BA(business analytics)到底學(xué)什么?發(fā)展前景怎樣?
來(lái)源:好上學(xué) ??時(shí)間:2023-05-15
BA(business analytics)到底學(xué)什么?發(fā)展前景怎樣?
單獨(dú)說(shuō)BA是沒(méi)有意義的,我們不妨把另一個(gè)及其相似的概念“BI”來(lái)對(duì)比一下:
先說(shuō)概念,BA是商業(yè)分析,BI是商業(yè)智能
現(xiàn)在BI的概念很火,企業(yè)恨不得把所有的數(shù)據(jù)工作都加上個(gè)商業(yè)智能的名頭;同時(shí),BA也是方興未艾,很多大學(xué)也開(kāi)設(shè)了這門(mén)課,但是我相信大部分公司老總都搞不明白BA與BI都是什么。
BA、BI都是做什么的?
定義我就不說(shuō)了,上面很多學(xué)院派的回答都說(shuō)的很明白,我就通俗點(diǎn)說(shuō)吧
BA就是通過(guò)調(diào)查問(wèn)題分析出為什么會(huì)這樣,將來(lái)會(huì)發(fā)生什么,你該去做什么?
比如,你負(fù)責(zé)某公司的市場(chǎng)運(yùn)營(yíng),然后發(fā)現(xiàn)最近的客戶(hù)流失量很大,你就需要利用BA的數(shù)據(jù)技巧和知識(shí),分析問(wèn)題得出用戶(hù)流失的原因,是不是產(chǎn)品有問(wèn)題?還是服務(wù)有問(wèn)題?是哪個(gè)步驟阻止了用戶(hù)留存?然后你就可以利用BA得出預(yù)測(cè),未來(lái)會(huì)流失多少客戶(hù)?采取什么措施會(huì)有效阻止客戶(hù)流失等等等。
對(duì)比一下,BI就是告訴你現(xiàn)在正在發(fā)生什么,或者過(guò)去發(fā)生了什么,也就是描述性分析。
比如,你是企業(yè)的老總,你的公司內(nèi)部所有部門(mén)每天都會(huì)產(chǎn)生上萬(wàn)的數(shù)據(jù),這些冗雜的數(shù)據(jù)讓你頭疼不已,因?yàn)槟愀究床坏竭@些數(shù)據(jù)有什么意義。此時(shí)如果你的企業(yè)擁有完整的BI解決方案,那么你就能看到這些數(shù)據(jù)背后的業(yè)務(wù)狀態(tài),比如最近銷(xiāo)量情況怎么樣?用戶(hù)情況怎么樣?
BA和BI的基礎(chǔ)是什么?
BA的基礎(chǔ)是應(yīng)用數(shù)據(jù)與統(tǒng)計(jì)基礎(chǔ),因此嚴(yán)格上說(shuō)BA應(yīng)該屬于數(shù)學(xué)專(zhuān)業(yè)領(lǐng)域,其關(guān)鍵在于識(shí)別關(guān)鍵數(shù)據(jù)變量之間的關(guān)系,揭密隱藏在數(shù)據(jù)中的規(guī)律。
BI的基礎(chǔ)是數(shù)據(jù)庫(kù),BI更應(yīng)該屬于計(jì)算機(jī)專(zhuān)業(yè)領(lǐng)域,BI必備的技術(shù)包括數(shù)據(jù)庫(kù)OLAP、切片、向下鉆取等等,最后會(huì)通過(guò)一個(gè)交互界面進(jìn)行表現(xiàn),比如儀表盤(pán)、得分卡、圖表、圖形、警報(bào)等,上圖就是一個(gè)簡(jiǎn)單的BI交互界面。
BA有什么類(lèi)別?
現(xiàn)在你應(yīng)該了解了商業(yè)智能和商業(yè)分析的區(qū)別,接下來(lái)我們來(lái)談?wù)劦湫偷纳虡I(yè)分析類(lèi)別。
1、數(shù)據(jù)挖掘——通過(guò)在海量數(shù)據(jù)中發(fā)現(xiàn)以往不知道的趨勢(shì)或規(guī)律來(lái)創(chuàng)建模型。例如:保險(xiǎn)索賠欺詐行為分析,零售市場(chǎng)購(gòu)物籃分析。數(shù)據(jù)挖掘應(yīng)用各種各樣的統(tǒng)計(jì)技術(shù):
判別分析 當(dāng)我們知道變量為分類(lèi)數(shù)據(jù)時(shí)。例如:年齡等人口統(tǒng)計(jì)資料。
回歸分析
聚類(lèi)分析 當(dāng)我們不知道影響因素怎么歸類(lèi)時(shí)。
相關(guān)分析模型
2、文本挖掘——從文本數(shù)據(jù)集中發(fā)現(xiàn)提取有意義的模型。例如:通過(guò)face book、Twitter、博客等社交網(wǎng)絡(luò)了解客戶(hù)情感,這些信息將用來(lái)提高產(chǎn)品服務(wù)或了解競(jìng)爭(zhēng)對(duì)手動(dòng)態(tài)信息。
3、預(yù)告——預(yù)測(cè)分析接下來(lái)的一段時(shí)間發(fā)生的事情。例如:利用歷史數(shù)據(jù)預(yù)測(cè)季節(jié)性的能源需求情況。
4、預(yù)測(cè)分析——?jiǎng)?chuàng)建、管理和部署預(yù)測(cè)得分模型。例如客戶(hù)幸存與流失、信用評(píng)分預(yù)測(cè)以及工廠(chǎng)機(jī)械失敗率等。
5、最優(yōu)化解決方案——利用模擬技術(shù)識(shí)別最優(yōu)化解決方案。例如:銷(xiāo)售價(jià)格優(yōu)化、股票投資基金最優(yōu)組合等。
6、可視化——通過(guò)高度交互圖形增強(qiáng)對(duì)探索性分析的展示以及模型結(jié)果的輸出表現(xiàn)。
市場(chǎng)需求大不大?
BA方向問(wèn)題最主要:走向商業(yè)、走向技術(shù)。
走向商業(yè),所有管理、金融等商科就業(yè)方向你都能去,你比別人多了代碼和數(shù)據(jù)功底。很多人覺(jué)得多出來(lái)這一點(diǎn)能力是賣(mài)點(diǎn),但我對(duì)此持保留意見(jiàn)。
走向技術(shù),這個(gè)和BA專(zhuān)業(yè)所學(xué)更貼合。機(jī)會(huì)主要集中在互聯(lián)網(wǎng)和金融行業(yè)IT類(lèi)崗位?;ヂ?lián)網(wǎng)里,像電商這類(lèi)面向海量用戶(hù)的行業(yè)機(jī)會(huì)相對(duì)更多一些,比較知名的阿里的淘寶天貓、京東、拼多多這些;金融行業(yè)基本都有IT類(lèi)崗位,向金融科技轉(zhuǎn)型的比較快的企業(yè)一般會(huì)有不少數(shù)據(jù)崗位機(jī)會(huì),比如銀聯(lián)、招行等。
整個(gè)市場(chǎng)規(guī)模首先是很大的,但是上漲空間有限,有可能一進(jìn)去就是紅海。BA這種東西,小公司用不起,大公司看不起,因?yàn)锽A不是嚴(yán)格意義上的剛需崗位,甚至來(lái)說(shuō)一個(gè)企業(yè)有可能并不會(huì)需要BA或者BI。
之前我也是一個(gè)BA的鼓吹者,但現(xiàn)在我要改一下建議,除非熱情十足,不建議再盲目跟風(fēng),未來(lái)會(huì)越來(lái)越擠。商科專(zhuān)業(yè)同學(xué),根據(jù)興趣三思而后行;CS/EE等工科背景的同學(xué),十分不建議再考慮BA了,直接CS下面找ML等方向。
薪資還算可觀,這是值得欣慰的。數(shù)據(jù)分析而論,小的初創(chuàng)普遍能開(kāi)出15~20w的價(jià)格;一二線(xiàn)互聯(lián)網(wǎng)大廠(chǎng),20~25w;銀行IT為了從互聯(lián)網(wǎng)搶人,基本也要跟上一二線(xiàn)大廠(chǎng)的開(kāi)價(jià),所以也是20~25w左右。不排除部分土豪廠(chǎng)開(kāi)到近30w,應(yīng)屆更高的沒(méi)見(jiàn)過(guò)。另外數(shù)據(jù)分析在國(guó)內(nèi)的定位有技術(shù)和非技術(shù)之分,我的觀察是,將數(shù)據(jù)分析定位為技術(shù)崗的公司更喜歡開(kāi)高一點(diǎn)。
數(shù)據(jù)挖掘與算法之前提到了做起來(lái)比較困難,但薪資更好,白菜價(jià)還是比數(shù)據(jù)分析高很多的,另外這類(lèi)更為能拿SP,拿到無(wú)上限。
如果能去一二線(xiàn)拿20w以上,確實(shí)不錯(cuò),這也解釋了為什么越來(lái)越多商科人以自學(xué)或者海外master為跳板,走向這個(gè)紅海。