随着数据时代的来临，近两年 商业分析专业火爆市场，那么商业分析跟传统的商科有什么区别呢？
商务分析毕业之后的工作类别可以说是千奇百怪啥样的都有，叫同样名字的可能做得事情却不同，叫不同名字的确其实是同样的工作内容。但是进行归类的话，可以归为商务分析、数据科学和数据分析三个最典型的工作类别。
数据分析， 与大数据之前的数据分析没有本质上的区别，是企业中对于商务问题进行分析的人员。但是大数据时代从商务分析项目中招聘的商务分析，意味着你在分析商业问题的时候，对于大量数据的分析将会是你分析商业问题的重要手段和工作。你所做的分析，大部分将会是分析描述，即通过选取不同的角度，对过去数据进行可视化的呈现，以发现商业中的问题和机会，做出商业建议。商务分析一般不会亲自对数据进行建模分析，也不会使用 R/Python 。主要使用的工具将是 SQL 、 Excel 和 PPT 。商务分析除了技术上的 pull 、分析数据之外，将会有大量的管理工作、跨部门沟通的工作，对于语言、沟通能力、商业嗅觉的要求最高，技术上的要求则最弱。
数据科学的主要工作，就是建立预测模型，也就是做分析预测。除了建模之外， pull 、清理数据的时间将会占用数据科学百分之八十的时间。数据科学所建立的预测模型，往往会被自动化代码进系统，所以很多企业也会要求数据科学具备一定的 general 编程能力，比如 Python ，方便和工程团队合作。商务分析专业毕业生的建模能力和统计知识，其实是足够做数据科学了，但一般的编程能力，特别是 python 的编程能力，将会成为数据分析专业毕业生够不够格做数据科学的分水岭。
最后要介绍的是数据分析。一般数据分析就是对于企业的数据库系统以及数据的含义进行管理、确保数据的准确性和完整性。当企业领导层，商业分析和数据科学需要数据的时候给予帮助，并且对持续不断的同类数据需求进行自动化，建立 BI 的基础设施。数据分析做常使用的工具就是 SQL 和 Tableau 。
写到这里，大家可能会好奇，三个职位中，哪一个最好？这个就真的是不分贱贵了。商务分析部门需求最大，最有可能做到 CEO ，但对中国人而言因为语言文化上的劣势竞争起来最辛苦。数据科学按理说应是最适合中国人的，事实上也是中国人在美国的强势领域，但编程能力不强的同学可能难以在这个领域出类拔萃。数据分析看上去工作最枯燥，但其实是个不错的打基础的职位。因为特别是大企业，商业分析、建模其实都不难，但把底层的数据到底啥意思整的明明白白其实往往是最难的一个环节。很多同学从数据分析做起，后来转为数据科学。
