来自一位毕业于美国南加大BA项目前辈的分享！

学生于 2016 Fall 入学 USC MS Business Analytics 项目。 2017 年 12 月毕业，目前在 SF 工作 (ata analyst) 。

发这篇贴子的初衷：
BA （ Business Analytics ）这个专业，在近两年可以说是越来越火。作为商学院少有的 STEM （此外还有 SCM, MIS, Fin 的一些项目也会 STEM ），再搭上 “BIG DATA” 这个传说中的风口，仿佛 BA 的一切都是那么的吸引人。而在 CD ，大部分的活跃用户都是申请人，而非毕业生，导致很多时候同学们了解到的或许并不是这个专业的全貌。因此在毕业后，工作前的这段间隙，我决定发这篇帖子，试图站在一个不一样的角度提供一些看法。并且会在工作后随着认知的提高持续更新。

以下内容主要来自平时遇到过的申请的同学问我的问题，包括 BA 到底 学什么、做什么、就业情况、以及与别的专业之间的选择 等问题。主要适用于 北美地区 的 BA 项目。

Q1. BA到底学什么？
顾名思义， BA 就是对商业数据进行分析，来支持商业决策。 BA 是一个交叉学科，包括 business + coing + stats （这个说法来自我们 program irector ，深表认同）。 Business 是背景，重要的当然是对于商业数据的理解，比如你如果不知道 CTR(click-through-rate) 是什么，那么你也没有办法对他进行分析，不知道他上升多少下降多少代表了什么，也就不能探索指标变化背后的商业意义。 Coing 是工具，无论是 SQL, R, Python ，甚至于 Excel ，他们都只是你分析数据的工具。 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。也就是说，我们需要做的是在商业环境下，用一些特定的工具，进行统计学意义上的分析，最终转换回商业价值。
这里肯定会有很多人 argue ： BA 的 business 学的不如 MBA ， coing 不如 CS ， stats 不如 stas/DS ，那么是不是很鸡肋？不是。一个常见的错觉叫做 “ 越 tech 越好 ”/“coing 越多越好 ” 。 BA 之所以能够存在，并且如此迅猛的发展，就是因为对于 ata analyst ，公司所看重的正是你什么都懂一点，能够在 Business 和 tech 之间架起一座桥梁。你的定位应该是：在 business sie 最懂数据的 + 在 analytics sie 最懂 business 的 。目前的 ata analyst 面试也都少不了问一些 business case 。嫌弃 BA 学的不够 tech 的同学们，毕竟现在美国的大部分 BA 项目是以帮助你找到工作为目的的 “ 职业培训 ” ，自然只教授成为一个 DA/DS 所最核心的那些技能。如果你依然觉得码代码才是王道，那不如早日转 CS （是的 CS 工作还多，工资还更高呢）。。。

举一个简单的例子：
A 游戏是包月付费的， prouct manager 找到 analytics team 希望通过分析、建模来预测每个用户在下个月还会不会续费，这个问题我们通常称之为 churn preiction 。那么对于这个问题， BA 的做法可以简化为：从公司的数据库里面把用户 subscription 的数据提出来，给他们标号 —— 这个用户 X 是第几个包月周期了，同时提取这些用户的关键数据，比如他们的性别年龄地区以及游戏的活跃程度（游戏时间，次数，频率，买了多少东西，角色级别，装备等等），然后针对这每一个用户变量，分析不同的特点（比如性别）的 churn rate 的不同，甚至建立模型，来通过这些变量预测某个用户下个月有多大的概率续费。当然这还不是这个问题的终点，因为你仅仅知道他很可能续费，并不能够创造什么价值。因此，通常对于那些续费概率较低但不是特别低的用户，我们会给他们发放一些活动邮件或者折扣邮件来鼓励他们续费。我们也会对不同版本的这些邮件进行 A/B testing ，来确定哪个版本的邮件能够更好的激励客户续费。

Q2. BA到底用什么语言/工具？
BA 用的语言 / 工具可以分成三方面：

1. 数据库工具
   包括 SQL 和一些 NoSQL 的工具，主要是提取数据用的。通常是分析的第一步 —— 理解了问题就要去找对应的数据了。

2. 数据分析的工具
   最基础的是 Excel 。然而 Excel 并未绝迹，或者说， Excel 永远都是 analyst 的基本功。比如你用 SQL 直接得到了一个 summary table ，那么接下来能用一个 Excel pivot table 搞定的事情，又何必大费周章去弄 R 和 Python 呢？
   高级一点的就是 R 和 Python 了（少数行业，比如金融业和医疗行业，会使用 SAS ）。一方面相对于 Excel ，他们可以处理的数据量更大，另一方面他们可以做一些更加灵活的处理，并且进行 moeling 等等工作。 R 和 Python 之间的话，基本上可以说是平分秋色，在数据分析上没有明显优劣。当然在数据量特别大的情况下你还可能会需要使用 Spark 等工具。

3. 数据可视化的工具
   同样的，最基本的工具是 Excel 。但是当我们需要能够自动更新的、方便共享的、更加 flexible 且 fancy 的 ashboar 的时候，现在使用最多的当属 Tableau 。同类的还有 PowerBI ， R Shiny, 3.js 等等。
   但是我依然要强调的是，这些工具都只是工具而已， BA 更重要的是，你面对一个 Business question 的时候，你理解你需要解决的这个问题，心中有相应的目的，再去找达成目的需要的工具。

   那么在一个 BA 的项目是否可以学到以上的全部呢？一般而言可以覆盖到大部分的重点（可能会着重于其中 R 和 Python 某一个）。但是必须要强调的是，由于这个行业的特殊性，一个 BA 的从业者要求的是持续性的自我学习。仅从 R 来讲，各种 package 层出不穷，提供了便利也要求不断的增加知识储备。因此，仅仅是完成课程内容的话，通常都是不够的。。

   Q3. BA在美国好就业吗？
   BA 目前的就业当然还是好于商科的大部分其他专业（ ACCT, Fin, … ），并且越来越多的美国公司开始建设自己的 ata analytics 团队。我有很多同学或者学姐学长去了 big name ，比如 Amazon, Cisco, Yahoo! ， VISA 等等（但是类似 google, facebook 和 apple 的 analytics 类岗位都极少招 fresh grauate ，能进 big name 的概率其实也很低）。可以说在一个公司完成了传统的 optmization 的部署之后， ata analytics 是他们进一步降低成本、提升价值的必要手段。
   但是我也不得不给大家浇一盆凉水（ 这盆冷水在后面帖子的更新中发现其实没有那么冷，整体就业情况算是非常乐观 了 ） —— 目前国际生在美国找工作的情况不容乐观，而且看目前的状况只怕会越来越不乐观。一个国际生为了留美，在毕业季投上 100+ 的简历几乎是无法避免的，而这 100+ 的简历，最后能够换来的面试可能只有 10 个不到（然后最后你很有可能就会输给一个美国人，仅仅因为他是美国人）。在目前政策极端不确定的情况下，愿意支付高昂的成本并且承担风险为你抽 H1B 的公司是越来越少了。
   CD 的申请人最常见的说法是， “ 希望毕业后能在美国工作 2-3 年 ” ，然而这并不是像看上去那么容易实现的事情。你有 STEM 不等于你就可以留下来工作三年。如果在 OPT 前 60 天 + 后 90 天的时间内你都没有找到工作，那么遗憾，你不得不离开了（挂靠等其他手段暂且不提）。我和很多其他 BA 项目在读的同学们聊过，几乎每个学校都有找工作不上心以至于最后没找到不得不离开，或者即使很上心的找，投了几百份简历，最后也很遗憾的没找到的情况（有时候运气也很重要）。基本上除非你天赋异禀或者运气超群，只有下定决心留美（而不是 “ 啊我回国也可以 ” 这种心态），扎扎实实的做好找工作的每一步，才能最后留下来（即便如此，还要通过 H1B 这个真正考验运气的环节）。特别是对于十个月或者一年的 BA 项目的同学，必须是一入学就开始完善简历、进行 networking 、广泛网申、准备面试。因此，留美工作的难度比申请要难上很多很多倍。而且找工作是非常 personal 的一件事情，申请上了一个好的项目绝对不是你能够留下来的保证。请大家做好心理准备。

   Q4. BA的就业方向主要是什么？（我想进金融业/咨询，我适合读BA**吗？）
   根据个人观察， BA 的毕业生只有极少数去了金融行业或者咨询公司。
   有进金融行业做量化分析的吗？有。但是很少。我也有和 MFE 的同学聊过，我们确实有很多重合的课程以及 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对于金融行业至关重要的那些。因此如果你目标明确做量化的，并不建议读 BA 。
   有进咨询公司的吗？有。但是同样不多。 top tier 的咨询公司（主要指战略咨询）招人主要还是面向 top Bschool MBA 。如果想进咨询，那么你需要一开始就走上一条和别人完全不同的道路 —— 比如和 MBA networking, 疯狂准备 case interview 。
   那么到底 BA 毕业生都去干嘛了？答案是去各行各业做 ata analyst / ata scientist 之类的工作了。基本上 BA 可以适用于各类行业（科技 , 制造业，娱乐业， … ），关键是公司有没有这方面的数据分析需求。
   说到这里又不得不探讨一下 ata analyst 和 ata scientist 的区别这个问题了。首先需要声明的是，其实不同公司对于 Data Analyst 和 Data Scientist 有着全然不同的定义。有些公司 DS 做的事情就是别的公司 DA 做的，只是单纯的称谓不同。因此看 JD 是最好的方法。。。那么从一个大家比较认可的角度来讲， DA 主要是侧重于数据的整理性分析， a/b testing ， ata viz 。而 DS 主要侧重于 moeling 。而那些专注 moeling 的 s 职位，目前的行业趋势是很多都需要 Ph 或者会有很多 Ph 来和你竞争，因此研究生要在大公司做 DS 可以说是越来越难了。相比之下，找 ata analytics title 的工作会容易不少（当然工资上确实也会低）。非常不建议纯商科背景，或者入学前几乎不会 coing/ 没有接触过 machine learning 的同学去找 DS 的工作。。。一方面你需要很努力的在这一到两年的时间内学习课内外的 DS 相关的知识来达到 DS 职位的要求，另一方面，即使你能够胜任 DS 的工作了，也很可能因为过去的相关背景太少，而过不了简历关。
   而 DA 的话具体又可以根据工作的部门 / 职能分类，比如 prouct analyst, customer analyst, marketing analyst, … 。但是万变不离其宗，分析方法基本都是一致的，只是对于 omain knowloege 的要求有所不同。比如有 marketing 经验的同学就比较容易找到 marketing analyst 的工作，因为公司会看重你在这方面的商业经验。

   Q5. BA在美国就业的话，主要是在哪些城市？
   其实目前 BA 在各个城市都有需求。之前也说了， BA 不是特别局限于行业的一类职位。因此可以说需求和城市的发展程度成正比。比如 SF 有很多科技公司，那么这些科技公司就有很多 ata analyst 的职位需求，而 LA 主要是娱乐业，但是这些娱乐业的公司也会有很多相关岗位（特别是 marketing analyst ）。因此可以说， BA 需求较大的地区 / 城市包括：旧金山地区，洛杉矶地区，西雅图，纽约，德州的奥斯汀 + 达拉斯，芝加哥，波士顿等等。
   那么相应的，对于申请而言，如果你本身项目就在一个大城市，那么当然找工作会方便很多，而且很多公司也会倾向招本地学校的学生。但是就 BA 来讲，有非常多的 relocation 的先例，因此也不必太过担心学校太村这个问题（当然学校的 career service 要足够给力，并且你能够忍受飞来飞去进行 Onsite interview ）。

   Q6. BA在美国找工作的方式主要是？
   主要是。。。网申！
   基本上找工作的渠道有三类： 1. 来自学校的渠道，比如就我们项目而言，会有 career avisor 提供一些合作公司的岗位或者校友介绍的岗位，以及学校 / 学院各类的 career fair 。 2. 自己找人 networking （主要是校友和朋友），然后找他们 refer 或者直接面试。这个很有效，但是对于中国学生而言，可能需要多多练习 networking 才能习惯这种方式。 3. 通过 LinkeIn, Inee, Glassoor 等网站网申，这个依然是大家用的最多的方式。前文也说了，大家一般会网投 100+ 的申请。因此可以说，一份完美的简历 +cover letter 作为你网投的第一步，是非常重要的。

   Q7. BA的职位的面试流程是怎么样的？
   基本首先是 HR 的 Phone screening ，然后和 hiring manager, team member 之类的 vieo interview ，最后 final roun 很可能会要求 Onsite （大部分情况下公司会包机票）。全程至少会有 2-3 轮，最多可能有四五轮。 BA 岗位很可能在最开始还有 ata challenge 一类的技术测试。不同公司的面试内容会有较大不同，但是大多数都免不了 SQL 相关问题、 walk through project experience, 和 behavioral questions 。因此不需要和 SDE 一样去刷算法题（最多刷一刷 SQL ）。

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

4. a-hoc analysis project
   基本就是和我 Q1 里面举例的事情是同一类的事情。
   也就是别的部门提出了一个问题（例如市场经理，产品经理会有一些他们不能解答的，但是可以通过数据分析来解答的问题），然后我们来决定解决问题需要哪些数据，得到数据，然后进行分析 / 建模，最后给出相应的分析结果。
   再举几个例子，例如通过 A/B testing 来分析两种页面哪一种更加吸引用户，能够收集更多的点击；例如分析某一次 marketing campaign 前后各项指标的变化来判断这次 campaign 的效果。

5. ashboar builing
   在我们做分析的过程中，如果发现某一类的分析是价值高且需要定期反复观测结果的，就会把它做成一个 ashboar ，让相关的部门人员可以定期的打开 ashboar 直接看到最新的结果，不需要我们反复的 run analysis 。

6. 其他
   由于公司以及具体职能的不同，可能还会有 aily reporting ， ata management （ ETL ） , moeling 之类的工作。

   Q9. BA的起薪有多少？
   起薪这个问题其实在很大程度上取决于行业和地区。大家都应当知道，在美国，不同地区的消费水准和税率是差别很大的。比如 NYC 和 SF 可以说是在生活成本上遥遥领先。而华盛顿州和德州这种没有州税的地方可以说是不能更棒了。因此要说工资水平实在是很难一概而论。可能加州的 90k 和德州的 70k 最后过的是差不多的。硬要说的话。基本上在湾区的话， DA 的起薪最高我知道有 110k 左右的，当然最低也可能就 50k 左右（不同公司的差距巨大）。
   结论是 —— 起薪整体水平较高，但是距离程序员还有不小差距。

   Q10. BA/ MIS/ MFE我应该选什么？（同类问题还有BA v.s. MSF, BA v.s. MSA等等）
   这。。不同专业。。。当然是取决于你的职业规划啊！如上所述，如果你一心要做量化分析的，你就去读 MFE ，如果你觉得 ata engineer 挺合适，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。毕竟研究生阶段之后，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 的话，那么 BA, MIS, MFE >> MSF, MSA 。（当然如果是 WFU 的 MSA 这个级别的。。也是很好的。。）

   Q11.我本科是金融/会计/市场营销/…，我可以学BA吗？
   可以。现在商科本依然是申请 BA 的主力，也是 BA 在读的主力。但是能不能学好 BA 就是一个非常因人而异的事情了。我非常建议每一位商科本的同学，不要因为就业好或者看上去比较有趣这样的理由选择 BA 。最好大家能够尽量去获得一些相关的工作 / 项目经验，或者是自己尝试学习一下 R 和 Python ，保证自己对于 coing 以及 BA 的思维是 comfortable 的。否则，如果你发现 BA 和自己想的完全不一样的话，或者发现自己对于编程实在是觉得很痛苦的话，可能就来不及了。。。
   那么商科本对于硕士毕业后在美国找一份 BA 的工作有什么影响呢？不幸的消息是，商科本很可能会对你找特别 tech 的工作造成较大障碍。比如如果你是想要做 DS 的，那么公司会理所当然的更信任一个本科就是理工科的申请人，更不要说现在还有那么多理工科的 Ph 和你竞争（即便你其实可以胜任这份工作，也很可能过不了简历关）。但是如果你的目标是 ata analyst ，甚至是更加偏向 business 方面的职能，那么这个本科背景可以说并不存在什么劣势，反而也是你懂得基本的商业原理的一种证明。

   Q12. BA的晋升路径是怎样的？（2018.3更新）
   经常听到学弟学妹问我： BA 是不是技术含量不够导致晋升困难 / 发展瓶颈？所以我觉得有必要谈一谈我对于 BA 的职业晋升路径的认识。
   我也曾经和公司的一些前辈们探讨过这个问题，他们的回答也基本是一致的。基本上如果公司有一个成熟的 ata 团队，就一定会有一个成熟的 BA 晋升路径。大体上 BA 的发展路径如下：
   第一种，我就是喜欢做 analytics ， management 之类的事情太烦了完全不想管！那么你可以从 entry-level 的 ata analyst 做起，做到 senior analyst, principal analyst （工资会一直上升，但是 title 基本就停留在这里）。
   第二种，我想要稍往管理层发展一些，那么你可以选择成为 analytics manager, senior manager, irector of analytics ，最后成为 VP ，甚至 CTO 。
   第三种，我想要更加 technical 一些，那么你也完全可以往 ata scientist 方向发展（当然需要在积累 analyst 的工作经验的同时，加深一些技术能力）。
   第四种，我受够了 ata 了，我要完全靠向 business 那一边。那你可以去做 prouct manager 。（这种可能性是存在的，但是这样选的人不多就是了。。。）
   当然。。你随时都可以选择再去读个 MBA ，然后就一切都不一样了。

   最后给正在申请的同学们分享一个个人观点：
   对于所有靠谱的 BA 项目来说，学生（尤其是国际学生）的就业率是衡量自己项目质量的重要指标，也是在各类排名中获得一个高名次的必要条件。因此，学校招人的标准说白了并不是招成绩更好的，而是更有可能找到工作的（这也是为什么有工作经验的申请人总是占优势的）。对于中国申请人来说，很多时候同质化太严重了，那就让 AO 只能根据分数来推断申请人的学习能力进行筛选，最后申请人们反而又陷入了刷分的怪圈。所以与其纠结于再刷高点儿分，准备申请材料的时候更应该考虑的是，根据你的申请材料，你看上去有多大的概率能够在毕业后找到工作。

【2018.09更新】 距离我们这届全员毕业（ 2018.5 月是最晚的毕业时间，也是大部分中国同学的毕业时间）已经四个月了。我来总结一下就业情况（针对中国学生）： 首先，今年来湾区就业的同学比例明显高于往年，一方面由于湾区的机会确实多很多，另一方面 LA 的主要行业 —— 娱乐业 H1B Sponsorship 也比较堪忧。同时， USC 的牌子在整个加州肯定是没问题的。一些同学进入了 big name 比如 Yahoo!, VISA, Paypal, Autoesk, Cisco, LinkeIn 等等（排名不分先后，只是随手列举几个）。当然，也有在别的地区就业的，比如西雅图（有一位同学去了 Amazon ）和 NYC 。再看下一届（ 17Fall ）的学弟学妹们的实习情况，更是让人非常乐观， Amazon, LinkeIn 和 Google 等公司都有人去进行暑期实习。 其次，就业率方面， 99% 都在毕业后三个月内解决了就业问题。也有部分同学选择回国（ ~15%? ），也拿到了滴滴，携程，德勤等等的 offer （因为没有很关注回国就业这块，所以知道的不是特别清楚）。另外知道一个同学去读 Ph 了。