冒昧問一句，妹子是單身嗎，我也是

Business analytics不僅在國內沒有任何大學開設過這個專業，就算是在美國也是最近3年才湧現出來的一個新興學科。要回答business analytics學什麼，就要先明白為什麼會出現business analytics這個專業。Business analytics專業的出現，完全是被社會企業用人的需求所倒逼出來的。而這個需求的誕生，歸根到底就是三個字：大資料。2007年移動網際網路出現後，企業經營的資料大量增加。以前企業用Excel、Word做做財務、市場、運營的分析就可以了，現在出現了大量新的資料可以幫助企業瞭解消費者、提升運營水平。大家都知道資料是金礦，於是肯定要人去分析這些資料。但以前企業的businessanalyst一看到這樣大量的資料就傻眼了。資料往往大到下載到excel裡面直接excel爆掉的程度。即使切成小塊，動不動幾百列的資料，缺乏統計知識的傳統business analyst完全不知道怎麼去分析。於是有的企業說，我們不是有統計專業的同學嗎，把他們從生產車間、製藥實驗室裡面拉出來，讓他們來分析分析。結果發現統計專業的同學對分析實驗結果很在行，對business和市場卻是一竅不通。另外，傳統的business analyst和學統計的同學，面對儲存資料的系統、逐漸流行的分析資料的開源軟體，也就是計算機方面的東西，明顯知識儲備不足。但找學計算機的碼農來做資料分析，他們對商業和統計知識基本一無所知。也就是說，分析企業中的資料，也就是businessanalytics這個領域，是business、statistics和computer science三個領域知識的結合。傳統的business analyst、statistician和碼農如果能夠合體，才能成為適合新時代的business analytics人員。於是企業要求學校，特別是商學院，開設這樣的專業，培養對business、統計和計算機都有所掌握的人員，於是business analytics孕育而生。

看到這裡你應該明白了，business analytics要學的東西，就是三個方面：business 、統計、計算機。這裡的business我不想多做說明，和大家熟知的business 的課程是一致的，就是marketing、finance這些。但是統計和計算機，則和傳統的統計和計算機教學有很大的差別。我接下來詳細講一下。

傳統的統計，主要是學習對實驗結果做顯著性檢驗，比如一隊小白鼠吃藥，一隊小白鼠不吃藥，誰的身體比較好？有沒有顯著性的差別？以前商業中大量招聘統計專業同學的是市場調研機構：一隊消費者看了廣告，一隊消費者沒看廣告，誰對品牌認知度高？有沒有顯著性區別？另外，統計講究抽樣，消費者太多沒辦法一一訪問，於是抽樣，於是就要看抽樣的合理性。現代企業中的資料分析，可以說和這些傳統的統計方法，有了很大的改變。business analytics的統計知識，主要是學習如何建立和評估多變數的統計模型，最典型的例子就是迴歸分析模型。迴歸分析在傳統的統計中，可能只是重要的一塊而已，而在businessanalytics的教育中的統計部分，幾乎是全部。除了迴歸分析（包括邏輯迴歸），其他business analytics中要學的統計知識差不多也就是相關係數、時間序列之類，也都是小頭。傳統統計中的顯著性檢驗、抽樣方法，business analytics基本不教。所以我看到我去年輔導的學員從UT business analytics畢業了去沃爾瑪做senior statistical analyst，我覺得很搞笑。她去考國內統計專業大一的專業課，估計都不懂。只能說沃爾瑪其實需要的就是現代的business analytics人員，但老title一直沒換。

接下來說下business analytics要學的計算機知識。計算機博大精深，幸運的是businessanalytics只用學其中可能是最簡單的三塊：第一就是資料庫和SQL，因為企業裡面資料都是儲存在系統裡面的。你要分析資料，首先要知道怎麼把資料按照你要的方式提取出來。這就是用SQL寫程式碼提取資料。學校一般不會花很多時間去教你，但是這個是學、做analytics的基礎的基礎。第二就是學習怎麼在統計軟體中進行程式設計。以前提到分析資料，國內最熟悉的是SPSS，像Excel一樣妥妥拽拽就行了。但其實美國根本就沒人用。現在分析資料的流行工具，必須透過寫程式碼的方式進行操作，最典型的工具就是R和Python。這裡的程式設計，其實是統計程式設計，和真正編網站的C語言、Java是很不一樣的，也容易的多，但是仍是類似的程式設計思維。第三要學的計算機知識就是現在最流行的機器學習，機器學習基本上是代替和補充前面所說的迴歸分析等統計模型方法。做的事情幾乎是一樣的，就是建模，但做的方法是計算機的。不過很多原則其實和統計的迴歸分析是一樣的，也都是用R或者Python的程式碼來實現，實現起來，不會比迴歸分析難太多，大家大可放心。

說了這麼多，我們來舉個企業裡面資料分析的例子來對應相應business analytics要學的技能。你要分析可口可樂的廣告投放是否有作用。傳統的business analyst說了一堆邏輯，只有簡單的資料圖表支援。你說，啥年代了，還不拿歷史儲存的大資料說話？市場調研公司裡面的統計專家告訴你應該抽樣發問卷調研消費者，你也讓他一邊去，過去廣告投放的時間、區域和銷量的變化資料全調出來進行多變數的建模，還搞什麼抽樣調研。於是你作為business analytics的畢業生，首先運用對business、市場的知識對問題進行分析，比如，廣告是如何影響銷量的？投少了會不會沒作用？投多了是不是邊際效應遞減？除了廣告之外，還需要考慮哪些其他的變數？電視、網際網路廣告，是否有1+1大於2或者小於2的內在聯絡？商業分析的框架搭好後，就是資料分析了。你首先非常熟悉公司的資料庫架構，然後用學過的SQL知識寫SQL程式碼把資料從資料庫裡按照你的要求提取出來。進行了簡單的資料清理整理探索之後，你就開始建立統計迴歸模型，而這個建模的過程，你都是在R或者Python透過寫程式碼完成的。你可以在R或者Python裡面除了迴歸分析，也試試機器學習，對迴歸分析進行一個補充，比如檢查是否有些變數被迴歸分析的模型所遺漏。這些也就是在R和Python裡面多寫幾行程式碼。最後，你run出了模型的結果，你要用你的統計知識對結果進行分析，判斷廣告到底對銷量是如何影響。最後結合你的business的知識，對你的老闆進行彙報。

資料的話，還是相信書本上那些統計吧。就業前景總體還是樂觀的。但是以我3年的從業經驗來說，這個行業做來越難做了。最近遇到的老闆越來越摳，總說行業競爭大，入不敷出，頓頓跟員工吃青菜蘿蔔，偶爾一盤肉還要躲著員工吃，辭工了工資都不給發全，說好的提成到期了就改口。還不如學計算機程式設計之類的，工程師也很吃香，女生的話，還可以學播音主持之類的，金融的話，除非你學的特別精，否則出來很難混。