)計(jì)，主要是學(xué)習(xí)對實(shí)驗(yàn)結(jié)果做顯著性檢驗(yàn)，比如一隊(duì)小白鼠吃藥，一隊(duì)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(jì)專業(yè)同學(xué)的是市場調(diào)研機(jī)構(gòu)：一隊(duì)消費(fèi)者看了廣告，一隊(duì)消費(fèi)者沒看廣告，誰對品牌認(rèn)知度高？有沒有顯著性區(qū)別？另外，統(tǒng)計(jì)講究抽樣，消費(fèi)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。現(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(jì)方法，有了很大的改變。businessanalytics的統(tǒng)計(jì)知識，主要是學(xué)習(xí)如何建立和評估多變量的統(tǒng)計(jì)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(jì)中，可能只是重要的一塊而已，而在businessanalytics的教育中的統(tǒng)計(jì)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(xué)的統(tǒng)計(jì)知識差不多也就是相關(guān)系數(shù)、時(shí)間序列之類，也都是小頭。傳統(tǒng)統(tǒng)計(jì)中的顯著性檢驗(yàn)、抽樣方法，businessanalytics基本不教。businessanalytics只用學(xué)其中可能是最簡單的三塊：第一就是數(shù)據(jù)庫和SQL，因?yàn)槠髽I(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(xué)校一般不會(huì)花很多時(shí)間去教你，但是這個(gè)是學(xué)、做analytics的基礎(chǔ)的基礎(chǔ)。第二就是學(xué)習(xí)怎么在統(tǒng)計(jì)軟件中進(jìn)行編程。以前提到分析數(shù)據(jù)，國內(nèi)最熟悉的是SPSS，像Excel一樣妥妥拽拽就行了。但其實(shí)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(jìn)行操作，最典型的工具就是R和Python。這里的編程，其實(shí)是統(tǒng)計(jì)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(xué)的計(jì)算機(jī)知識就是現(xiàn)在最流行的機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)基本上是代替和補(bǔ)充前面所說的回歸分析等統(tǒng)計(jì)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(jì)算機(jī)的。不過很多原則其實(shí)和統(tǒng)計(jì)的回歸分析是一樣的，也都是用R或者Python的代碼來實(shí)現(xiàn)，實(shí)現(xiàn)起來，不會(huì)比回歸分析難太多，大家大可放心。我們來舉個(gè)企業(yè)里面數(shù)據(jù)分析的例子來對應(yīng)相應(yīng)businessanalytics要學(xué)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(diào)研公司里面的統(tǒng)計(jì)專家告訴你應(yīng)該抽樣發(fā)問卷調(diào)研消費(fèi)者，你也讓他一邊去，過去廣告投放的時(shí)間、區(qū)域和銷量的變化數(shù)據(jù)全調(diào)出來進(jìn)行多變量的建模，還搞什么抽樣調(diào)研。于是你作為businessanalytics的畢業(yè)生，首先運(yùn)用對business、市場的知識對問題進(jìn)行分析，比如，廣告是如何影響銷量的？投少了會(huì)不會(huì)沒作用？投多了是不是邊際效應(yīng)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(nèi)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(gòu)，然后用學(xué)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(jìn)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(jì)回歸模型，而這個(gè)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(jī)器學(xué)習(xí)，對回歸分析進(jìn)行一個(gè)補(bǔ)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(jié)果，你要用你的統(tǒng)計(jì)知識對結(jié)果進(jìn)行分析，判斷廣告到底對銷量是如何影響。最后結(jié)合你的business的知識，對你的老板進(jìn)行匯報(bào)。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(nèi)部，我們熟知的谷歌，IBM，國內(nèi)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(qiáng)，可以選擇去做軟件工程師；如果商業(yè)能力比較強(qiáng)，可以選擇去業(yè)務(wù)崗，比如運(yùn)營、datascientist等。02市場營銷方向（分析類）可以敲黑板劃重點(diǎn)，其實(shí)商業(yè)分析最開始出現(xiàn)就是在市場營銷上，但是當(dāng)時(shí)可能技術(shù)沒那么發(fā)達(dá)，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(shí)代的發(fā)展，市場營銷這個(gè)領(lǐng)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(gè)專業(yè)正好解決了這個(gè)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(yīng)用也是比較多的，主要分為投資和信用風(fēng)險(xiǎn)類，可以選擇的崗位有QuantitativeResearcher，QuantitativeTrader或者DataScientist。學(xué)金融的學(xué)生如果讀碩士選擇BA，我覺得應(yīng)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(gè)學(xué)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(xué)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(gè)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?yàn)锽A專業(yè)的學(xué)生擁有商科背景，溝通表達(dá)能力絕對是佼佼者。在擁有編程和數(shù)據(jù)分析的基礎(chǔ)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(zhì)的崗位綁定的，換句話說，大部分找到BA類工作的實(shí)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(fù)性、機(jī)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(jìn)步和衍生的計(jì)算機(jī)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(huì)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(zhuǎn)專業(yè)來讀個(gè)BA碩士，畢業(yè)后做businessanalyst/dataanalyst（不管叫什么，實(shí)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(shí)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?yàn)檫@些高成長的職業(yè)從業(yè)群體中絕大部分是博士學(xué)歷，且大部分都是數(shù)學(xué)、計(jì)算機(jī)軟件工程或強(qiáng)相關(guān)的專業(yè)出身,有不少本科就是這類專業(yè)，而非半路轉(zhuǎn)量化。按此邏輯，并不是說你讀個(gè)博就能大大提高從事“量化商業(yè)分析”工作的，你讀個(gè)數(shù)學(xué)和編程的應(yīng)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(guān)。BA這類職業(yè)的天花板大多數(shù)情況下就是DS的這個(gè)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(gè)方向突圍，不單是我最開始說的博士學(xué)歷的問題，而是自身底子在數(shù)學(xué)、編程方面是否扎實(shí)，要讀博也得是這個(gè)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(gè)崗位走，產(chǎn)品經(jīng)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(shí)質(zhì)上工作內(nèi)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(gè)專業(yè)目前已經(jīng)是火到不能再火的狀態(tài)，但社會(huì)實(shí)際需求并沒有這么高（讀個(gè)名校去做低成長性的BA，對很多學(xué)生來說好像