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：

數據庫工具
包括 SQL 和一些 NoSQL 的工具，主要是提取數據用的。通常是分析的第一步 —— 理解了問題就要去找對應的數據了。

數據分析的工具
最基礎的是 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，他們可以處理的數據量更大，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，在數據分析上沒有明顯優(yōu)劣。當然在數據量特別大的情況下你還可能會需要使用 Spark 等工具。

數據可視化的工具
同樣的，最基本的工具是 Excel。但是當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，現在使用最多的當屬 Tableau。同類的還有 PowerBI，R Shiny,3.js 等等。
但是我依然要強調的是，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)性的自我學習。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自己的 ata analytics 團隊。我有很多同學或者學姐學長去了 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）?？梢哉f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風險為你抽 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 項目在讀的同學們聊過，幾乎每個學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，必須是一入學就開始完善簡歷、進行 networking、廣泛網申、準備面試。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。請大家做好心理準備。

【微語】永遠不要忘了你最初的夢想、留學的初衷。