以下回答整理自Chase Dream论坛
回答者为南加州大学的Business Analytics专业的毕业生
1
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，包括商业 + 编程 + 统计。商业知识是背景，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。编程是工具，无论是SQL, R, Python，甚至于Excel，他们都只是你分析数据的工具。统计是方法，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质疑：BA的商科学的不如MBA，编程不如计算机，统计不如统计/Data Science，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Data Analyst/Data Scientist所需要的核心的那些技能。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）。
2
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
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。
2. 数据分析的工具
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。
3. 数据可视化的工具
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。
但是需要强调的是，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。
3
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（会计，金融……），并且越来越多的美国公司开始建设自己的data analytics团队。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。
申请者最常见的说法是，“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）。和很多其他BA项目在读的同学们聊过后发现，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。
4
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。和金融工程专业的同学聊过发现，BA和金工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。顶尖的咨询公司（主要指战略咨询）招人主要还是面向顶级商学院的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，...），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。因此看职位描述是最好的方法。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, ...。但是万变不离其宗，分析方法基本都是一致的，只是对于domain knowledge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。
5
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，有非常多的再分配的先例，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）。
6
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。
7
BA的职位面试流程是怎样的？
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）。
8
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
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。
2. Dashboard building
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。
3. 其他
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。
9
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。
10
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）
面对不同专业的选择当然是取决于你的职业规划！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。（当然如果是名校的MSF和MSA项目也是很好的。）
11
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。
