阅读正文

【从BA毕业生的角度看BA】关于BA的那些你不能不知道的事 [2017.12.21]

[日期:2017-12-29] 来源:ChaseDream论坛 作者:hzdy1994 [字体: ]

首先,自我介绍一下:2016 Fall入学USC MS Business Analytics项目,2017年12月刚刚毕业,明年初即将去SF工作(data 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。

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 + coding + stats(这个说法来自我们program director,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。Coding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 modeling(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,coding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”/“coding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data 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。目前的data 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,product manager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 prediction。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。

Q2. BA到底用什么语言/工具?

BA用的语言/工具可以分成三方面:

  1. 数据库工具
  2. 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。

  3. 数据分析的工具
  4. 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modeling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。

  5. 数据可视化的工具
  6. 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dashboard的时候,现在使用最多的当属Tableau。同类的还有PowerBI,R Shiny, d3.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。

Q3. BA在美国好就业吗?

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data analytics团队。我有很多同学或者学姐学长去了big name,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fresh graduate,能进big name的概率其实也很低)。可以说在一个公司完成了传统的optmization的部署之后,data analytics是他们进一步降低成本、提升价值的必要手段。

但是我也不得不给大家浇一盆凉水——目前国际生在美国找工作的情况不容乐观,而且看目前的状况只怕会越来越不乐观。一个国际生为了留美,在毕业季投上100+的简历几乎是无法避免的,而这100+的简历,最后能够换来的面试可能只有10个不到(然后最后你很有可能就会输给一个美国人,仅仅因为他是美国人)。在目前政策极端不确定的情况下,愿意支付高昂的成本并且承担风险为你抽H1B的公司是越来越少了。

CD的申请人最常见的说法是,“希望毕业后能在美国工作2-3年”,然而这并不是像看上去那么容易实现的事情。你有STEM不等于你就可以留下来工作三年。如果在OPT前60天+后90天的时间内你都没有找到工作,那么遗憾,你不得不离开了(挂靠等其他手段暂且不提)。我和很多其他BA项目在读的同学们聊过,几乎每个学校都有找工作不上心以至于最后没找到不得不离开,或者即使很上心的找,投了几百份简历,最后也很遗憾的没找到的情况(有时候运气也很重要)。基本上除非你天赋异禀或者运气超群,只有下定决心留美(而不是“啊我回国也可以”这种心态),扎扎实实的做好找工作的每一步,才能最后留下来(即便如此,还要通过H1B这个真正考验运气的环节)。特别是对于十个月或者一年的BA项目的同学,必须是一入学就开始完善简历、进行networking、广泛网申、准备面试。因此,留美工作的难度比申请要难上很多很多倍。而且找工作是非常personal的一件事情,申请上了一个好的项目绝对不是你能够留下来的保证。请大家做好心理准备。

Q4. BA的就业方向主要是什么? (我想进金融业/咨询,我适合读BA吗?)

根据个人观察,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,我们确实有很多重合的课程以及skillset(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data analyst / data 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。

说到这里又不得不探讨一下data analyst和data scientist的区别这个问题了。首先需要声明的是,其实不同公司对于Data Analyst和Data Scientist有着全然不同的定义。有些公司DS做的事情就是别的公司DA做的,只是单纯的称谓不同。因此看JD是最好的方法。那么从一个大家比较认可的角度来讲,DA主要是侧重于数据的整理性分析,a/b testing,data viz。而DS主要侧重于modeling。而那些专注modeling的ds职位,目前的行业趋势是很多都需要Phd或者会有很多Phd来和你竞争,因此研究生要在大公司做DS可以说是越来越难了。相比之下,找data analytics title的工作会容易不少(当然工资上确实也会低)。非常不建议纯商科背景,或者入学前几乎不会coding/没有接触过machine learning的同学去找DS的工作。一方面你需要很努力的在这一到两年的时间内学习课内外的DS相关的知识来达到DS职位的要求,另一方面,即使你能够胜任DS的工作了,也很可能因为过去的相关背景太少,而过不了简历关。

而DA的话具体又可以根据工作的部门/职能分类,比如product analyst,customer analyst,marketing analyst等。但是万变不离其宗,分析方法基本都是一致的,只是对于domain knowloedge的要求有所不同。比如有marketing经验的同学就比较容易找到marketing analyst的工作,因为公司会看重你在这方面的商业经验。

Q5. BA在美国就业的话,主要是在哪些城市?

其实目前BA在各个城市都有需求。之前也说了,BA不是特别局限于行业的一类职位。因此可以说需求和城市的发展程度成正比。比如SF有很多科技公司,那么这些科技公司就有很多data analyst的职位需求,而LA主要是娱乐业,但是这些娱乐业的公司也会有很多相关岗位(特别是marketing analyst)。因此可以说,BA需求较大的地区/城市包括:旧金山地区,洛杉矶地区,西雅图,纽约,德州的奥斯汀+达拉斯,芝加哥,波士顿等等。

那么相应的,对于申请而言,如果你本身项目就在一个大城市,那么当然找工作会方便很多,而且很多公司也会倾向招本地学校的学生。但是就BA来讲,有非常多的relocation的先例,因此也不必太过担心学校太村这个问题(当然学校的career service要足够给力,并且你能够忍受飞来飞去进行Onsite interview)。

Q6. BA在美国找工作的方式主要是?

主要是......网申!

基本上找工作的渠道有三类:1. 来自学校的渠道,比如就我们项目而言,会有career advisor提供一些合作公司的岗位或者校友介绍的岗位,以及学校/学院各类的career fair。2. 自己找人networking(主要是校友和朋友),然后找他们refer或者直接面试。这个很有效,但是对于中国学生而言,可能需要多多练习networking才能习惯这种方式。3. 通过LinkedIn, Indeed, Glassdoor等网站网申,这个依然是大家用的最多的方式。前文也说了,大家一般会网投100+的申请。因此可以说,一份完美的简历+cover letter作为你网投的第一步,是非常重要的。

Q7. BA的职位的面试流程是怎么样的?

基本首先是HR的Phone screening,然后和hiring manager, team member之类的video interview,最后final round很可能会要求Onsite(大部分情况下公司会包机票)。全程至少会有2-3轮,最多可能有四五轮。BA岗位很可能在最开始还有data challenge一类的技术测试。不同公司的面试内容会有较大不同,但是大多数都免不了SQL相关问题、work through project experience,和behavioral questions。因此不需要和SDE一样去刷算法题(最多刷一刷SQL)。

Q8. BA的日常工作做什么?

如果是data analyst的话,日常工作主要包括:

  1. Ad-hoc analysis project
  2. 基本就是和我Q1里面举例的事情是同一类的事情。
    也就是别的部门提出了一个问题(例如市场经理,产品经理会有一些他们不能解答的,但是可以通过数据分析来解答的问题),然后我们来决定解决问题需要哪些数据,得到数据,然后进行分析/建模,最后给出相应的分析结果。

    再举几个例子,例如通过A/B testing来分析两种页面哪一种更加吸引用户,能够收集更多的点击;例如分析某一次marketing campaign前后各项指标的变化来判断这次campaign的效果。

  3. Dashboard building
  4. 在我们做分析的过程中,如果发现某一类的分析是价值高且需要定期反复观测结果的,就会把它做成一个dashboard,让相关的部门人员可以定期的打开dashboard直接看到最新的结果,不需要我们反复的run analysis。

  5. 其他
  6. 由于公司以及具体职能的不同,可能还会有daily reporting,data management(ETL),modeling之类的工作。

Q9. BA的起薪有多少?

起薪这个问题其实在很大程度上取决于行业和地区。大家都应当知道,在美国,不同地区的消费水准和税率是差别很大的。比如NYC和SF可以说是在生活成本上遥遥领先。而华盛顿州和德州这种没有州税的地方可以说是不能更棒了。因此要说工资水平实在是很难一概而论。可能加州的90k和德州的70k最后过的是差不多的。硬要说的话。基本上在湾区的话,DA的起薪最高我知道有110k左右的,当然最低也可能就50k左右(不同公司的差距巨大)。

结论是——起薪整体水平较高,但是距离程序员还有不小差距。

Q10. BA/ MIS/ MFE我应该选什么?(同类问题还有BA v.s. MSF,BA v.s. MSA等等)

这......不同专业......当然是取决于你的职业规划啊!如上所述,如果你一心要做量化分析的,你就去读MFE;如果你觉得data engineer挺合适,或者也想努力一把干脆去做software engineer,那可能MIS更好。MSF和MSA更是同理。毕竟研究生阶段之后,想要再做career trainsit就需要付出更多的努力和更大的成本了。

如果你只是一心想要留美,并不在意什么career plan的话,那么BA,MIS, MFE >> MSF, MSA。(当然如果是WFU的MSA这个级别的,也是很好的。)

Q11. 我本科是金融/会计/市场营销......,我可以学BA吗?

可以。现在商科本依然是申请BA的主力,也是BA在读的主力。但是能不能学好BA就是一个非常因人而异的事情了。我非常建议每一位商科本的同学,不要因为就业好或者看上去比较有趣这样的理由选择BA。最好大家能够尽量去获得一些相关的工作/项目经验,或者是自己尝试学习一下R和Python,保证自己对于coding以及BA的思维是comfortable的。否则,如果你发现BA和自己想的完全不一样的话,或者发现自己对于编程实在是觉得很痛苦的话,可能就来不及了。

那么商科本对于硕士毕业后在美国找一份BA的工作有什么影响呢?不幸的消息是,商科本很可能会对你找特别tech的工作造成较大障碍。比如如果你是想要做DS的,那么公司会理所当然的更信任一个本科就是理工科的申请人,更不要说现在还有那么多理工科的Phd和你竞争(即便你其实可以胜任这份工作,也很可能过不了简历关)。但是如果你的目标是data analyst,甚至是更加偏向business方面的职能,那么这个本科背景可以说并不存在什么劣势,反而也是你懂得基本的商业原理的一种证明。

--------------------------------------

原文引自:
https://forum.chasedream.com/thread-1312642-1-1.html

参与讨论及查看更多的相关文章请访问【商学院Master申请区】
https://forum.chasedream.com/forum-14-1.html

打印 | 录入:steven
相关文章      
ChaseDream版权声明
活动日历
{{item.event_geo.name}}

{{item.subject}}

<< 查看更多 >>