我可以学商业分析专业吗？

Business analysis其核心是找到商业需求并提出解决方案。BA目前在国内还是一个新型职位，但是在国外已经相当普遍。说的简单点BA就是对商业数据进行分析，来支持商业决策。BA其实是一个交叉学科，包括business 和 coing 以及 stats.
对于这个里面的Business指的是背景，你对商业数据的理解就决定你是否有能力去分析一个模型，这是分析的基础，比如你如果不知道CTR（（Click-Through-Rate）即点击通过率，是互联网广告常用的术语，指网络广告（图片广告/文字广告/关键词广告/排名广告/视频广告等）的点击到达率，即该广告的实际点击次数（严格的来说，可以是到达目标页面的数量）除以广告的展现量（Show content）。
CTR是衡量互联网广告效果的一项重要指标。）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， 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。
关于BA的全能性。
很多同学非常困惑的一点，因为好多同学会说，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？在这里我会很负责的告诉大家，这是不可能的！相反，这是一个很普遍的错觉。“越专职越好”/“会的工具越多越好”。BA专业之所以能够存在，并且如此迅猛的发展，就是因为她的数据分析能力，公司所看重的正是你什么都懂一点，能够在管理层和技术层之间架起一座桥梁。现在如果参加数据分析类型的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……）
在这里给大家码一个案例：
A游戏是包月付费的，产品经理想预测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（客户流失预测）。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的订阅数据提出来，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。
再来说说BA涉及到的语言/工具可以分成三方面：
1、数据库工具
包括SQL和一些NoSQL的工具，主要是提取数据用的。通常是分析的第一步——理解了问题就要去找对应的数据了。
2、数据分析的工具
最基础的是Excel。然而Excel并未绝迹，或者说，Excel永远都是analyst的基本功。比如你用SQL直接得到了一个summary table，那么接下来能用一个Excel pivot table搞定的事情，又何必大费周章去弄R和Python呢？高级一点的就是R和Python了（少数行业，比如金融业和医疗行业，会使用SAS）。一方面相对于Excel，他们可以处理的数据量更大，另一方面他们可以做一些更加灵活的处理，并且进行moeling等等工作。R和Python之间的话，基本上可以说是平分秋色，在数据分析上没有明显优劣。当然在数据量特别大的情况下你还可能会需要使用Spark等工具。
3、数据可视化的工具
同样的，最基本的工具是Excel。但是当我们需要能够自动更新的、方便共享的、更加flexible且fancy的ashboar的时候，现在使用最多的当属Tableau。同类的还有PowerBI，R Shiny， 3.js等等。
但是我依然要强调的是，这些工具都只是工具而已，BA更重要的是，你面对一个Business question的时候，你理解你需要解决的这个问题，心中有相应的目的，再去找达成目的需要的工具。
那么在一个BA的项目是否可以学到以上的全部呢？一般而言可以覆盖到大部分的重点（可能会着重于其中R和Python某一个）。但是必须要强调的是，由于这个行业的特殊性，一个BA的从业者要求的是持续性的自我学习。仅从R来讲，各种package层出不穷，提供了便利也要求不断的增加知识储备。因此，仅仅是完成课程内容的话，通常都是不够的。
BA专业现在的就业形势
BA目前的就业当然还是好于商科的大部分其他专业（ACCT，Fin等），并且越来越多的美国公司开始建设自己的数据分析团队。很多的BA专业毕业生都去到了比较知名的企业，比如Amazon，Cisco， Yahoo!，VISA等等（但是类似Google，Facebook和Apple的analytics类岗位都极少招应届毕业生，能进的概率比较低）。可以说在一个公司完成了传统的optmization的部署之后，数据分析师是他们进一步降低成本、提升价值的必要手段。
根据我对近期的案例分析，BA的毕业生只有极少数去了金融行业或者咨询公司。有进金融行业做量化分析的吗？有。但是很少。我也有和MFE的同学聊过，各个项目之间确实有很多重合的课程以及技能设置（比如Python，比如machine learning，比如excel solver。），然而不重合的那些很可能恰恰的对于金融行业至关重要的那些。因此如果你目标明确做量化的，并不建议读BA。
有进咨询公司的吗？有。但是同样不多。top tier的咨询公司（主要指战略咨询）招人主要还是面向top Bschool MBA。如果想进咨询，那么你需要一开始就走上一条和别人完全不同的道路——比如和MBA networking，疯狂准备case interview。
那么到底BA毕业生都去干嘛了？答案是去各行各业做ata analyst / ata scientist之类的工作了。基本上BA可以适用于各类行业（科技，制造业，娱乐业等），关键是公司有没有这方面的数据分析需求。