由于數據類型崗位十分“吃香”，商業分析（BA）、數據分析（DA）和數據科學（DS）這些專業越來越火，開設的學校也很多。有同學會有疑問，這幾個專業有什麼區别？課程設置一樣嗎？我要怎麼選擇？

今天就來帶大家詳細了解一下這幾個專業的區别~

專業描述

以商業知識為基礎，數理編程為手段，從數據分析出發，以決策優化來創造價值的新興專業，實現大數據的商業應用。

基本課程：統計學、概率論、微積分、數據分析與編程、商業決策等；

拓展課程：數據庫管理、數據可視化、數據挖掘與優化、網頁分析等；基礎統計軟件（SPSS、SAS等）、計算機編程（Python等）；

标配課程：各種數據庫軟件（如 SQL等）。

就業方向

McKinsey 2018年詳細分析報告顯示：美國大數據或者數據工作者的崗位需求激增，其中大數據科學家的缺口在14-19萬，對于懂得如何利用大數據做決策的分析師和經理的崗位缺口則将達到150萬。美國本土畢業生的就業率95%以上。銀行、會計、醫藥、咨詢、互聯網等都是大熱的去處。

入學要求

一般不限制專業背景，也有部分學校強調，喜歡招來自數學、計算機、統計、工程、經濟學和金融等領域定量分析能力強的學生。對申請者的數學和計算機背景要求較高，大部分學校要求數學、統計、計算機等先修課要求。需要有數據分析，行業分析、金融分析等實習經驗。

項目重點

BA對企業等機構的數據進行分析，以導出對商業決策和商業活動有用的信息為目的的專業。課程以實用為主。會運用到基礎實用編程，統計學以及商業管理的知識。所有學校的商業分析專業都會包含數據分析，編程，優化，統計與概率，微積分等課程Business CS(SQL) Statistics(回歸分析)

推薦院校

新加坡國立大學、南洋理工大學、哥倫比亞大學、倫敦大學學院、愛丁堡大學 、帝國理工學院

數據分析 DA

專業描述

DA和BA的工作其實比較接近，BA更多的在做業務上的分析和修正，DA則是從更長遠的發展上去做數據分析。Data Analyst偏重于将分析和商業運用相結合，分析隻是一個手段和途徑，更加重要的是将分析的結果轉化為切實可行且能有所成效的商業方案。

BA一般不會親自對數據進行建模分析，也較少使用R/Python。主要使的“最順手”的是SQL和Excel。除了分析數據之外，将會有大量的跨部門溝通的工作，而且對于商業嗅覺的要求最高，技術上的要求弱一些。

數據分析師，就是對于企業的數據庫系統以及數據的含義進行管理、确保數據的準确性和完整性。當企業領導層、 business analyst和data scientist需要數據的時候給予幫助，并且對持續不斷的同類數據需求進行自動化，建立BI的基礎設施。Data analyst常使用的工具就是SQL和Tableau。

就業方向

分析師職位主要集中在互聯網、金融、消費品、制藥/醫療等行業，其中互聯網和金融行業的分析師職位數超過了80%。外資投行典型公司如Goldman Sachs、Barclays、JP Morgan，Morgan Stanley等每年都在從校招和社招中招募相關人 才。分析師職位主要集中在互聯網、金融、消費品、制藥/醫療等行業，其中互聯網和金融行業的分析師職位數超過了80%。

投行的數據分析師通常會負責處理金融交易數據，包括外彙、股票、大宗貿易數據，需要和貿易方、銷售、風控師、運營 和銀行打交道，基金公司這個崗位需要做很多的量化工作，包括會計、客戶管理、風控、業務方面的數據分析，數據研究，以及提供解決方案等。科技公司比如Google、Facebook、阿裡巴巴等：這個崗位會更加注重用戶的行為數據分析，包括聚類、分類分析，去解析用戶的行為習慣。

入學要求

GPA 3.0 ，雖然大多數BA/DA項目對于申請者的背景保持開放的态度，但仍建議在入學之前，擁有以下三類領域的知識基礎，這會使入學之後的學習更加順利。比如商科方面建議有經濟學、金融、管理學等知識，數學方面應具有微積分、線性代數、概率、統計學等，計算機方面有Python、R、MATLAB、SQL等技能的基礎。

推薦院校

南加州大學、喬治城大學

數據科學 DS

專業描述

數據科學是指通過挖掘數據、處理數據、分析數據，從而獲取數據中潛在的信息和技術。

就業方向

根據IBM預測，到2020年所有美國數據科學類崗位數量将增加萬個，總數達到270萬。而Linkedin在相關職業的調查中也發現，機器學習和數據科學工程師已經超過傳統軟件工程師，躍升為最高薪群體，年薪中位數高達$129,000。所以，在大數據時代下，數據科學專業的就業前景是非常廣闊的，很多行業都需要擅長挖掘和分析數據的人，例如IT、互聯網、遊戲、通信、金融(券商、投行、基金、資産管理)、醫藥、咨詢、零售等。

數據科學專業主要有三類職業方向：

數據科學家 Data Scientist

機器學習工程師 Machine Learning Engineer

數據分析員 Data Analyst

入學要求

GPA>3.0, 最好能達到3.5 ， GRE，一般偏好有數理背景或量化背景或計算機背景的學生。大部分項目會有先修課的要求，常見的先修課程有：微積分、線性代數、統計、計算機編程基礎（Python、R等）、計量經濟學、概率論等。美國數據科學專業的申請難度是比較高的，一方面DS專業非常熱門，另一方面不少項目開設在頂尖名校，申請難度高，而中間檔次的學校相對較少。

項目重點

DS是從大數據應用的數據管理、系統開發、海量數據分析與挖掘等層面，系統地幫助企業掌握大數據應用中的各種典型問題的解決辦法的專業。

Specialized algorithmic, statistical, and systems expertise， Foundations of Artificial Intelligence，Analysis of Algorithms，Database Systems

推薦院校

新加坡國立大學、紐約大學、布裡斯托大學

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部