微信扫一扫
大数据时代，数据科学VS商业分析，我该怎么选？Teddy
“数据的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，而绝大部分则隐藏在表面之下。”
—— 哈佛商业评论
没有人站在「数据孤岛」上
与“No Man is an Island”（没有人是一座孤岛）类似，生活在大数据时代，没有人站在数据孤岛上。
智能数字连接已成为许多人日常生活的一部分，人们使用智能设备的同时，也成为数据洪流的一部分。
通过交流，人们「交换、分享、创造」数据，从而产生新的社会连结。
数据，改变生活
数据，作为一种新的资源方式，正在重塑人类社会。小到个人社交、消费、运动、娱乐，大到企业销售、运营、生产，通过挖掘并分析相关数据，人们能够更享受更便捷有效率的生活。
数据挖掘+分析+应用
「懂数据者得天下」，已成为当今全球普遍共识。数据的价值不断提升，无论是老牌资深巨头还是新兴独角兽公司，都展现出对数据价值挖掘的热情。
在“数据宇宙”中，一批新职业冉冉升起。而 【数据科学】和【商业分析】，无疑是其中当之无愧的王者。
数据科学 VS 商业分析
那么，都是和数据打交道，共同的特质大家都清楚(薪资高、市场需求大、就业面广、工作满意度高...)它们有什么区别？它们各自侧重点都是什么？究竟哪一种领域适合你？
|
开设学院 |
理工学院 |
商学院 |
|
核心课程 举例 |
大数据 机器学习 多变量分析 数据挖掘 |
应用计量经济学 应用预测分析 数据可视化 商学课程 |
|
应用 问题解决 |
借助统计编程，设计、开发和运用算法，管理海量数据。 |
以商业知识为基础，通过数据分析，协助商业决策，提高企业运营水平。 |
|
职业选择 举例 |
数据科学家 数据分析师 数据架构师 政府政策顾问 |
商业分析师 市场分析师 产品分析 商业策略分析师 |
通俗来讲，【数据科学】就是通过分析数据，来挖掘隐藏在数据中的潜在信息。
【数据科学】就像是一颗水晶球，可以预知未来。‘预知’能力来自于深厚的统计、建模、编程行业知识
也正是由于它独特的学科属性，在麦考瑞大学学习【数据科学】会涉及多领域：
编程&数据可视化
HTML XML
XML
Python R Java
SQL 等
计&算法&模型
朴素贝叶斯分类器
线性回归
逻辑回归 神经网络
K-平均聚类 等
竞争性能力提升
机器学习
分布式系统
云端数据管理 数据安全管理
大数据技术 等
【商业分析】是把数据转换为商业洞察力，并为商业决策提供支持。
可以形象的理解为：它在IT技术、数据分析和决策之间架起一座桥梁，从而驱动战略设计和执行。
计算机技术
R MATLAB
机器学习
SAS 大数据
SQL 等
应用统计
回归分析
概率统计
数据可视化 数据挖掘
数据建模 等
商业数据分析管理
会计学
商业建模
市场营销管理 战略管理
应用经济计量学 等
