大数据、商业分析这类专业近年来蓬勃兴起,也展示出百亿级的商业机会。有信息指出,这个市场在2018年以6倍的速度增长,海外高校也纷纷开出这类专业以适应变化的就业市场需求。
作为一个新兴专业,国内几乎没有看到大学有开设,而在北美,英国,香港,新加坡,也是近3年才开始涌现出来。
代表性学校
商业分析在 美国代表性学校 有:MIT,Rochester, UT Austin, Wake Forest U , USC。
每个你看到的项目都很独特 。 很多这类专业硕士项目包括标准的分析类founation courses 基础课程。但在这基础上,为了让自己的项目抓住申请者的眼球,学校也喜欢调整一下课程,使得更具多元性,如增加一些经济、传播类的课程,也可能会加上一些行业项目及比赛之类。另外,也有一些列的跨专业学习,学生可以有比较多的选择。 比如说有些项目会分成Operations Analytics,Competitive Analytics,Customer Analytics 这些不同的方向。
商业分析这个专业,也是结合了传统的Business analyst, Statistician, 码农的技能。由于企业有这样的要求,商学院应对这样的市场要求,开设培养business, 统计,计算机都有掌握的人才,于是BA孕育而生。
看到这里大家可以明白,Business analytics要学的东西就是三个方面, business, 统计,计算机 。 Business 和大家熟悉的business的课程是一致的,就是marketing, finance这些。但统计和计算机,则和传统统计与计算机有很大差别。
传统的统计,主要是学习对实验结果做显著性检验,比如一对小白鼠吃药,一对小白鼠不吃药,看谁的身体较好,有没有显著性差别。以前商业中大量招聘统计专业同学的是市场调研机构:一对消费者看了广告,一对消费者没看广告,谁对品牌认知度高,有没有显著性区别。
另外,统计讲究抽样,消费者太多没办法一一访问,于是抽样,于是就要看抽样的合理性。 现代企业中的数据分析,可以说和这些传统的统计方法,有很大的改变。 BA里面的统计知识,主要是学习如何建立和评估变量的统计模型,最典型的例子就是回归分析模型 。
回归分析在传统的统计中,可能只是重要的一块而已。而在BA教育中的统计部分,几乎是全部。除了回归分析(包括逻辑回归),其他的BA中要学的统计知识差不多也就是相关系数,时间序列之类,都是小头。而传统统计中的显著性检验,抽样方法,BA基本不教。
接下来要说BA学的计算机知识,计算机博大精深,幸运的是BA只要学里面可能是最简单的三块。 第一就是数据库和SQL ,因为企业里面的数据库都是储存在系统里面的。
你要分析数据,就要知道怎么把数据按照你要的方式提取出来。这就是用SQL写代码提取数据。学校一般不会花时间去教你,但是这个是学做analytics的基础的基础。
第二就是学习怎么在统计软件中进行编程 。 以前提到分析数据,国内最熟悉的是SPSS,像Excel一样拖拖拽拽就行了。但其实美国根本就没人用。现在分析数据的流行工具,必须通过写代码的方式进行操作,最典型的工具就是R和Python。 这里的编程,其实是统计编程,这和真正编网站的JAVA,C语言是很不一样的,也容易地多,但仍是类似的编程思维。
第三要学的计算机知识就是现在流行的机器学习,机器学习基本上是代替和补充前面所说的回归分析和统计模型方法 。 做的事情几乎是一样的,就是建模,但做的方法是计算机的。 不过很多原则其实和统计的回归分析是一样的,也都是用R或者python的代码来实现,实现起来,不会比回归分析难太多,大家大可放心。
涉及课程 课程大致有:数学、统计,R编程 ,SQL基础数据管理,Optimization ( 优化模型解决商业问题,电子表格建模用于商业决策) ,分析的商业基础 (经济、金融、市场、管理知识) ,数据管理(理解数据,数据机构,技术等来用于构建商业框架,涉及使用R, Python, regular expressions, SQL的操练,学生学会如何manipulate an manage ata,同时学习istribute storage an processing such as Haoop an Spark) ,Prescriptive Moels & Data Analytics 模型数据分析(数据分析基础工具,学会实验设计和分析,回归分析,模型设计,用R统计分析包来做这些)。
要注意的是, 商业分析课程不是将统计理论或计量经济理论的,课程一般有很强的实践导向 。 培养critical thinking skills, 培养如何问问题,问数据分析这类的问题,有创意地设计解决数据分析的方法,提供有效地分析来解决商业问题。
举个栗子
加州大学洛杉矶分校UCLA 实践部分,UCLA有summer internship an Capstone Analytics Project,项目的founation 课程学生可以在winter 入学之前通过online的方式学习。
罗彻斯特大学Rochester 学校有提到,学生有一定会计或金融基础的,可以把GBA466* Accounting an Finance 换成FIN418 Quantitative Finance with Python 或MKT414 Pricing Policies
德州大学奥斯汀分校University of Texas-Austin UT Austin的项目偏技术类。他们的core course有Preictive Moeling, Data Analytics Programming, Test Analysis, Decision Analysis, Learning Structures an Time Series, Stochastic Control an Optimization; elective的课有Finance,Pricing & Revenue Management, Marketing Analytics,等 – 核心课程没有一节是纯商科的。
下面是Austin本科学生的组成背景
这个学校有这两家雇主 Deloitte, Walmart,成为每年很大一部分学生的去向。
偏商科类的比如说南加大USC,他们的core course有Business Analytics, Data Driven Decision Making, Communication for Management, Applie Moern Statistical Learning Metho, Data Management, Data Analytics Driven Dynamic Strategy an Execution, The Analytics Ege: Data, Moels, an Effective Decisions, Statistical Computing an Data Visualization – 核心课程至少两节跟商科有关。
不同的商业分析项目,有自己特别的地方,而同学可根据自己的个人情况,选择最适合自己的项目来挑选。
对于学校的录取偏好, 有些只偏向工程和统计 , 如MIT, CMU, GIT, Northwestern ,UT Austin,Columbia BA (商学院和工程学院合办), USC; 有些喜欢有部分先修课程 prerequisite courses , 如UT Austin ,它的前提课程要求是编程(Python/Java), 偏向于统计的微积分, 线性代数, Virginia 先修课程 financial accounting, microeconomics an statistics, WPI computer science, statistics, math, Stevens Institute of Technology 史蒂文斯理工 One year of calculus, once course covering basic probability, hypothesis testing an estimation. 而适合非理工科学生申请的学校有 : Virginia ,RPI,UC-Irvine, Columbia的Applie analytics(SPS学院下面), WUSTL ,Rochester。
TIPS: 其他一些不同特点的学校也列出来了,供大家参考。
* 大众情人校:USC,Columbia, MIT,UC San Diego
* 有带实习/研究机会的学校:Rochester , 2个项目,不含实习11个月,含实习17个月 , Columbia, 可在6研究中心的一个进行项目和科研
* 被低估的就业超好的学校:SMU,North Carolina State University,U of San Francisco
* 项目时间较长的学校 Rochester, Wustl可以在18个月内完成,USC1.5-2年
什么样的学生背景可以申请这个专业
通常是理工背景(计算机,统计,数学,电子工程,软件工程等),或者是商科背景 (信息系统管理,金融,金融工程,经济,会计,工商管理)等
U of Texas Austin MSBA学生背景组成
在特殊情况下,文科的学生也是有成功申请的案例。
商业分析学生需要具备的能力
商业分析的学生会学会如何融合大数据Big ata到有效的商业实践和策略中。为了更好帮助学生在商业分析职业发展道路上走的更顺,商业专业着重于培养学生以下领域的技能:如 应用统计,应用数学,计算机,运筹学,消费者行为,风险管理,运营研究,决策理论 。
商业分析与相似学科的比较
常见的与商业分析比较接近的项目有,信息系统管理,统计,数据科学,商业智能Business Intelligence。
与信息系统管理相比 ,MSBA商业分析着力外部数据分析,提供商业决策(市场/投资),而信息系统基于企业内部管理,系统构建与开发。与统计相比,MSBA商业分析更注重社交媒体等这些潜在数据的挖掘与分析,偏重实际应用,而统计专业传统意义数据的处理,偏重理论研究(统计方法)
与数据科学相比较 ,商业分析更着重于数据挖掘ata mining,从而达成特定的商业目标(例如更高的利润)。
与商业智能相比 ,商业智能更关注估算过去的表现,BA项目更多注重与prescriptive techniques规定性分析 和 preictive techniques 预测分析,Prescriptive techniques 就像要问问题,我们应该做什么?而Preictive techniques就像要问我们接下来做什么?
商业分析对应行业与公司
常见的行业 有集团公司、IT、咨询策划等涵盖经济分析、市场调研、情报研究、数据采集集合及相关领域的行业。
较常见的雇主有 :四大,投行如高盛,摩根斯坦利;租车公司如Hertz,Avis;互联网网站如谷歌,亚马逊,IBM等;专业的第三方数据分析公司如MEC;大型连锁商贸机构如沃尔玛等。以Rochester 罗彻斯特大学为例,BA方向就业方向有金融领域的防欺诈保护,医疗风险预测,国家安全,抵押分析,保险分析。
在传统的企业里面
商业分析又是如何起作用的呢?
以 可口可乐公司 为例,如果要分析广告投放是否有作用,传统的Business Analyst说了一堆逻辑,只有简单的数据表支持。
在现在数据时代看来貌似有点过时,因为现在可以拿历史存储的大数据说话呀。如果市场调研公司里面的统计专家告诉你,应该抽样发问卷调研消费者,你也让他一边去,过去广告投放的时间,区域和销量的变化数据全调出来进行多变量的建模,还搞什么抽样调研。
于是你运用对商业,市场只是对问题进行分析,比如广告是如何影响销量的,投少了会不会没作业,投多了会不会边际效益递减?除了广告外,还要考虑什么其他的变量? 电视,互联网广告,是否有1+1大于2或小于2的内在联系?
商业分析的框架搭好之后,就是 数据分析 了—— 你首先非常熟悉公司的 数据库结构 , 然后用学过的 SQL知识写SQL代码 把数据从数据库里按照你的要求提取出来,简单的数据清理整理。
商业分析排名参考
这边选取了Master’s in Data Science 网站排出的前25名商业分析专业可以供大家参考。
1 MIT
2 CMU
3 UT Austin
4 U of Chicago
5 Columbia U
6 Duke U
7 Georgia Institute of Technology
8 Purue U
9 University of Minnesota-Twin Cities
10 NYU
11 Iniana University Bloomington
12 Texas A&M University
13 Northwestern University
14 University of Floria
15 University of Virginia
16 University of California-Davis
17 Rutgers University
18 University of Rochester
19 Michigan State University
20 Boston University
21 University of Iowa
22 North Carolina State University
23 Arizona State University
24 UNIVERSITY OF CONNECTICUT
25 SOUTHERN METHODIST UNIVERSITY