数据科学与商业分析
随着时代的发展,数据在日常生活中起到越来越重要的作用,随之而来的,是各种和数据相关的交叉学科的兴起,近几年的咨询过程中,遇到过很多希望了解数据相关专业的同学,这些同学有各种各样的背景,有学计算机的,学数学的,学金融的,学传媒的,文理工商甚至艺术生,来咨询时候都会问上一嘴大数据,这里就来对比一下,跟数据相关的,问的比较多的两个项目:数据科学和商业分析。
数据科学Data Science(以下简称DS),是数据科学是一门涉及到统计,数据分析及其相关方法的科学,借用数据去“理解和分析实际现象”。数据科学使用到数学、统计、信息科学和计算机科学等各个学科的技术和理论,特别是以下分支:机器学习, 分类, 聚类分析,数据挖掘,数据库和可视化。
数据科学主要研究内容有以下三类:
1. Predictive Analytics:分析数据来预测未来可能发生的事情。
2. 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。
3. Prescriptive Analytics:分析数据来找出最佳措施、取得最优化的结果。
商业分析Business Analytics(以下简称BA)指的是连续迭代探索和调查过去的企业经营绩效去获取价值信息以及推动商业计划的技能,技术和实践技巧。
用比较通俗易懂的语言来说,那就是,
1、确定最佳分析模型和途径,
2、解释过去的、现在的经营业绩,从中研究和提取有价值的信息,
3、为企业提供和解释解决经营问题的方案,促进正确的商业决策,提高企业运营水平,发现新商机等等。
这也是商业分析的三个阶段,这三个阶段分别是:
1. 描述性分析(Descriptive Analytics): 通过报告、记分卡、聚类等历史数据的呈现和分析,发现商业问题和机遇;
2. 预测性分析(Predictive Analytics): 通过对历史数据进行建模,对未知情况和状况进行准确的预测;
3. 指导性分析(Prescriptive Analytics): 通过模拟和优化等找出最佳商业决策;
从主要的内容上出发,很多学生会选择同时申请两个专业,但是实际上,两个专业还是有区别的:
1、DS一般在工学院或者文理学院, BA一般在商学院
2、DS的课程设置一般偏向于计算机和数学, BA的课程一般还有商科
3、应用的技能不一样
4、职业岗位不一样
另外,从申请的角度,DS数据科学倾向于录取数学、统计等计量学科背景的学生,同时希望申请人有软件编程基础、会写程序分析数据。仅仅上过高数、线性代数和概率统计这三门基础课是不够的。各大学对申请学生有较为明确而统一的要求,数学背景包括微积分、线性代数、概率论、统计学、数学建模等等;计算机背景包括计算机导论、SQL、Database和编程等。常见的本科专业有 Computer Science/Technology; Engineering; Business Management; Finance; Math; Statistics, etc.
BA商业分析则对申请者都表达出很强的包容性。理想状态需要会编程、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。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。不同学校对于申请者背景要求不同,通常来讲可以申请BA的专业包括:
Computer science/Technology
Engineering
Architecture
Business Management
Finance
Math
Statistics
Economics
Social Science
总体而言,数据相关的专业无论从申请的角度还是未来职业的角度讲,目前都是比较火爆的项目,这也意味着,对申请者来讲,有着更大的竞争难度,如果我们考虑申请相关专业,则需要全方位的提升自己的软硬件实力,申请数据领域的专业,从来不缺乏硬件条件好的竞争者,那么我们如果决定走走条路,就要对我们所面对的情况有正确客观的了解,制定合理的目标,不要好高骛远,充分进行准备,以理性和勤奋的态度,配合上合理有效有针对性的规划,为自己争取最合适的申请。