學(xué)生于 2016 Fall 入學(xué) USC MS Business Analytics 項目。2017 年 12 月畢業(yè)，目前在 SF 工作 (ata analyst)。

發(fā)這篇貼子的初衷：
BA （ Business Analytics ）這個專業(yè)，在近兩年可以說是越來越火。作為商學(xué)院少有的 STEM （此外還有 SCM,MIS,Fin 的一些項目也會 STEM ），再搭上 “BIG DATA” 這個傳說中的風(fēng)口，仿佛 BA 的一切都是那么的吸引人。而在 CD，大部分的活躍用戶都是申請人，而非畢業(yè)生，導(dǎo)致很多時候同學(xué)們了解到的或許并不是這個專業(yè)的全貌。因此在畢業(yè)后，工作前的這段間隙，我決定發(fā)這篇帖子，試圖站在一個不一樣的角度提供一些看法。并且會在工作后隨著認知的提高持續(xù)更新。

以下內(nèi)容主要來自平時遇到過的申請的同學(xué)問我的問題，包括 BA 到底學(xué)什么、做什么、就業(yè)情況、以及與別的專業(yè)之間的選擇等問題。主要適用于 北美地區(qū) 的 BA 項目。

Q1. BA到底學(xué)什么？
顧名思義，BA 就是對商業(yè)數(shù)據(jù)進行分析，來支持商業(yè)決策。BA 是一個交叉學(xué)科，包括 business + coing + stats （這個說法來自我們 program irector，深表認同）。Business 是背景，重要的當(dāng)然是對于商業(yè)數(shù)據(jù)的理解，比如你如果不知道 CTR(click-through-rate) 是什么，那么你也沒有辦法對他進行分析，不知道他上升多少下降多少代表了什么，也就不能探索指標(biāo)變化背后的商業(yè)意義。Coing 是工具，無論是 SQL,R,Python，甚至于 Excel，他們都只是你分析數(shù)據(jù)的工具。Stats 是方法，包括了 correlation analysis,A/B testing （也就是 hypothesis testing ），statistical moeling （也就是 machine learning ）等等。也就是說，我們需要做的是在商業(yè)環(huán)境下，用一些特定的工具，進行統(tǒng)計學(xué)意義上的分析，最終轉(zhuǎn)換回商業(yè)價值。
這里肯定會有很多人 argue ： BA 的 business 學(xué)的不如 MBA，coing 不如 CS，stats 不如 stas/DS，那么是不是很雞肋？不是。一個常見的錯覺叫做 “ 越 tech 越好 ”/“coing 越多越好 ”。BA 之所以能夠存在，并且如此迅猛的發(fā)展，就是因為對于 ata analyst，公司所看重的正是你什么都懂一點，能夠在 Business 和 tech 之間架起一座橋梁。你的定位應(yīng)該是：在 business sie 最懂?dāng)?shù)據(jù)的 + 在 analytics sie 最懂 business 的。目前的 ata analyst 面試也都少不了問一些 business case。嫌棄 BA 學(xué)的不夠 tech 的同學(xué)們，畢竟現(xiàn)在美國的大部分 BA 項目是以幫助你找到工作為目的的 “ 職業(yè)培訓(xùn) ”，自然只教授成為一個 DA/DS 所最核心的那些技能。如果你依然覺得碼代碼才是王道，那不如早日轉(zhuǎn) CS （是的 CS 工作還多，工資還更高呢）。。。

舉一個簡單的例子：
A 游戲是包月付費的，prouct manager 找到 analytics team 希望通過分析、建模來預(yù)測每個用戶在下個月還會不會續(xù)費，這個問題我們通常稱之為 churn preiction。那么對于這個問題，BA 的做法可以簡化為：從公司的數(shù)據(jù)庫里面把用戶 subscription 的數(shù)據(jù)提出來，給他們標(biāo)號 —— 這個用戶 X 是第幾個包月周期了，同時提取這些用戶的關(guān)鍵數(shù)據(jù)，比如他們的性別年齡地區(qū)以及游戲的活躍程度（游戲時間，次數(shù)，頻率，買了多少東西，角色級別，裝備等等），然后針對這每一個用戶變量，分析不同的特點（比如性別）的 churn rate 的不同，甚至建立模型，來通過這些變量預(yù)測某個用戶下個月有多大的概率續(xù)費。當(dāng)然這還不是這個問題的終點，因為你僅僅知道他很可能續(xù)費，并不能夠創(chuàng)造什么價值。因此，通常對于那些續(xù)費概率較低但不是特別低的用戶，我們會給他們發(fā)放一些活動郵件或者折扣郵件來鼓勵他們續(xù)費。我們也會對不同版本的這些郵件進行 A/B testing，來確定哪個版本的郵件能夠更好的激勵客戶續(xù)費。

Q2. BA到底用什么語言/工具？
BA 用的語言 / 工具可以分成三方面：

1. 數(shù)據(jù)庫工具
   包括 SQL 和一些 NoSQL 的工具，主要是提取數(shù)據(jù)用的。通常是分析的第一步 —— 理解了問題就要去找對應(yīng)的數(shù)據(jù)了。

2. 數(shù)據(jù)分析的工具
   最基礎(chǔ)的是 Excel。然而 Excel 并未絕跡，或者說，Excel 永遠都是 analyst 的基本功。比如你用 SQL 直接得到了一個 summary table，那么接下來能用一個 Excel pivot table 搞定的事情，又何必大費周章去弄 R 和 Python 呢？
   高級一點的就是 R 和 Python 了（少數(shù)行業(yè)，比如金融業(yè)和醫(yī)療行業(yè)，會使用 SAS ）。一方面相對于 Excel，他們可以處理的數(shù)據(jù)量更大，另一方面他們可以做一些更加靈活的處理，并且進行 moeling 等等工作。R 和 Python 之間的話，基本上可以說是平分秋色，在數(shù)據(jù)分析上沒有明顯優(yōu)劣。當(dāng)然在數(shù)據(jù)量特別大的情況下你還可能會需要使用 Spark 等工具。

3. 數(shù)據(jù)可視化的工具
   同樣的，最基本的工具是 Excel。但是當(dāng)我們需要能夠自動更新的、方便共享的、更加 flexible 且 fancy 的 ashboar 的時候，現(xiàn)在使用最多的當(dāng)屬 Tableau。同類的還有 PowerBI，R Shiny,3.js 等等。
   但是我依然要強調(diào)的是，這些工具都只是工具而已，BA 更重要的是，你面對一個 Business question 的時候，你理解你需要解決的這個問題，心中有相應(yīng)的目的，再去找達成目的需要的工具。

   那么在一個 BA 的項目是否可以學(xué)到以上的全部呢？一般而言可以覆蓋到大部分的重點（可能會著重于其中 R 和 Python 某一個）。但是必須要強調(diào)的是，由于這個行業(yè)的特殊性，一個 BA 的從業(yè)者要求的是持續(xù)性的自我學(xué)習(xí)。僅從 R 來講，各種 package 層出不窮，提供了便利也要求不斷的增加知識儲備。因此，僅僅是完成課程內(nèi)容的話，通常都是不夠的。。

   Q3. BA在美國好就業(yè)嗎？
   BA 目前的就業(yè)當(dāng)然還是好于商科的大部分其他專業(yè)（ ACCT,Fin,… ），并且越來越多的美國公司開始建設(shè)自己的 ata analytics 團隊。我有很多同學(xué)或者學(xué)姐學(xué)長去了 big name，比如 Amazon,Cisco,Yahoo!，VISA 等等（但是類似 google,facebook 和 apple 的 analytics 類崗位都極少招 fresh grauate，能進 big name 的概率其實也很低）。可以說在一個公司完成了傳統(tǒng)的 optmization 的部署之后，ata analytics 是他們進一步降低成本、提升價值的必要手段。
   但是我也不得不給大家澆一盆涼水（ 這盆冷水在后面帖子的更新中發(fā)現(xiàn)其實沒有那么冷，整體就業(yè)情況算是非常樂觀 了 ） —— 目前國際生在美國找工作的情況不容樂觀，而且看目前的狀況只怕會越來越不樂觀。一個國際生為了留美，在畢業(yè)季投上 100+ 的簡歷幾乎是無法避免的，而這 100+ 的簡歷，最后能夠換來的面試可能只有 10 個不到（然后最后你很有可能就會輸給一個美國人，僅僅因為他是美國人）。在目前政策極端不確定的情況下，愿意支付高昂的成本并且承擔(dān)風(fēng)險為你抽 H1B 的公司是越來越少了。
   CD 的申請人最常見的說法是，“ 希望畢業(yè)后能在美國工作 2-3 年 ”，然而這并不是像看上去那么容易實現(xiàn)的事情。你有 STEM 不等于你就可以留下來工作三年。如果在 OPT 前 60 天 + 后 90 天的時間內(nèi)你都沒有找到工作，那么遺憾，你不得不離開了（掛靠等其他手段暫且不提）。我和很多其他 BA 項目在讀的同學(xué)們聊過，幾乎每個學(xué)校都有找工作不上心以至于最后沒找到不得不離開，或者即使很上心的找，投了幾百份簡歷，最后也很遺憾的沒找到的情況（有時候運氣也很重要）?；旧铣悄闾熨x異稟或者運氣超群，只有下定決心留美（而不是 “ 啊我回國也可以 ” 這種心態(tài)），扎扎實實的做好找工作的每一步，才能最后留下來（即便如此，還要通過 H1B 這個真正考驗運氣的環(huán)節(jié)）。特別是對于十個月或者一年的 BA 項目的同學(xué)，必須是一入學(xué)就開始完善簡歷、進行 networking、廣泛網(wǎng)申、準(zhǔn)備面試。因此，留美工作的難度比申請要難上很多很多倍。而且找工作是非常 personal 的一件事情，申請上了一個好的項目絕對不是你能夠留下來的保證。請大家做好心理準(zhǔn)備。

   Q4. BA的就業(yè)方向主要是什么？（我想進金融業(yè)/咨詢，我適合讀BA**嗎？）
   根據(jù)個人觀察，BA 的畢業(yè)生只有極少數(shù)去了金融行業(yè)或者咨詢公司。
   有進金融行業(yè)做量化分析的嗎？有。但是很少。我也有和 MFE 的同學(xué)聊過，我們確實有很多重合的課程以及 skillset （比如 Python,比如 machine learning，比如 excel solver… ），然而不重合的那些很可能恰恰的對于金融行業(yè)至關(guān)重要的那些。因此如果你目標(biāo)明確做量化的，并不建議讀 BA。
   有進咨詢公司的嗎？有。但是同樣不多。top tier 的咨詢公司（主要指戰(zhàn)略咨詢）招人主要還是面向 top Bschool MBA。如果想進咨詢，那么你需要一開始就走上一條和別人完全不同的道路 —— 比如和 MBA networking,瘋狂準(zhǔn)備 case interview。
   那么到底 BA 畢業(yè)生都去干嘛了？答案是去各行各業(yè)做 ata analyst / ata scientist 之類的工作了。基本上 BA 可以適用于各類行業(yè)（科技,制造業(yè)，娛樂業(yè)，… ），關(guān)鍵是公司有沒有這方面的數(shù)據(jù)分析需求。
   說到這里又不得不探討一下 ata analyst 和 ata scientist 的區(qū)別這個問題了。首先需要聲明的是，其實不同公司對于 Data Analyst 和 Data Scientist 有著全然不同的定義。有些公司 DS 做的事情就是別的公司 DA 做的，只是單純的稱謂不同。因此看 JD 是最好的方法。。。那么從一個大家比較認可的角度來講，DA 主要是側(cè)重于數(shù)據(jù)的整理性分析，a/b testing，ata viz。而 DS 主要側(cè)重于 moeling。而那些專注 moeling 的 s 職位，目前的行業(yè)趨勢是很多都需要 Ph 或者會有很多 Ph 來和你競爭，因此研究生要在大公司做 DS 可以說是越來越難了。相比之下，找 ata analytics title 的工作會容易不少（當(dāng)然工資上確實也會低）。非常不建議純商科背景，或者入學(xué)前幾乎不會 coing/ 沒有接觸過 machine learning 的同學(xué)去找 DS 的工作。。。一方面你需要很努力的在這一到兩年的時間內(nèi)學(xué)習(xí)課內(nèi)外的 DS 相關(guān)的知識來達到 DS 職位的要求，另一方面，即使你能夠勝任 DS 的工作了，也很可能因為過去的相關(guān)背景太少，而過不了簡歷關(guān)。
   而 DA 的話具體又可以根據(jù)工作的部門 / 職能分類，比如 prouct analyst,customer analyst,marketing analyst,…。但是萬變不離其宗，分析方法基本都是一致的，只是對于 omain knowloege 的要求有所不同。比如有 marketing 經(jīng)驗的同學(xué)就比較容易找到 marketing analyst 的工作，因為公司會看重你在這方面的商業(yè)經(jīng)驗。

   Q5. BA在美國就業(yè)的話，主要是在哪些城市？
   其實目前 BA 在各個城市都有需求。之前也說了，BA 不是特別局限于行業(yè)的一類職位。因此可以說需求和城市的發(fā)展程度成正比。比如 SF 有很多科技公司，那么這些科技公司就有很多 ata analyst 的職位需求，而 LA 主要是娛樂業(yè)，但是這些娛樂業(yè)的公司也會有很多相關(guān)崗位（特別是 marketing analyst ）。因此可以說，BA 需求較大的地區(qū) / 城市包括：舊金山地區(qū)，洛杉磯地區(qū)，西雅圖，紐約，德州的奧斯汀 + 達拉斯，芝加哥，波士頓等等。
   那么相應(yīng)的，對于申請而言，如果你本身項目就在一個大城市，那么當(dāng)然找工作會方便很多，而且很多公司也會傾向招本地學(xué)校的學(xué)生。但是就 BA 來講，有非常多的 relocation 的先例，因此也不必太過擔(dān)心學(xué)校太村這個問題（當(dāng)然學(xué)校的 career service 要足夠給力，并且你能夠忍受飛來飛去進行 onsite interview ）。

   Q6. BA在美國找工作的方式主要是？
   主要是。。。網(wǎng)申！
   基本上找工作的渠道有三類： 1. 來自學(xué)校的渠道，比如就我們項目而言，會有 career avisor 提供一些合作公司的崗位或者校友介紹的崗位，以及學(xué)校 / 學(xué)院各類的 career fair。2. 自己找人 networking （主要是校友和朋友），然后找他們 refer 或者直接面試。這個很有效，但是對于中國學(xué)生而言，可能需要多多練習(xí) networking 才能習(xí)慣這種方式。3. 通過 linkeIn,Inee,Glassoor 等網(wǎng)站網(wǎng)申，這個依然是大家用的最多的方式。前文也說了，大家一般會網(wǎng)投 100+ 的申請。因此可以說，一份完美的簡歷 +cover letter 作為你網(wǎng)投的第一步，是非常重要的。

   Q7. BA的職位的面試流程是怎么樣的？
   基本首先是 HR 的 Phone screening，然后和 hiring manager,team member 之類的 vieo interview，最后 final roun 很可能會要求 onsite （大部分情況下公司會包機票）。全程至少會有 2-3 輪，最多可能有四五輪。BA 崗位很可能在最開始還有 ata challenge 一類的技術(shù)測試。不同公司的面試內(nèi)容會有較大不同，但是大多數(shù)都免不了 SQL 相關(guān)問題、walk through project experience,和 behavioral questions。因此不需要和 SDE 一樣去刷算法題（最多刷一刷 SQL ）。

   Q8. BA的日常工作做什么？
   如果是 ata analyst 的話，日常工作主要包括：

4. a-hoc analysis project
   基本就是和我 Q1 里面舉例的事情是同一類的事情。
   也就是別的部門提出了一個問題（例如市場經(jīng)理，產(chǎn)品經(jīng)理會有一些他們不能解答的，但是可以通過數(shù)據(jù)分析來解答的問題），然后我們來決定解決問題需要哪些數(shù)據(jù)，得到數(shù)據(jù)，然后進行分析 / 建模，最后給出相應(yīng)的分析結(jié)果。
   再舉幾個例子，例如通過 A/B testing 來分析兩種頁面哪一種更加吸引用戶，能夠收集更多的點擊；例如分析某一次 marketing campaign 前后各項指標(biāo)的變化來判斷這次 campaign 的效果。

5. ashboar builing
   在我們做分析的過程中，如果發(fā)現(xiàn)某一類的分析是價值高且需要定期反復(fù)觀測結(jié)果的，就會把它做成一個 ashboar，讓相關(guān)的部門人員可以定期的打開 ashboar 直接看到最新的結(jié)果，不需要我們反復(fù)的 run analysis。

6. 其他
   由于公司以及具體職能的不同，可能還會有 aily reporting，ata management （ ETL ）,moeling 之類的工作。

   Q9. BA的起薪有多少？
   起薪這個問題其實在很大程度上取決于行業(yè)和地區(qū)。大家都應(yīng)當(dāng)知道，在美國，不同地區(qū)的消費水準(zhǔn)和稅率是差別很大的。比如 NYC 和 SF 可以說是在生活成本上遙遙領(lǐng)先。而華盛頓州和德州這種沒有州稅的地方可以說是不能更棒了。因此要說工資水平實在是很難一概而論。可能加州的 90k 和德州的 70k 最后過的是差不多的。硬要說的話?；旧显跒硡^(qū)的話，DA 的起薪最高我知道有 110k 左右的，當(dāng)然最低也可能就 50k 左右（不同公司的差距巨大）。
   結(jié)論是 —— 起薪整體水平較高，但是距離程序員還有不小差距。

   Q10. BA/ MIS/ MFE我應(yīng)該選什么？（同類問題還有BA v.s. MSF,BA v.s. MSA等等）
   這。。不同專業(yè)。。。當(dāng)然是取決于你的職業(yè)規(guī)劃?。∪缟纤?，如果你一心要做量化分析的，你就去讀 MFE，如果你覺得 ata engineer 挺合適，或者也想努力一把干脆去做 software engineer，那可能 MIS 更好。MSF 和 MSA 更是同理。畢竟研究生階段之后，想要再做 career trainsit 就需要付出更多的努力和更大的成本了。
   如果你只是一心想要留美，并不在意什么 career plan 的話，那么 BA,MIS,MFE >> MSF,MSA。（當(dāng)然如果是 WFU 的 MSA 這個級別的。。也是很好的。。）

   Q11.我本科是金融/會計/市場營銷/…，我可以學(xué)BA嗎？
   可以?，F(xiàn)在商科本依然是申請 BA 的主力，也是 BA 在讀的主力。但是能不能學(xué)好 BA 就是一個非常因人而異的事情了。我非常建議每一位商科本的同學(xué)，不要因為就業(yè)好或者看上去比較有趣這樣的理由選擇 BA。最好大家能夠盡量去獲得一些相關(guān)的工作 / 項目經(jīng)驗，或者是自己嘗試學(xué)習(xí)一下 R 和 Python，保證自己對于 coing 以及 BA 的思維是 comfortable 的。否則，如果你發(fā)現(xiàn) BA 和自己想的完全不一樣的話，或者發(fā)現(xiàn)自己對于編程實在是覺得很痛苦的話，可能就來不及了。。。
   那么商科本對于碩士畢業(yè)后在美國找一份 BA 的工作有什么影響呢？不幸的消息是，商科本很可能會對你找特別 tech 的工作造成較大障礙。比如如果你是想要做 DS 的，那么公司會理所當(dāng)然的更信任一個本科就是理工科的申請人，更不要說現(xiàn)在還有那么多理工科的 Ph 和你競爭（即便你其實可以勝任這份工作，也很可能過不了簡歷關(guān)）。但是如果你的目標(biāo)是 ata analyst，甚至是更加偏向 business 方面的職能，那么這個本科背景可以說并不存在什么劣勢，反而也是你懂得基本的商業(yè)原理的一種證明。

   Q12. BA的晉升路徑是怎樣的？（2018.3更新）
   經(jīng)常聽到學(xué)弟學(xué)妹問我： BA 是不是技術(shù)含量不夠?qū)е聲x升困難 / 發(fā)展瓶頸？所以我覺得有必要談一談我對于 BA 的職業(yè)晉升路徑的認識。
   我也曾經(jīng)和公司的一些前輩們探討過這個問題，他們的回答也基本是一致的?；旧先绻居幸粋€成熟的 ata 團隊，就一定會有一個成熟的 BA 晉升路徑。大體上 BA 的發(fā)展路徑如下：
   第一種，我就是喜歡做 analytics，management 之類的事情太煩了完全不想管！那么你可以從 entry-level 的 ata analyst 做起，做到 senior analyst,principal analyst （工資會一直上升，但是 title 基本就停留在這里）。
   第二種，我想要稍往管理層發(fā)展一些，那么你可以選擇成為 analytics manager,senior manager,irector of analytics，最后成為 VP，甚至 CTO。
   第三種，我想要更加 technical 一些，那么你也完全可以往 ata scientist 方向發(fā)展（當(dāng)然需要在積累 analyst 的工作經(jīng)驗的同時，加深一些技術(shù)能力）。
   第四種，我受夠了 ata 了，我要完全靠向 business 那一邊。那你可以去做 prouct manager。（這種可能性是存在的，但是這樣選的人不多就是了。。。）
   當(dāng)然。。你隨時都可以選擇再去讀個 MBA，然后就一切都不一樣了。

   最后給正在申請的同學(xué)們分享一個個人觀點：
   對于所有靠譜的 BA 項目來說，學(xué)生（尤其是國際學(xué)生）的就業(yè)率是衡量自己項目質(zhì)量的重要指標(biāo)，也是在各類排名中獲得一個高名次的必要條件。因此，學(xué)校招人的標(biāo)準(zhǔn)說白了并不是招成績更好的，而是更有可能找到工作的（這也是為什么有工作經(jīng)驗的申請人總是占優(yōu)勢的）。對于中國申請人來說，很多時候同質(zhì)化太嚴重了，那就讓 AO 只能根據(jù)分數(shù)來推斷申請人的學(xué)習(xí)能力進行篩選，最后申請人們反而又陷入了刷分的怪圈。所以與其糾結(jié)于再刷高點兒分，準(zhǔn)備申請材料的時候更應(yīng)該考慮的是，根據(jù)你的申請材料，你看上去有多大的概率能夠在畢業(yè)后找到工作。

【2018.09更新】距離我們這屆全員畢業(yè)（ 2018.5 月是最晚的畢業(yè)時間，也是大部分中國同學(xué)的畢業(yè)時間）已經(jīng)四個月了。我來總結(jié)一下就業(yè)情況（針對中國學(xué)生）： 首先，今年來灣區(qū)就業(yè)的同學(xué)比例明顯高于往年，一方面由于灣區(qū)的機會確實多很多，另一方面 LA 的主要行業(yè) —— 娛樂業(yè) H1B Sponsorship 也比較堪憂。同時，USC 的牌子在整個加州肯定是沒問題的。一些同學(xué)進入了 big name 比如 Yahoo!,VISA,Paypal,Autoesk,Cisco,linkeIn 等等（排名不分先后，只是隨手列舉幾個）。當(dāng)然，也有在別的地區(qū)就業(yè)的，比如西雅圖（有一位同學(xué)去了 Amazon ）和 NYC。再看下一屆（ 17Fall ）的學(xué)弟學(xué)妹們的實習(xí)情況，更是讓人非常樂觀，Amazon,linkeIn 和 Google 等公司都有人去進行暑期實習(xí)。其次，就業(yè)率方面，99% 都在畢業(yè)后三個月內(nèi)解決了就業(yè)問題。也有部分同學(xué)選擇回國（ ~15%? ），也拿到了滴滴，攜程，德勤等等的 offer （因為沒有很關(guān)注回國就業(yè)這塊，所以知道的不是特別清楚）。另外知道一個同學(xué)去讀 Ph 了。

【微語】留學(xué)是一種經(jīng)歷，是人生的一次旅途，是對世界認識和理解的加深。