专业解析 | 数据相关专业：BA/DA/DS 傻傻分不清楚？

随着大数据时代的到来以及数据在商业领域的应用，数据类型的岗位需求爆发性增长，成为企业Fulltime招聘的核心岗位。

这次疫情的影响，大部分企业都采取了居家办公的政策，伴之而来的是各大企业公司裁员、缩招的浪潮，然而却有很多企业仍在招聘Data岗位，比如：亚马逊、Facebook、微软等等。

由于数据类型岗位十分“吃香”，商业分析（BA）、数据分析（DA）和数据科学（DS）这些专业越来越火，开设的学校也很多。有同学会有疑问，这几个专业有什么区别？课程设置一样吗？我要怎么选择？

今天，途途就来带大家详细了解一下这几个专业的区别~

   商业分析 BA   

· 专业描述

以商业知识为基础，数理编程为手段，从数据分析出发，以决策优化来创造价值的新兴专业，实现大数据的商业应用。

基本课程：统计学、概率论、微积分、数据分析与编程、商业决策等；

拓展课程：数据库管理、数据可视化、数据挖掘与优化、网页分析等；

基础统计软件（SPSS、SAS等）、计算机编程（Python等）；

标配课程：各种数据库软件（如 SQL等）。

· 就业方向

McKinsey 2018年详细分析报告显示：美国大数据或者数据工作者的岗位需求激增，其中大数据科学家的缺口在14-19万，对于懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到150万。美国本土毕业生的就业率95%以上。银行、会计、医药、咨询、互联网等都是大热的去处。

· 入学要求

一般不限制专业背景，也有部分学校强调，喜欢招来自数学、计算机、统计、工程、经济学和金融等领域定量分析能力强的学生。对申请者的数学和计算机背景要求较高，大部分学校要求数学、统计、计算机等先修课要求。需要有数据分析，行业分析、金融分析等实习经验。

· 项目重点

BA对企业等机构的数据进行分析，以导出对商业决策和商业活动有用的信息为目的的专业。课程以实用为主。会运用到基础实用编程，统计学以及商业管理的知识。所有学校的商业分析专业都会包含数据分析，编程，优化，统计与概率，微积分等课程Business+CS(SQL)+Statistics(回归分析)

· 推荐院校

新加坡国立大学、南洋理工大学、哥伦比亚大学、伦敦大学学院、爱丁堡大学 、帝国理工学院

   数据分析 DA   

· 专业描述

DA和BA的工作其实比较接近，BA更多的在做业务上的分析和修正，DA则是从更长远的发展上去做数据分析。Data Analyst偏重于将分析和商业运用相结合，分析只是一个手段和途径，更加重要的是将分析的结果转化为切实可行且能有所成效的商业方案。

BA一般不会亲自对数据进行建模分析，也较少使用R/Python。主要使的“最顺手”的是SQL和Excel。除了分析数据之外，   将会有大量的跨部门沟通的工作，而且对于商业嗅觉的要求最高，技术上的要求弱一些。

数据分析师，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。

· 就业方向

分析师职位主要集中在互联网、金融、消费品、制药/医疗等行业，其中互联网和金融行业的分析师职位数超过了80%。外资投行典型公司如Goldman Sachs、Barclays、JP Morgan，Morgan Stanley等每年都在从校招和社招中招募相关人 才。分析师职位主要集中在互联网、金融、消费品、制药/医疗等行业，其中互联网和金融行业的分析师职位数超过了80%。 

投行的数据分析师通常会负责处理金融交易数据，包括外汇、股票、大宗贸易数据，需要和贸易方、销售、风控师、运营  和银行打交道，基金公司这个岗位需要做很多的量化工作，包括会计、客户管理、风控、业务方面的数据分析，数据研究，以及提供解决方案等。科技公司比如Google、Facebook、阿里巴巴等：这个岗位会更加注重用户的行为数据分析，包括聚类、分类分析，去解析用户的行为习惯。

· 入学要求

GPA 3.0+，虽然大多数BA/DA项目对于申请者的背景保持开放的态度，但仍建议在入学之前，拥有以下三类领域的知识基础，这会使入学之后的学习更加顺利。比如商科方面建议有经济学、金融、管理学等知识，数学方面应具有微积分、线性代数、概率、统计学等，计算机方面有Python、R、MATLAB、SQL等技能的基础。

· 推荐院校

南加州大学、乔治城大学

   数据科学 DS   

· 专业描述

数据科学是指通过挖掘数据、处理数据、分析数据，从而获取数据中潜在的信息和技术。

· 就业方向

根据IBM预测，到2020年所有美国数据科学类岗位数量将增加万个，总数达到270万。而Linkedin在相关职业的调查中也发现，机器学习和数据科学工程师已经超过传统软件工程师，跃升为最高薪群体，年薪中位数高达$129,000。所以，在大数据时代下，数据科学专业的就业前景是非常广阔的，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(券商、投行、基金、资产管理)、医药、咨询、零售等。

数据科学专业主要有三类职业方向：

数据科学家 Data Scientist

机器学习工程师 Machine Learning Engineer

数据分析员 Data Analyst

· 入学要求

GPA>3.0, 最好能达到3.5+， GRE，一般偏好有数理背景或量化背景或计算机背景的学生。大部分项目会有先修课的要求，常见的先修课程有：微积分、线性代数、统计、计算机编程基础（Python、R等）、计量经济学、概率论等。美国数据科学专业的申请难度是比较高的，一方面DS专业非常热门，另一方面不少项目开设在顶尖名校，申请难度高，而中间档次的学校相对较少。

· 项目重点

DS是从大数据应用的数据管理、系统开发、海量数据分析与挖掘等层面，系统地帮助企业掌握大数据应用中的各种典型问题的解决办法的专业。

Specialized algorithmic, statistical, and systems expertise， Foundations of Artificial Intelligence，Analysis of Algorithms，Database Systems

· 推荐院校

新加坡国立大学、纽约大学、布里斯托大学

以上是今天给大家分享的数据相关专业解析。按照现有的经济形势，可预期对具备数据分析能力的人才需求将会越来越大，此类职位的待遇也将随人才缺口而水涨船高，至于哪个专业更适合你、发展更好，这是因人而异的。