全世界的数据量正在呈爆炸式增长，意味着数据工程师和数据分析师的岗位也不得不大量增长。随着科技的发展，公司需要经常性地更新和更换系统，市场对于数据分析人才的需求越来越大，所以在未来，相关职位的前景是非常广阔的。
2011年，麦肯锡发布了大数据行业报告，从市场需求方面肯定了未来数据分析人才的价值，催生了全世界范围内高校开办大数据相关专业的热潮。其中，商学院最新型学科的典型代表当属Business Analytics，多兴起于2013年。它是用于众多包括Tech Consulting中Analytics Consulting在内的职位数据分析的重要学科知识。
DBC Data商学院 之Business Analytics专场
诚邀PwC数据分析女神 带你走进Business Analytics的未来世界
以前企业用Excel, Word做做财务、市场、运营的分析就行了，数据时代出现了大量新数据指向消费者运动的潜在规律。这么一大金矿，势必有人要抢着分析。
但是传统Business Analyst缺乏对存储数据系统、数据分析的知识储备，无法承载如此大量的数据分析；Statistics的同学又对Business和市场缺乏了解。最终，“逼”出来了这么一个“Business Analytics”。
看到这里，你应该明白了一般来说Business Analytics要学习三个方面的知识：Business, Statistics, 和计算机。而Business的课程与Marketing, Finance这些一致。
重点说下Business Analytics要学的计算机知识，幸运的是与其他计算机知识相比较而言，BA要学的并不很难：
首先是数据库和SQL。数据都是存储在系统里面的，你要分析数据，首先要知道怎么把数据按照你想的方式提取出来。这就需要用SQL写代码提取数据。这个是学、做Analytics的基础中的基础。
其次是学习怎么在统计软件中进行编程，最典型的工具是R和Python。这里的编程是统计编程，和真正编网站的C语言、Java很不一样，也容易得多，但仍是类似的编程思维。
最后要学的就是机器学习。机器学习基本上是代替和补充前面所说的回归分析等统计模型方法。做的事情几乎是一样的，就是建模，但做的方法是计算机的，也都是用R或者Python的代码来实现。 嗯，一点都不难。
笼统一点来讲，Business Analytics就是利用各种分析工具和手段提取数据中的有用信息，从而辅助商业决策。
细分一点来讲，整个数据分析的流程是：收集整理数据→ 分析数据→ 得出结论。通常Data Engineer会收集整理数据，之后Business Analyst会对整理好的数据进行分析。
数据分析本身分三大类：Descriptive(各种图表), Predictive（一些简单数学模型） ，以及Prescriptive。那些很复杂的数学模型、深度学习、人工智能等就应该算在Data Science了。 Analytics Consulting的Typical Day：
相关工作岗位的大势所趋已经不容分说，这个就业方向的知识还并不难学，所以非常热门。简言之，需求量大，供给量有大缺口，但也在迅速填充中。随着自动化的加强，个人认为，职位缺口会向Data Scientist转移。从学位来讲，一般本科或者研究生学历就可以了。Data Scientist通常需要博士学位，硕士码农干这个的也不少。
主要就业方向分两种：Consulting Firm或者Industry。基本所有公司都会需要Business Analyst。 薪资方面，这两年一般是$55,000-$70,000。Data Scientist一般起薪在$100,000左右。
Business Analytics的工作如何找？ 除了Big Four和咨询公司， 还有哪些公司的Data职位可以申请？ Business Analytics的职业规划还有哪些可能？ 我适合这个职位吗？ ……
DBC Data商学院 之 Business Analytics专场
PwC数据分析女神 带你走进Business Analytics的未来世界
1 嘉宾介绍
2 讲座内容 （1）行业洞悉 Business Analytics学科应用详细解读 透视Analytics Consulting工作内部实况 揭秘行业各职位薪资水平以及各大公司招聘情况 Typical Day as a Business Analyst还原真实案例
（2）求职竞争力 哪些专业、背景受Data岗位青睐 科普不同“Data公司”特质，判断你适合哪一家 Technical |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
