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（Business） + 编程 （Coding）+ 统计（Statistics）。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。Statistics是方法，包括了correlation analysis，A/B testing（也就是hypothesis testing），statistical modeling（也就是机器学习）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business学的不如MBA，coding不如CS，statistics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。
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。
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。
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，金融等），并且越来越多的美国公司开始建设自己的data analytics团队。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。
出国留学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。
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。我也有和金融工程专业的同学聊过，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，只是对于领域知识的要求有所不同。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。
