BA(business analytics)到底學(xué)什么?發(fā)展前景怎樣?

BA(business analytics)到底學(xué)什么?發(fā)展前景怎樣?

單獨說BA是沒有意義的，我們不妨把另一個及其相似的概念“BI”來對比一下：

先說概念，BA是商業(yè)分析，BI是商業(yè)智能

現(xiàn)在BI的概念很火，企業(yè)恨不得把所有的數(shù)據(jù)工作都加上個商業(yè)智能的名頭;同時，BA也是方興未艾，很多大學(xué)也開設(shè)了這門課，但是我相信大部分公司老總都搞不明白BA與BI都是什么。

BA、BI都是做什么的?

定義我就不說了，上面很多學(xué)院派的回答都說的很明白，我就通俗點說吧

BA就是通過調(diào)查問題分析出為什么會這樣，將來會發(fā)生什么，你該去做什么?

比如，你負責(zé)某公司的市場運營，然后發(fā)現(xiàn)最近的客戶流失量很大，你就需要利用BA的數(shù)據(jù)技巧和知識，分析問題得出用戶流失的原因，是不是產(chǎn)品有問題?還是服務(wù)有問題?是哪個步驟阻止了用戶留存?然后你就可以利用BA得出預(yù)測，未來會流失多少客戶?采取什么措施會有效阻止客戶流失等等等。

 

對比一下，BI就是告訴你現(xiàn)在正在發(fā)生什么，或者過去發(fā)生了什么，也就是描述性分析。

比如，你是企業(yè)的老總，你的公司內(nèi)部所有部門每天都會產(chǎn)生上萬的數(shù)據(jù)，這些冗雜的數(shù)據(jù)讓你頭疼不已，因為你根本看不到這些數(shù)據(jù)有什么意義。此時如果你的企業(yè)擁有完整的BI解決方案，那么你就能看到這些數(shù)據(jù)背后的業(yè)務(wù)狀態(tài)，比如最近銷量情況怎么樣?用戶情況怎么樣?

BA和BI的基礎(chǔ)是什么?

BA的基礎(chǔ)是應(yīng)用數(shù)據(jù)與統(tǒng)計基礎(chǔ)，因此嚴格上說BA應(yīng)該屬于數(shù)學(xué)專業(yè)領(lǐng)域，其關(guān)鍵在于識別關(guān)鍵數(shù)據(jù)變量之間的關(guān)系，揭密隱藏在數(shù)據(jù)中的規(guī)律。

BI的基礎(chǔ)是數(shù)據(jù)庫，BI更應(yīng)該屬于計算機專業(yè)領(lǐng)域，BI必備的技術(shù)包括數(shù)據(jù)庫OLAP、切片、向下鉆取等等，最后會通過一個交互界面進行表現(xiàn)，比如儀表盤、得分卡、圖表、圖形、警報等，上圖就是一個簡單的BI交互界面。

BA有什么類別?

現(xiàn)在你應(yīng)該了解了商業(yè)智能和商業(yè)分析的區(qū)別，接下來我們來談?wù)劦湫偷纳虡I(yè)分析類別。

1、數(shù)據(jù)挖掘——通過在海量數(shù)據(jù)中發(fā)現(xiàn)以往不知道的趨勢或規(guī)律來創(chuàng)建模型。例如：保險索賠欺詐行為分析，零售市場購物籃分析。數(shù)據(jù)挖掘應(yīng)用各種各樣的統(tǒng)計技術(shù)：

判別分析 當我們知道變量為分類數(shù)據(jù)時。例如：年齡等人口統(tǒng)計資料。

回歸分析

聚類分析 當我們不知道影響因素怎么歸類時。

相關(guān)分析模型

2、文本挖掘——從文本數(shù)據(jù)集中發(fā)現(xiàn)提取有意義的模型。例如：通過face book、Twitter、博客等社交網(wǎng)絡(luò)了解客戶情感，這些信息將用來提高產(chǎn)品服務(wù)或了解競爭對手動態(tài)信息。

3、預(yù)告——預(yù)測分析接下來的一段時間發(fā)生的事情。例如：利用歷史數(shù)據(jù)預(yù)測季節(jié)性的能源需求情況。

4、預(yù)測分析——創(chuàng)建、管理和部署預(yù)測得分模型。例如客戶幸存與流失、信用評分預(yù)測以及工廠機械失敗率等。

5、最優(yōu)化解決方案——利用模擬技術(shù)識別最優(yōu)化解決方案。例如：銷售價格優(yōu)化、股票投資基金最優(yōu)組合等。

6、可視化——通過高度交互圖形增強對探索性分析的展示以及模型結(jié)果的輸出表現(xiàn)。

市場需求大不大?

BA方向問題最主要：走向商業(yè)、走向技術(shù)。

走向商業(yè)，所有管理、金融等商科就業(yè)方向你都能去，你比別人多了代碼和數(shù)據(jù)功底。很多人覺得多出來這一點能力是賣點，但我對此持保留意見。

走向技術(shù)，這個和BA專業(yè)所學(xué)更貼合。機會主要集中在互聯(lián)網(wǎng)和金融行業(yè)IT類崗位?；ヂ?lián)網(wǎng)里，像電商這類面向海量用戶的行業(yè)機會相對更多一些，比較知名的阿里的淘寶天貓、京東、拼多多這些;金融行業(yè)基本都有IT類崗位，向金融科技轉(zhuǎn)型的比較快的企業(yè)一般會有不少數(shù)據(jù)崗位機會，比如銀聯(lián)、招行等。

整個市場規(guī)模首先是很大的，但是上漲空間有限，有可能一進去就是紅海。BA這種東西，小公司用不起，大公司看不起，因為BA不是嚴格意義上的剛需崗位，甚至來說一個企業(yè)有可能并不會需要BA或者BI。

之前我也是一個BA的鼓吹者，但現(xiàn)在我要改一下建議，除非熱情十足，不建議再盲目跟風(fēng)，未來會越來越擠。商科專業(yè)同學(xué)，根據(jù)興趣三思而后行;CS/EE等工科背景的同學(xué)，十分不建議再考慮BA了，直接CS下面找ML等方向。

薪資還算可觀，這是值得欣慰的。數(shù)據(jù)分析而論，小的初創(chuàng)普遍能開出15~20w的價格;一二線互聯(lián)網(wǎng)大廠，20~25w;銀行IT為了從互聯(lián)網(wǎng)搶人，基本也要跟上一二線大廠的開價，所以也是20~25w左右。不排除部分土豪廠開到近30w，應(yīng)屆更高的沒見過。另外數(shù)據(jù)分析在國內(nèi)的定位有技術(shù)和非技術(shù)之分，我的觀察是，將數(shù)據(jù)分析定位為技術(shù)崗的公司更喜歡開高一點。

數(shù)據(jù)挖掘與算法之前提到了做起來比較困難，但薪資更好，白菜價還是比數(shù)據(jù)分析高很多的，另外這類更為能拿SP，拿到無上限。

如果能去一二線拿20w以上，確實不錯，這也解釋了為什么越來越多商科人以自學(xué)或者海外master為跳板，走向這個紅海。