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：

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。
数据分析的工具

最基础的是Excel。然而Excel并未绝迹，或