隨著數(shù)據(jù)時代的來臨，近兩年 商業(yè)分析專業(yè)火爆市場，那么商業(yè)分析跟傳統(tǒng)的商科有什么區(qū)別呢？

商務(wù)分析畢業(yè)之后的工作類別可以說是千奇百怪啥樣的都有，叫同樣名字的可能做得事情卻不同，叫不同名字的確其實是同樣的工作內(nèi)容。但是進(jìn)行歸類的話，可以歸為商務(wù)分析、數(shù)據(jù)科學(xué)和數(shù)據(jù)分析三個最典型的工作類別。

數(shù)據(jù)分析，與大數(shù)據(jù)之前的數(shù)據(jù)分析沒有本質(zhì)上的區(qū)別，是企業(yè)中對于商務(wù)問題進(jìn)行分析的人員。但是大數(shù)據(jù)時代從商務(wù)分析項目中招聘的商務(wù)分析，意味著你在分析商業(yè)問題的時候，對于大量數(shù)據(jù)的分析將會是你分析商業(yè)問題的重要手段和工作。你所做的分析，大部分將會是分析描述，即通過選取不同的角度，對過去數(shù)據(jù)進(jìn)行可視化的呈現(xiàn)，以發(fā)現(xiàn)商業(yè)中的問題和機(jī)會，做出商業(yè)建議。商務(wù)分析一般不會親自對數(shù)據(jù)進(jìn)行建模分析，也不會使用 R/Python。主要使用的工具將是 SQL 、 Excel 和 PPT。商務(wù)分析除了技術(shù)上的 pull 、分析數(shù)據(jù)之外，將會有大量的管理工作、跨部門溝通的工作，對于語言、溝通能力、商業(yè)嗅覺的要求最高，技術(shù)上的要求則最弱。

數(shù)據(jù)科學(xué)的主要工作，就是建立預(yù)測模型，也就是做分析預(yù)測。除了建模之外，pull 、清理數(shù)據(jù)的時間將會占用數(shù)據(jù)科學(xué)百分之八十的時間。數(shù)據(jù)科學(xué)所建立的預(yù)測模型，往往會被自動化代碼進(jìn)系統(tǒng)，所以很多企業(yè)也會要求數(shù)據(jù)科學(xué)具備一定的 general 編程能力，比如 Python，方便和工程團(tuán)隊合作。商務(wù)分析專業(yè)畢業(yè)生的建模能力和統(tǒng)計知識，其實是足夠做數(shù)據(jù)科學(xué)了，但一般的編程能力，特別是 python 的編程能力，將會成為數(shù)據(jù)分析專業(yè)畢業(yè)生夠不夠格做數(shù)據(jù)科學(xué)的分水嶺。

最后要介紹的是數(shù)據(jù)分析。一般數(shù)據(jù)分析就是對于企業(yè)的數(shù)據(jù)庫系統(tǒng)以及數(shù)據(jù)的含義進(jìn)行管理、確保數(shù)據(jù)的準(zhǔn)確性和完整性。當(dāng)企業(yè)領(lǐng)導(dǎo)層，商業(yè)分析和數(shù)據(jù)科學(xué)需要數(shù)據(jù)的時候給予幫助，并且對持續(xù)不斷的同類數(shù)據(jù)需求進(jìn)行自動化，建立 BI 的基礎(chǔ)設(shè)施。數(shù)據(jù)分析做常使用的工具就是 SQL 和 Tableau。

寫到這里，大家可能會好奇，三個職位中，哪一個最好？這個就真的是不分賤貴了。商務(wù)分析部門需求最大，最有可能做到 CEO，但對中國人而言因為語言文化上的劣勢競爭起來最辛苦。數(shù)據(jù)科學(xué)按理說應(yīng)是最適合中國人的，事實上也是中國人在美國的強(qiáng)勢領(lǐng)域，但編程能力不強(qiáng)的同學(xué)可能難以在這個領(lǐng)域出類拔萃。數(shù)據(jù)分析看上去工作最枯燥，但其實是個不錯的打基礎(chǔ)的職位。因為特別是大企業(yè)，商業(yè)分析、建模其實都不難，但把底層的數(shù)據(jù)到底啥意思整的明明白白其實往往是最難的一個環(huán)節(jié)。很多同學(xué)從數(shù)據(jù)分析做起，后來轉(zhuǎn)為數(shù)據(jù)科學(xué)。

【微語】愿你留學(xué)的道路一帆風(fēng)順，充滿快樂與收獲，前程似錦，未來可期！