超有“錢途”的BA&DS該怎么選？

　　近幾年世界許多產(chǎn)業(yè)進(jìn)入數(shù)據(jù)、并且向人工智能方向發(fā)展，以 Facebook和 Instagram為代表的社交網(wǎng)絡(luò)平臺(tái)，以阿里和 Amazon為代表的電商消費(fèi)平臺(tái)，以Uber和 Airbnb為代表的共享商業(yè)平臺(tái)，從最基礎(chǔ)的醫(yī)療、消費(fèi)、廣告行業(yè)，到金融、社交媒體、創(chuàng)新型產(chǎn)業(yè)，都因?yàn)榉e累了大量的、動(dòng)態(tài)的消費(fèi)者行為數(shù)據(jù)，因此這些行業(yè)急需數(shù)據(jù)分析人オ來做基礎(chǔ)的數(shù)據(jù)分析、模型整合和大數(shù)據(jù)挖掘，從而更改進(jìn)改善企業(yè)的商業(yè)模式和市場(chǎng)策略。

　　美國(guó)企業(yè)與高等教育論壇（BHEF）與普華永道（PWC）發(fā)布報(bào)告顯示：約23%的畢業(yè)生有數(shù)據(jù)分析技能，但69%的雇主都希望求職者具備數(shù)據(jù)分析技能。在這份報(bào)告中，數(shù)據(jù)分析人才的供給指數(shù)最低，僅為0.05，相當(dāng)于20個(gè)職位在競(jìng)爭(zhēng)1個(gè)求職者。

　　中國(guó)商業(yè)聯(lián)合會(huì)數(shù)據(jù)分析專業(yè)委員會(huì)匯統(tǒng)計(jì)算，未來中國(guó)基礎(chǔ)性數(shù)據(jù)分析人才缺口將達(dá)到1400萬，而在BAT招聘職位中60%以上是在招大數(shù)據(jù)方向的人才。

　　由此可見，在未來很長(zhǎng)一段時(shí)間BA和DS都有非常大的市場(chǎng)需求。

　　BA 的就業(yè)方向主要在投行、四大、咨詢、科技公司，零售等，在不同行業(yè)中專門從事行業(yè)數(shù)據(jù)搜集、整理、分析，并通過數(shù)據(jù)對(duì)相應(yīng)行業(yè)進(jìn)行調(diào)研，不同行業(yè)的叫法也不同，咨詢師、數(shù)據(jù)分析師、統(tǒng)計(jì)分析師等，就業(yè)前景非常廣闊。

　　DS 的就業(yè)方向包括 Data Scientist 、Data Engineer 、Data Analyst 等，主要的工作內(nèi)容包含數(shù)據(jù)模型的建立、數(shù)據(jù)架構(gòu)、數(shù)據(jù)監(jiān)管與存儲(chǔ)等，目的是為了將數(shù)據(jù)整理好，使其存儲(chǔ)成本最小化，查詢的效率更高。

　　從就業(yè)數(shù)據(jù)來看， Data Science 在美國(guó)更容易找到工作，加上偏技術(shù)的工作對(duì)語言交流的要求也不是很高。BA的優(yōu)勢(shì)是在回國(guó)后的就業(yè)面更廣，可以去技術(shù)崗，也可以做咨詢或市場(chǎng)，相對(duì)來說回國(guó)發(fā)展的同學(xué)占大多數(shù)。

　　BA 和 DS 兩個(gè)專業(yè)本身都是技術(shù)性、實(shí)用性較強(qiáng)的專業(yè)，選擇什么方向就業(yè)和個(gè)人能力關(guān)系很大，只要有真才實(shí)學(xué)，就業(yè)還是很容易的，畢竟市場(chǎng)需求還是很大的。

　　總的來說：BA可選擇的職位類別更廣泛，DS可選擇的職位不可替代性更高。

　　第四， 薪資對(duì)比

　　BA的平均年薪是6萬多美金，而DS的平均年薪達(dá)到了9.5萬美金，平均薪資BA低于DS，這個(gè)也印證了，越需要technical技能的崗位，相應(yīng)的，薪資水平越高。

　　接下來我們來看一個(gè)數(shù)據(jù)處理的一個(gè)流程，基本上包括以下5個(gè)步驟：

　　1. Business understanding 明確問題

　　就是要明白公司要解決什么問題，要分析什么數(shù)據(jù)。

　　這個(gè)步驟在整個(gè)data 領(lǐng)域，通常被商業(yè)分析師，或者數(shù)據(jù)分析師，他們主要是要對(duì)公司業(yè)務(wù)，對(duì)產(chǎn)品很了解，所以他要知道自己要解決的問題是什么，然后通過什么樣的數(shù)據(jù)可以解決這些問題。

　　這部分對(duì)編程，對(duì)數(shù)據(jù)分析要求相對(duì)沒有那么高，而更多的是解決問題，分析問題的能力。

　　那在我們知道是什么問題，同時(shí)知道分析什么數(shù)據(jù)去解決這個(gè)問題之后呢，下一步就是來到 ↓

　　2. Data acquisition 抓取數(shù)據(jù)

　　那這一步一般情況下在公司里是數(shù)據(jù)分析師和數(shù)據(jù)工程師來完成的。他們要抓的數(shù)據(jù)可以是各種各樣的，去到一些行業(yè)的數(shù)據(jù)庫(kù)。那有時(shí)候數(shù)據(jù)庫(kù)的數(shù)據(jù)也不能滿足分析的要求，就需要再去爬取一些其他地方的信息，數(shù)據(jù)來分析。

　　在這個(gè)崗位就需要能掌握SQL，還有爬蟲能力，掌握常見的語言，像python，Java等 可以從不同的地方抓取數(shù)據(jù)，并把這些數(shù)據(jù)存到自己的數(shù)據(jù)庫(kù)。這些就是data engineer做的事情。

　　這部分對(duì)編程和挖數(shù)據(jù)的能力要求比較高。

　　3. Data clean up 處理清洗數(shù)據(jù)

　　就是把數(shù)據(jù)變成可分析的狀態(tài)。

　　在建模之前都需要把數(shù)據(jù)進(jìn)行很好的清理，變成更可讀更易讀的版本，比如說我們拿到了一些數(shù)據(jù)的，但是這些數(shù)據(jù)里有些日期或者其他的條件是缺失的，那我們是把這些數(shù)據(jù)自己隨便填，還是直接刪除，不同的情況，數(shù)據(jù)分析師他們會(huì)有自己的判斷。在這一步我們要把有用的數(shù)據(jù)提取出來為下一步分析做更充分的準(zhǔn)備。

　　所以這一步就需要能掌握一些分析數(shù)據(jù)，處理數(shù)據(jù)的語言，比如說python里常用的數(shù)據(jù)包，SQL 等。

　　4. Data modeling & analysis 建模分析

　　這個(gè)崗位大多是由DS，數(shù)據(jù)科學(xué)家來完成。

　　這個(gè)步驟就是通過建模來對(duì)未來有一些預(yù)測(cè)性的判斷。這一塊就對(duì)數(shù)理能力，統(tǒng)計(jì)，建模這些要求比較高，也需要有很強(qiáng)的編程機(jī)器學(xué)習(xí)方面的能力。

　　所以數(shù)據(jù)科學(xué)家這個(gè)崗位也是整個(gè)數(shù)據(jù)里面最核心，要求最高的崗位。

　　5. Development 執(zhí)行

　　最后一個(gè)步驟就是通過分析，我們最后得出一個(gè)結(jié)論，來指導(dǎo)公司進(jìn)行決策。這一部分也都是由我們第一部分里的商業(yè)分析師通過對(duì)數(shù)據(jù)進(jìn)行可視化的分析，利用TABLEAU, EXCEL 等比如說做一些可視化的圖，比較基礎(chǔ)的像餅狀圖，柱狀圖等來呈現(xiàn)，指導(dǎo)公司的決策。

　　所以在整個(gè)環(huán)節(jié)的頭和尾，一般就是BA的職責(zé)，對(duì)數(shù)據(jù)處理的技術(shù)性要求不高，但是需要有不錯(cuò)的商業(yè)理解力，和溝通表達(dá)能力。中間這幾個(gè)環(huán)節(jié)呢，就是DS的職責(zé)，尤其是建模環(huán)節(jié)對(duì)技術(shù)要求就比較高。

　　當(dāng)然在每個(gè)公司對(duì)數(shù)據(jù)的要求不一樣，可能有些小公司，BA就需要完成整個(gè)環(huán)節(jié)，而在一些大型的數(shù)據(jù)公司，對(duì)數(shù)據(jù)要求很高，崗位職責(zé)就會(huì)比較細(xì)致，分工也會(huì)更明確。

　　相信通過前面幾個(gè)部分的完整分析，大家對(duì)BA 和DS已經(jīng)有了相對(duì)清晰一點(diǎn)的認(rèn)識(shí)，同學(xué)們也可以通過自己的學(xué)科背景，和對(duì)崗位的要求和職位的描述來初步確定，自己更適合學(xué)哪個(gè)專業(yè)。