商业分析专业就业概况

BA 的就业方向主要是当数据分析师和程序设计师。在不同行业中专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测。虽然这是一个较新的专业，但却有很好的就业前景。在大数据时代，很多行业都需要擅长挖掘和分析数据的人，例如 IT 、互联网、游戏、通信、金融、医药、咨询、零售等，因此 BA 的毕业生都比较抢手，而且薪资水平也较高。

Business Analytics 出来，最多的是在 B2C 的行 业 做 customer analytics ， 这 是因 为 数据量大的行 业 ，大部分都是消 费类 行 业 ， B2B 的行 业 ，除非是 针对 中小企 业 的公司， 类 似于 UPS 这 种，很多分析数据量并不是很大。 Customer analytics 可以有很多种，包括 marketing analytics 和 银 行里的 risk analytics 。 最典型的例子就是 Marketing Mix Modeling 。 Nike 把每家每周的 销 量作 为 Y ，其他所有主要的可能影响 销 量的因素作 为 x ， 对 此 进 行 统计 建模，能 够发现 价格、广告、促 销这 些条件在 变 化的 时 候， 销 量是如何 变 化的，以此作 为 决策参考。 则 是在 individual customer 的 level 上作分析。最典型的例子是在 线 广告的投放。 亚马逊 将点 击 广告的概率作 为 y ，其他所有主要的可能影响广告点 击 的因素作 为 x ， 对 此 进 行建模（ 这 里运用到的基 础 算法 为 logistics regression 或者 decision tree ）。能 够 知道未来一个广告 摆 在你面前，你点 击 的概率 为 多少，以决定是否将 这 个广告呈 现 在你面前。 除了 marketing ， business analytics 在各个商 业 function 都有运用，比如人力 资 源管理， 预测员 工的流失概率，以提前 进 行招聘需求或者加薪挽留。再比如运 营 的 领 域，酒店 对 每天不同 时 段的 访问 量 进 行 预测 ， 对 前台人 员进 行合理的安排， 节 省人工 费 用。从行 业 的角度，根据我 们团队 多年的 观 察， business analytics 运用最广的几个行 业 依次 为 ：互 联 网、金融、零售、媒体广告和交通旅游。互 联 网最典型的的 business analytics 运用是广告投放、商品推荐。金融最典型的的运用是 风险 管理和 Direct marketing 。零售最典型的运用是 marketing mix modeling 和需求 预测 。媒体广告行 业 最典型的运用是广告投放和效果 评 估。交通旅游行 业 最典型的运用是客 户 忠 诚 度和需求 预测 。

（1）商 业分析员

商 业 分析 员 称 为 business analyst，是企 业 中 对 于商 业问题进 行分析的人 员 。 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。所做的分析，大部分将会是描述性分析，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 。

business analyst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。business analyst除了技 术 上的推 进 、分析数据之外，将会有大量的 项 目管理、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。

（2）数据科学家

数据科学家称 为 Data scientist，主要工作就是建立 预测 模型。除了建模之外，提取、清理数据的 时间 将会占用data scientist百分之八十的 时间 。Data scientist所建立的 预测 模型，往往会被自 动 化code 进 系 统 ，所以很多企 业 也会要求data scientist具 备 一定的 编 程能力，比如Python，方便和工程 团队 合作。Business analytics 毕业 生的建模能力和 统计 知 识 ，其 实 是足 够 做Data scientist了，但 编 程能力，特 别 是python的 编 程能力，将会成 为 business analytics 毕业 生 够 不 够 格做data scientist的分界 线 。

（3）数据分析师

数据分析 师 就是Data analyst，一般 Data analyst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 、business analyst和data scientist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。Data analyst常使用的工具就是SQL和Tableau。

以上三种 职业 方向的区 别 在于商 业 分析 岗 位 为 Business analyst需求最大，最有可能做到CEO。Data scientist，由于中国人良好的数学功底(世界公 认 的数学知 识 能力)，也是中国人的 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。Data analyst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 的数据弄明白其 实 往往是最 难 的一个 环节 。很多同学从data analyst做起，后来 转为 data scientist。