Business analytics 到底學什么，很多同學都有這個問題。analytics 的人士總結(jié)的。我這篇文章用比較通俗易懂的語言，來給大家介紹下 business，analytics 到底學什么。

Business analytics 不僅在國內(nèi)沒有任何大學開設過這個專業(yè)，就算是在美國也是最近 3 年才涌現(xiàn)出來的一個新興學科。要回答 businessanalytics 學什么，就要先明白為什么會出現(xiàn) businessanalytics 這個專業(yè)。Businessanalytics 專業(yè)的出現(xiàn)，完全是被社會企業(yè)用人的需求所倒逼出來的。而這個需求的誕生，歸根到底就是三個字：大數(shù)據(jù)。2007 年移動互聯(lián)網(wǎng)出現(xiàn)后，企業(yè)經(jīng)營的數(shù)據(jù)大量增加。以前企業(yè)用 Excel 、 Wor 做做財務、市場、運營的分析就可以了，現(xiàn)在出現(xiàn)了大量新的數(shù)據(jù)可以幫助企業(yè)了解消費者、提升運營水平。大家都知道數(shù)據(jù)是金礦，于是肯定要人去分析這些數(shù)據(jù)。但以前企業(yè)的 businessanalyst 一看到這樣大量的數(shù)據(jù)就傻眼了。數(shù)據(jù)往往大到下載到 excel 里面直接 excel 爆掉的程度。即使切成小塊，動不動幾百列的數(shù)據(jù)，缺乏統(tǒng)計知識的傳統(tǒng) businessanalyst 完全不知道怎么去分析。于是有的企業(yè)說，我們不是有統(tǒng)計專業(yè)的同學嗎，把他們從生產(chǎn)車間、制藥實驗室里面拉出來，讓他們來分析分析。結(jié)果發(fā)現(xiàn)統(tǒng)計專業(yè)的同學對分析實驗結(jié)果很在行，對 business 和市場卻是一竅不通。另外，傳統(tǒng)的 businessanalyst 和學統(tǒng)計的同學，面對儲存數(shù)據(jù)的系統(tǒng)、逐漸流行的分析數(shù)據(jù)的開源軟件，也就是計算機方面的東西，明顯知識儲備不足。但找學計算機的碼農(nóng)來做數(shù)據(jù)分析，他們對商業(yè)和統(tǒng)計知識基本一無所知。也就是說，分析企業(yè)中的數(shù)據(jù)，也就是 businessanalytics 這個領域，是 business 、 statistics 和 computerscience 三個領域知識的結(jié)合。傳統(tǒng)的 businessanalyst 、 statistician 和碼農(nóng)如果能夠合體，才能成為適合新時代的 businessanalytics 人員。于是企業(yè)要求學校，特別是商學院，開設這樣的專業(yè)，培養(yǎng)對 business 、統(tǒng)計和計算機都有所掌握的人員，于是 businessanalytics 孕育而生。

看到這里你應該明白了，business analytics 要學的東西，就是三個方面： business 、統(tǒng)計、計算機。這里的 business 我不想多做說明，和大家熟知的 business 的課程是一致的，就是 marketing 、 finance 這些。但是統(tǒng)計和計算機，則和傳統(tǒng)的統(tǒng)計和計算機教學有很大的差別。我接下來詳細講一下。

傳統(tǒng)的統(tǒng)計，主要是學習對實驗結(jié)果做顯著性檢驗，比如一隊小白鼠吃藥，一隊小白鼠不吃藥，誰的身體比較好？有沒有顯著性的差別？以前商業(yè)中大量招聘統(tǒng)計專業(yè)同學的是市場調(diào)研機構(gòu)：一隊消費者看了廣告，一隊消費者沒看廣告，誰對品牌認知度高？有沒有顯著性區(qū)別？另外，統(tǒng)計講究抽樣，消費者太多沒辦法一一訪問，于是抽樣，于是就要看抽樣的合理性?，F(xiàn)代企業(yè)中的數(shù)據(jù)分析，可以說和這些傳統(tǒng)的統(tǒng)計方法，有了很大的改變。businessanalytics 的統(tǒng)計知識，主要是學習如何建立和評估多變量的統(tǒng)計模型，最典型的例子就是回歸分析模型?；貧w分析在傳統(tǒng)的統(tǒng)計中，可能只是重要的一塊而已，而在 businessanalytics 的教育中的統(tǒng)計部分，幾乎是全部。除了回歸分析（包括邏輯回歸），其他 businessanalytics 中要學的統(tǒng)計知識差不多也就是相關系數(shù)、時間序列之類，也都是小頭。傳統(tǒng)統(tǒng)計中的顯著性檢驗、抽樣方法，businessanalytics 基本不教。所以我看到我去年輔導的學員從 UTbusiness analytics 畢業(yè)了去沃爾瑪做 senior statistical analyst，我覺得很搞笑。她去考國內(nèi)統(tǒng)計專業(yè)大一的專業(yè)課，估計都不懂。只能說沃爾瑪其實需要的就是現(xiàn)代的 businessanalytics 人員，但老 title 一直沒換。

接下來說下 business analytics 要學的計算機知識。計算機博大精深，幸運的是 businessanalytics 只用學其中可能是最簡單的三塊：第一就是數(shù)據(jù)庫和 SQL，因為企業(yè)里面數(shù)據(jù)都是儲存在系統(tǒng)里面的。你要分析數(shù)據(jù)，首先要知道怎么把數(shù)據(jù)按照你要的方式提取出來。這就是用 SQL 寫代碼提取數(shù)據(jù)。學校一般不會花很多時間去教你，但是這個是學、做 analytics 的基礎的基礎。第二就是學習怎么在統(tǒng)計軟件中進行編程。以前提到分析數(shù)據(jù)，國內(nèi)最熟悉的是 SPSS，像 Excel 一樣妥妥拽拽就行了。但其實美國根本就沒人用?，F(xiàn)在分析數(shù)據(jù)的流行工具，必須通過寫代碼的方式進行操作，最典型的工具就是 R 和 Python。這里的編程，其實是統(tǒng)計編程，和真正編網(wǎng)站的 C 語言、 Java 是很不一樣的，也容易的多，但是仍是類似的編程思維。第三要學的計算機知識就是現(xiàn)在最流行的機器學習，機器學習基本上是代替和補充前面所說的回歸分析等統(tǒng)計模型方法。做的事情幾乎是一樣的，就是建模，但做的方法是計算機的。不過很多原則其實和統(tǒng)計的回歸分析是一樣的，也都是用 R 或者 Python 的代碼來實現(xiàn)，實現(xiàn)起來，不會比回歸分析難太多，大家大可放心。

說了這么多，我們來舉個企業(yè)里面數(shù)據(jù)分析的例子來對應相應 business analytics 要學的技能。你要分析可口可樂的廣告投放是否有作用。傳統(tǒng)的 businessanalyst 說了一堆邏輯，只有簡單的數(shù)據(jù)圖表支持。你說，啥年代了，還不拿歷史存儲的大數(shù)據(jù)說話？市場調(diào)研公司里面的統(tǒng)計專家告訴你應該抽樣發(fā)問卷調(diào)研消費者，你也讓他一邊去，過去廣告投放的時間、區(qū)域和銷量的變化數(shù)據(jù)全調(diào)出來進行多變量的建模，還搞什么抽樣調(diào)研。于是你作為 businessanalytics 的畢業(yè)生，首先運用對 business 、市場的知識對問題進行分析，比如，廣告是如何影響銷量的？投少了會不會沒作用？投多了是不是邊際效應遞減？除了廣告之外，還需要考慮哪些其他的變量？電視、互聯(lián)網(wǎng)廣告，是否有 1+1 大于 2 或者小于 2 的內(nèi)在聯(lián)系？商業(yè)分析的框架搭好后，就是數(shù)據(jù)分析了。你首先非常熟悉公司的數(shù)據(jù)庫架構(gòu)，然后用學過的 SQL 知識寫 SQL 代碼把數(shù)據(jù)從數(shù)據(jù)庫里按照你的要求提取出來。進行了簡單的數(shù)據(jù)清理整理探索之后，你就開始建立統(tǒng)計回歸模型，而這個建模的過程，你都是在 R 或者 Python 通過寫代碼完成的。你可以在 R 或者 Python 里面除了回歸分析，也試試機器學習，對回歸分析進行一個補充，比如檢查是否有些變量被回歸分析的模型所遺漏。這些也就是在 R 和 Python 里面多寫幾行代碼。最后，你 run 出了模型的結(jié)果，你要用你的統(tǒng)計知識對結(jié)果進行分析，判斷廣告到底對銷量是如何影響。最后結(jié)合你的 business 的知識，對你的老板進行匯報。

【微語】永遠不要忘了你最初的夢想、留學的初衷。