美国商业数据分析硕士专业

Business analytics 到底学什么，很多同学都有这个问题 。 analytics 的人士总结的。我这篇文章用比较通俗易懂的语言，来给大家介绍下 business ， analytics 到底学什么。

Business analytics 不仅在国内没有任何大学开设过这个专业，就算是在美国也是最近 3 年才涌现出来的一个新兴学科。要回答 business  analytics 学什么，就要先明白为什么会出现 business  analytics 这个专业。 Business  analytics 专业的出现，完全是被社会企业用人的需求所倒逼出来的。而这个需求的诞生，归根到底就是三个字：大数据。 2007 年移动互联网出现后，企业经营的数据大量增加。以前企业用 Excel 、 Wor 做做财务、市场、运营的分析就可以了，现在出现了大量新的数据可以帮助企业了解消费者、提升运营水平。大家都知道数据是金矿，于是肯定要人去分析这些数据。但以前企业的 business     analyst 一看到这样大量的数据就傻眼了。数据往往大到下载到 excel 里面直接 excel 爆掉的程度。即使切成小块，动不动几百列的数据，缺乏统计知识的传统 business  analyst 完全不知道怎么去分析。于是有的企业说，我们不是有统计专业的同学吗，把他们从生产车间、制药实验室里面拉出来，让他们来分析分析。结果发现统计专业的同学对分析实验结果很在行，对 business 和市场却是一窍不通。另外，传统的 business   analyst 和学统计的同学，面对储存数据的系统、逐渐流行的分析数据的开源软件，也就是计算机方面的东西，明显知识储备不足。但找学计算机的码农来做数据分析，他们对商业和统计知识基本一无所知。也就是说，分析企业中的数据，也就是 business  analytics 这个领域，是 business 、 statistics 和 computer   science 三个领域知识的结合。传统的 business   analyst 、 statistician 和码农如果能够合体，才能成为适合新时代的 business   analytics 人员。于是企业要求学校，特别是商学院，开设这样的专业，培养对 business 、统计和计算机都有所掌握的人员，于是 business analytics 孕育而生。

看到这里你应该明白了， business analytics 要学的东西，就是三个方面： business 、统计、计算机。这里的 business 我不想多做说明，和大家熟知的 business 的课程是一致的，就是 marketing 、 finance 这些。但是统计和计算机，则和传统的统计和计算机教学有很大的差别。我接下来详细讲一下。

传统的统计，主要是学习对实验结果做显著性检验，比如一队小白鼠吃药，一队小白鼠不吃药，谁的身体比较好？有没有显著性的差别？以前商业中大量招聘统计专业同学的是市场调研机构：一队消费者看了广告，一队消费者没看广告，谁对品牌认知度高？有没有显著性区别？另外，统计讲究抽样，消费者太多没办法一一访问，于是抽样，于是就要看抽样的合理性。现代企业中的数据分析，可以说和这些传统的统计方法，有了很大的改变。 business analytics 的统计知识，主要是学习如何建立和评估多变量的统计模型，最典型的例子就是回归分析模型。回归分析在传统的统计中，可能只是重要的一块而已，而在 business analytics 的教育中的统计部分，几乎是全部。除了回归分析（包括逻辑回归），其他 business analytics 中要学的统计知识差不多也就是相关系数、时间序列之类，也都是小头。传统统计中的显著性检验、抽样方法， business  analytics 基本不教。所以我看到我去年辅导的学员从 UT  business analytics 毕业了去沃尔玛做 senior statistical analyst ，我觉得很搞笑。她去考国内统计专业大一的专业课，估计都不懂。只能说沃尔玛其实需要的就是现代的 business analytics 人员，但老 title 一直没换。

接下来说下 business analytics 要学的计算机知识。计算机博大精深，幸运的是 business analytics 只用学其中可能是最简单的三块：第一就是数据库和 SQL ，因为企业里面数据都是储存在系统里面的。你要分析数据，首先要知道怎么把数据按照你要的方式提取出来。这就是用 SQL 写代码提取数据。学校一般不会花很多时间去教你，但是这个是学、做 analytics 的基础的基础。第二就是学习怎么在统计软件中进行编程。以前提到分析数据，国内最熟悉的是 SPSS ，像 Excel 一样妥妥拽拽就行了。但其实美国根本就没人用。现在分析数据的流行工具，必须通过写代码的方式进行操作，最典型的工具就是 R 和 Python 。这里的编程，其实是统计编程，和真正编网站的 C 语言、 Java 是很不一样的，也容易的多，但是仍是类似的编程思维。第三要学的计算机知识就是现在最流行的机器学习，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。不过很多原则其实和统计的回归分析是一样的，也都是用 R 或者 Python 的代码来实现，实现起来，不会比回归分析难太多，大家大可放心。

说了这么多，我们来举个企业里面数据分析的例子来对应相应 business analytics 要学的技能。你要分析可口可乐的广告投放是否有作用。传统的 business  analyst 说了一堆逻辑，只有简单的数据图表支持。你说，啥年代了，还不拿历史存储的大数据说话？市场调研公司里面的统计专家告诉你应该抽样发问卷调研消费者，你也让他一边去，过去广告投放的时间、区域和销量的变化数据全调出来进行多变量的建模，还搞什么抽样调研。于是你作为 business  analytics 的毕业生，首先运用对 business 、市场的知识对问题进行分析，比如，广告是如何影响销量的？投少了会不会没作用？投多了是不是边际效应递减？除了广告之外，还需要考虑哪些其他的变量？电视、互联网广告，是否有 1+1 大于 2 或者小于 2 的内在联系？商业分析的框架搭好后，就是数据分析了。你首先非常熟悉公司的数据库架构，然后用学过的 SQL 知识写 SQL 代码把数据从数据库里按照你的要求提取出来。进行了简单的数据清理整理探索之后，你就开始建立统计回归模型，而这个建模的过程，你都是在 R 或者 Python 通过写代码完成的。你可以在 R 或者 Python 里面除了回归分析，也试试机器学习，对回归分析进行一个补充，比如检查是否有些变量被回归分析的模型所遗漏。这些也就是在 R 和 Python 里面多写几行代码。最后，你 run 出了模型的结果，你要用你的统计知识对结果进行分析，判断广告到底对销量是如何影响。最后结合你的 business 的知识，对你的老板进行汇报。