发帖
雷达卡
越来越多的组织对业务采用数据驱动和以技术为中心的方法，因此对分析专业知识的需求持续增长。结果，分析的职业机会无处不在。由于具有这种识别能力，从医疗保健，金融和电信到零售，能源和体育行业，分析人才已成为几乎每个行业公司的优先事项。由此可见，商业分析，数据分析——也就是我们常说的BA，DA，这些专业越来越火，岗位需求也呈爆发性增长，成为企业全职招聘的核心岗位。数据类型岗位十分“吃香”，商业分析（BA）&数据分析（DA）这些专业越来越受欢迎，开设的学校也很多。有同学会有疑问，这几个专业有什么区别？课程设置一样吗？我要怎么选择？
1.BA专业介绍
有人认为BA专业等于市场营销+数据分析。
让我们看一下市场营销和BA课程上的区别：
Marketing课程 | BA课程 |
CMO on Shareholder Value | SQL and Basic Data Management |
Marketing Analytics | Math and Start for Analytics |
Marketing Strategy | Marketing Analytics |
Fashion, Luxury and Lifestyle Marketing | Customer Analytics |
Marketing Channels | Internet Customer Analytics |
Branding,strategy | the AnalyticsEdge Data,Models,andEffective Decisions |
New Product Development | NoSQL Databases in Big Data |
Sales Management: The Art and Science of Sales | Communication for Management |
Advertising and Social Media:Strategy and Analytics | Applied Modern StatisticalLearning Methods |
Customer Insights and Analysis | Business Analytics |
两者专业课程相似程度在50%以上
2.BA专业SQ盘点
BA作为新兴专业，出现在美国的时间才10年，已经成为最受亚太地区学生欢迎的专业之一。专业的热门主要还是基于企业的用人需求，会数据和懂商业的人都有，但同时具备这两种能力的人却不多。所以很多美高校都开设了BA这个专业
让我们来看看BA的QS学校盘点吧~
那么多的名校都开设了BA专业，现在各行业对BA的需求有多大了~
那么下一个问题就出来了：
数据分析的人才？好像还有一个专业叫DA啊？那BA和DA差别又在哪呢？
3.分清楚BA/DA?
BA/DA的差别：Business Analyst , 商业分析师或业务分析师。主要学习数学、计算机和商业管理的交叉学科；学习数据分析的工具以Python和SQL居多，没有那么coding；在商业方面不会学习有很纯粹的商业知识模块；部分学校BA还要学习沟通能力。分为两类，一类是偏信息技术类，有些也叫做 Business System Analyst，另一类是偏商业咨询类，如咨询公司和会计师事务所。当前逐渐已没那么多界限，各方能力要兼具，所以起点有点略高。
BA的主要任务是，基于信息系统数据和实际业务逻辑，来收集和处理信息，并分析业务系统应用或业务流程中的弱点，以便为企业制定切实可行的解决方案；做业务的人员也会有效结合数据分析的人员建议，并配合项目管理的方式，协同各部门沟通解决问题或提高管理效率。
BA可以在各行各业，不同类型的企业或组织工作。但往往积累某一个行业的经验更容易做出好的成绩。
DA：Data Analyst ，数据分析师。偏重于对数据本身和分析，课程以数学&统计为主；需要对数据进行建模分析，学习数据分析的工具以Python和Tableau居多；现有的数据挖出背后的信息。
DA的主要任务是，通过信息技术和统计方法来进行数据的收集和分析，可以使用统计模型或迭代方法将数据转化为有效信息支持业务，并提供给项目人员进行决策。
DA一般需求于数据量大的行业或企业，如互联网，物流，金融，医疗，教育及各类快销等。
数据分析专注于使用程序，数据和计算工具来探索和发现数据中的相关问题。针对热爱数据和计算机工作的人，会更胜任一些，容易在面对机会时脱颖而出。
业务分析的重点是从数据中获取问题，并通过制定业务决策并与决策者进行沟通，将其最终的改善并应用。通过数据和业务的分析，喜欢面对各种业务和流程问题并喜欢钻研出解决方案的人，更适合BA的角色。
总结来说，DA更注重实操，BA会更注重两者的结合，更形而上一些。
那么，BA/DA毕业到底能去哪个行业就业呢？ 传说中的95%的就业率是真是假？
二、BA/DA的职业发展方向如何？
1.BA：商科就业的新曙光
麦肯锡《大数据行业报告》指出，未来6年，全球商业分析人才缺口将达150万。目前，商业分析（BA）起薪已达7w刀。
自从前些年，国家开始出台大数据发展的政策，并且连续7年出现在ZF的报告中。因而，整个行业都活跃了起来。企业也开始加大了投入，越来越重视数据，越来越重视分析，特别是最近的央企国企，加足马力的实施。所以这个职位又有了新的定义：
需要有一定的数据分析能力，分析结果，提供决策参考依据；同时，需要有business insight，分析出你的老板需要用以决策的支撑信息。
数据分析并不能让你在面试中说明面试官你能胜任这份工作，“Data is data，and it's not always gonna be clean. Our job is to tell the story behind the data.”
主要使的“最顺手”的是SQL/Excel。除了分析数据之外，将会有大量的跨部门沟通的工作，所以更适合social一些的人~
而且对于商业嗅觉的要求更高，技术上的要求弱一些。
相比DA，BA会更接近市场。
商业分析能力在各行各业都十分重要，分析关键信息，看清商业逻辑，解决商业问题，这些看似不同的工作，其实都是需要有很强的商业分析能力。
2.DA：我是靠数据吃饭的
Data Analyst由于技术功底要求较高，所以一般薪酬水平会略胜BA；且随着日后的发展，晋升至DS（Data Science）拿更高的薪水也指日可待。
DA和BA的工作其实比较接近，BA更多的是在做业务上的分析和修正，DA则是做更长远的发展上去做数据分析， go deep on technical level。
一般负责对于企业的数据库系统以及数据的含义进行管理、确保数据的准确性和完整性；并在当其他人需要数据的时候给予数据支持。
3.BA/DA学习班
为了使学习BA/DA专业以及商科的同学：
1. 更好的了解目前行业对于数据岗位的需求和现状；
2. 让目标数据岗位的同学要如何为求职做准备。
为了快速学习业务数据分析相关岗位所要求的技能，除了优质的师资团队，CDA还提供优质的学员服务，包括班主任和助教答疑服务，为学员快速扫除知识障碍，提升学习效率提供保障。
4.BA/DA未来的发展方向
是企业在未来10年内最重要岗位之一，也许再过几年，对任何企业中的80%的岗位，都要求掌握数据分析能力。为什么？从几个层面简单来说：
①在行业层面：在大数据时代下，互联网、移动互联网与各个行业的结合，以及未来即将到来的物联网，各个企业面临的竞争压力越来越大，面对越来越快的用户需求变化，都需要基于数据来快速做出决策，决策的反馈越来越快。基于经验的反馈不是不重要，还是非常重要。但是现在是一个追求速度、追求快速迭代的时代，不管是个人与企业，能把经验+数据结合的人才也许是未来真正需要的。
②在企业层面：在现在这个大数据时代下，对各种数据的获取与处理已不是问题，2019年开始，很多企业都在说修炼内功，如何修炼内功，我想这个内功心法就是：“企业数字化”。
③在个人层面：每个人都在企业工作中都会收到各种各样的数据，面对这些数据，你必须具备的能力是知道怎么处理，怎么解读，怎么分析数据，怎么去开展工作，你需要基于相关的数据与分析。
三、如何成为一名BA或者DA?
BA商业分析师
想要成为商业分析师，但是要想成为一名合格甚至优秀的商业分析师需要具备哪些基本的专业能力呢？优秀商业分析师必备的五大技能
1. 决策制定：通过把从多方面数据分析中的业务洞察力转换为有形资源，为业务决策制定策划变动
2.应用问题解决：定义业务问题并将统计分析转换为数据驱动的商业智能，从而改善经营业绩
3.数据分析：运用预测性、规范性和描述性分析来研究、解释和可视化原始数据，让原始数据变
得有价值且能为商业用户所用
4.分析模型：利用数据模型理解、整合并建议解决方案
5.数据库管理：利用Teradata、Oracle和Hadoop等工具来为不同形式的数据(编码和非编码的)
定义和调整数据库需求
DA数据分析师
想要成为数据分析师，但是要想成为一名合格甚至优秀的数据分析师需要具备哪些基本的专业能力呢？优秀数据分析师必备的七大专业能力和三大基础能力
- 数据采集：了解数据采集的意义在于真正了解数据的原始面貌，包括数据产生的时间、条件、格式、内容、长度、限制条件等。这会帮助数据分析师更有针对性的控制数据生产和采集过程，避免由于违反数据采集规则导致的数据问题;同时，对数据采集逻辑的认识增加了数据分析师对数据的理解程度，尤其是数据中的异常变化。
- 数据存储：无论数据存储于云端还是本地，数据的存储不只是我们看到的数据库那么简单。
- 数据提取：数据提取是将数据取出的过程，数据提取的核心环节是从哪取、何时取、如何取。
- 数据挖掘：数据挖掘是面对海量数据时进行数据价值提炼的关键，以下是算法选择的基本原则：没有最好的算法，只有最适合的算法，算法选择的原则是兼具准确性、可操作性、可理解性、可应用性。没有一种算法能解决所有问题，但精通一门算法可以解决很多问题。挖掘算法最难的是算法调优，同一种算法在不同场景下的参数设定相同，实践是获得调优经验的重要途径。
- 数据分析：数据分析相对于数据挖掘更多的是偏向业务应用和解读，当数据挖掘算法得出结论后，如何解释算法在结果、可信度、显著程度等方面对于业务的实际意义，如何将挖掘结果反馈到业务操作过程中便于业务理解和实施是关键。
- 数据展现：数据展现即数据可视化的部分，数据分析师如何把数据观点展示给业务的过程。数据展现除遵循各公司统一规范原则外，具体形式还要根据实际需求和场景而定。
- 数据应用：数据应用是数据具有落地价值的直接体现，这个过程需要数据分析师具备数据沟通能力、业务推动能力和项目工作能力。
- 数据沟通能力。深入浅出的数据报告、言简意赅的数据结论更利于业务理解和接受，打比方、举例子都是非常实用的技巧。
- 业务推动能力。在业务理解数据的基础上，推动业务落地实现数据建议。从业务最重要、最紧急、最能产生效果的环节开始是个好方法，同时要考虑到业务落地的客观环境，即好的数据结论需要具备客观落地条件。
- 项目工作能力。数据项目工作是循序渐进的过程，无论是一个数据分析项目还是数据产品项目，都需要数据分析师具备计划、领导、组织、控制的项目工作能力。
总结
职场人必学的商业分析技能会在国外业界中介绍，商业分析师会如何透过各种工具找到解决方案，并针对团队在每个专案环节常见的问题与挑战进行解说。
由于这些技能属于分析师通用的知识与技巧，因此没有领域的限制，可以运用在各种专案项目上。
大家都很关注business analytics硕士毕业之后到底做什么样的工作。“business analytics学什么”里面对毕业后的工作有个初步的介绍。这篇文章我从job title的角度来给大家深度解释一下。
Business analytics毕业之后的job title 可以说是千奇百怪啥样的都有，叫同样名字的可能做得事情却不同，叫不同名字的确其实是同样的工作内容。但是进行归类的话，可以归为business analyst和data analyst两个最典型的工作类别。
写到这里，大家可能会好奇，两个职位中，哪一个最好？这个就真的是不分贱贵了。Business analyst需求最大，最有可能做到CEO。Data analyst看上去工作最枯燥，但其实是个不错的打基础的职位。因为特别是大企业，商业分析、建模其实都不难，但把底层的数据到底啥意思整的明明白白其实往往是最难的一个环节。很多同学从data analyst做起，后来转为data scientist。
DA内容精选
京公网安备 11010802022788号
