南加州大学毕业生解答BA（一）

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。