超清晰！！统计，商业分析和数据科学的区别

1、专业介绍

统计 Statistics

统计学（Statistics）是应用数学的一个分支，统计学多数都有独立的系，归属于文理理学院

主要通过利用概率论建立数学模型，收集所观察系统的数据，

进行量化的分析、总结，并进而进行推断和预测，

为相关决策提供依据和参考对数据的研究和分析。

商业分析 Business Analytics

BA ，全称 Business Analytics ，是以商业知识为基础，数理编程为手段，从数据分析出发，以决策优化来创造价值的新兴专业，实现 Big Data 的商业应用。

BA一般在商学院

数据科学 Data Science

DS一般在工学院或者文理学院

DS是指通过挖掘数据、处理数据、分析数据，从而获取数据中潜在的信息和技术。

数据科学主要研究内容有以下三类：

1. Preictive Analytics：分析数据来预测未来可能发生的事情。

2. Descriptive Analytics：分析数据找出过去事件的特征和正在发生事件的趋势。

3. Prescriptive Analytics：分析数据来找出最佳措施、取得最优化的结果

2、学科分支与发展

统计

统计的分支分为两类：数理统计学和应用统计学

数理统计学(Mathematical Statistics)：主要讨论统计学背后的理论基础。是统计学的数学基础从数学的角度去研究统计，为各种应用统计学提供理论支持。

应用统计学（Applie Statistics）：通过研究和调查数据，来解释某些现象，以及预测其发展的趋势。生物统计、环境统计、金融统计、经济统计、遗传统计、农业统计，数理统计等等。这些是统计在其他领域的应用而形成的研究分支

商业分析

BA 是从 M.S. in Statistics 下的 Applie Statistics 分支发展而来，其学科基础是统计学，同时也包含有 Data Mining 和 Regression Moel 的运用

数据科学

DS 是以计算机科学为基础，进而演变而来，其学科基础与 BA 不同，包括了工程学、计算机工程和计算机科学， DS 涉及到的专业知识还包含了 Machine Learning / Clou Computing / Optimization 等。

3、申请要求

统计

本科是数学，统计，应用数学，自然科学，工程等

建议掌握三大统计学软件： SAS, STATA, SPSS

商业分析

Business Analytics = 40% Statistics + 30% Computer Science + 30% Business

BA 对于申请人的背景要求没有过多限制，文科、商科、理工科背景的同学都可以申请。

数据科学

Data Science = 30% Statistics + 50% Computer Science + 20% Application

DS 专业则对申请人背景要求较高，适合于理工科背景的同学申请，有一定编程基础的同学也可以申请，量化背景较强的商科专业，比如金工，同样也适合于申请 DS 专业。

4、先修课程要求

统计（重数学）

基础数学，如线性代数，微积分，数理统计，概率论等

高阶数学：如回归分析，多元统计，时间序列也是建议学习的

计算机技能不严苛，能使用 R 、Python 就可以

商业分析

需要会编程、数据处理软件：SAS, Python以及一些语言比如R语言。学校希望你能具备这这方面的能力，但是相对于CS, ata science的要求是低的，不必须要会熟练掌握programming。

数据科学 （重计算机）

计算机课程：计算机导论，SQL, Database, Programming, C/C++等

数学课程：微积分，数学建模，线性代数，概率论等

一定的工作经验是加分的

5、就业前景

统计

应用统计：从事数学研究、统计学研究、运筹学研究、计算机编程、数据分析、证券分析等

数理统计：进入政府部门、金融机构和计算机公司等

金童统计：进入银行、证券公司、投资基金、会计师事务所和保险公司等金融机构工作

商业分析

BA 的就业方向主要在投行、四大、咨询、科技公司等，在不同行业中专门从事行业数据搜集、整理、分析，并通过数据对相应行业进行调研，不同行业的叫法也不同，咨询师、数据分析师、统计分析师等。相关工作岗位的大势所趋已经不容分说，就业前景非常广阔。

在大数据时代，很多行业都需要擅长挖掘和分析数据的人才，例如 IT 、互联网、咨询、通信、金融、医药、零售等，因此很多 BA 专业的毕业生都很抢手，薪资待遇也很不错。

数据科学

Data analyst；Data scientist；Chief information officer

就业面非常广，主要的工作内容包含数据模型的建立、数据架构、数据监管与存储等，目的是为了将数据整理好，使其存储成本最小化，查询的效率更高。麦肯锡研究预测，到 2018 年，仅美国就将面临 14 万到 19 万数据分析人才的空缺，以及 150 万能够通过大数据分析做出决策和管理的人才需求，就业市场需求很大