当我们谈论商业分析时，我们在谈论什么？（上）

目前美国大约有250个Business Analytics和Data Science 相关专业的硕士项目，每年毕业生有8000~10000名。从专业的名称来看，大部分学校都是叫Business Analytics, 也有的学校开设的项目叫做Analytics, Data Analytics, Applied Analytics等等。专业的时间长度大多数是1-1.5年，绝大部分项目属于STEM，也就是毕业后最长可获得36个月的OPT时间。培养目标是以就业为导向的，从贴合行业和商业实践需求的角度塑造未来的Data-driven Business Leader。

STEM-designated & 就业导向

基本都是STEM，时长1-1.5年，意在培养学生成为兼具数据和商业才能的职场专业人士（而非学术研究型人才）

院系设置

大部分都设置在商学院下，除了以下特例：

工程学院：哥大MSBA，西北Analytics，Gatech-Analytics，UCB-Master of Analytics

继续教育学院：哥大SPS-AA，BU大都会-Applied BA，东北CPS-MPS in Analytics

信息系统管理学院：CMU MISM-BIDA

文理学院：乔治敦大学-Data Science and Analytics

Tech属性有强有弱

（可以看课表，看录取学生背景，看就业去向，收集学长姐就读体验）：

tech较强的代表：MIT, UT-Austin, CMU，UCLA, UMN

tech较弱的代表：JHU, Duke，圣母，维克森林, BU

vs. DS/DA类专业

BA和DS/DA类专业有相似之处，但后者通常技术属性（数学、计算机）更强，商科课程几乎涉及不到，且就业目标也会有所区别

1.3 课程设置

商业分析常见的核心课程，大致分为两类：Business和Technical。

Business：

•Skills: 沟通，问题解决，案例分析，汇报展示… (Business Communication, Problem Framing & Solving, Case Analysis, Presentation)

•Domains: 金融，市场营销，风险管理，项目管理，供应链管理，战略管理等

Technical：

•Skills: 常用计算机语言包括 R, Python, SQL, 常用统计类软件包括Excel, Matlab, SPSS, SAS，Stata等

•Domains: 统计分析 (Statistical Analysis), 机器学习 (Machine Learning), 运筹优化 (Optimization Modeling)

一个典型的BA项目，通常会从商科和数据分析的基础课程入手，比如概率统计、金融学、市场营销学等等；然后着重提升数据处理和分析的技能，包括各类编程语言（Python, R, SQL等），数据分析和可视化软件（Excel, Matlab, SPSS, Tableau等），以及大数据和机器学习相关的知识和模型；接着通过相对自由的选修课组合，学生们有机会进一步探索自己感兴趣的应用领域；同时，还会提供实习（Practicum）或课题项目（Capstone Projects）的实践机会，以锻炼学生学以致用、解决实际的商业问题的能力。

1.4 职业方向

By 行业：

•TMT (Telecommunication, Media, Technology):

技术要求较高的数据工程师、数据架构、数据挖掘等岗位还是更适合数据科学、计算机背景的同学；偏一点业务向的有数据分析师、产品分析、用户分析等等，还有更偏业务的产品经理、项目经理、各种运营岗位等等。这类公司业务条线多体量大，数据基础建设好，因此相关的人才需求也大，职业机会比较多。

•金融：

适合有相关本科背景和行业实习经验的同学，数据技能可以成为求职的加分项。应届毕业生的主要去向有四大会计师事务所，证券公司，商业银行（能直接进入买方的应届生并不多见）。比较对口的岗位有风险分析/风控、金融分析、量化研究、量化策略分析等等。随着金融行业越来越趋向发展金融科技（Fintech），未来势必也会产生更多的需求，比如招商银行已经设置了专门的金融科技岗。

•咨询：

咨询，即是以专门的知识、信息、经验为资源，针对不同的用户需求，提供解决某一问题的方案或决策建议——非常符合BA的一套工作法。但同时对战略思维和soft skills的要求很高，求职中需要着重训练case interview的能力。有一些大型的咨询公司也会有技术导向的咨询岗位或者数据分析团队，诸如data scientist、data analyst等等的岗位可以多加关注。

•其他：比如快消零售、医疗、教育、房地产、文化娱乐等产业，也都存在各种各样的数据分析的需求，有相关的背景或者职业兴趣的话，都可以多加关注。

顺便提一下相关岗位常见的技能类要求：对于一般的数据分析岗，Excel、SQL是基本要求，R和Python也至少能熟练掌握一项。Data scientist的要求相对更高，除了以上提到的，通常还需要熟练掌握大数据处理、机器学习等方面的技能，比如Hadoop、Scala/Spark。而带有“工程师”等字眼的岗位，需要扎实的CS技能，同时掌握C/C++、Java等编程语言。