首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >AI时代就业指南:商业分析师的前世今生

AI时代就业指南:商业分析师的前世今生

作者头像
小莹莹
发布2018-04-18 16:29:44
1.5K0
发布2018-04-18 16:29:44
举报

大数据时代,诞生了很多新兴岗位和就业机会。商业分析、数据分析、数据挖掘、数据科学.....一时间把大家弄得云里雾里,傻傻分不清的情况下干脆把这些人都叫“搞大数据”的。其实这些词汇是不同历史阶段的产物,彼此之间有很多交叉和融合的地方,普通人也许不必区分,但如果你想进入这个行业,那么有必要了解一下相关的知识。本文将通过几个简单的问答帮你了解商业数据分析师的前世今生。

Q1、商业数据分析师是做什么的?

A:商业分析师能根据业务的需求,从数据中生成相应的报表,为决策提供支撑。相比其他的业务人员,他能更高,更广,更深入并且更数据化地对业务进行分析。他的思路一定不能陷入在日常业务当中,必须超脱出来,并且要具有一定的抽象能力,同时能熟练运用分析工具,学会用数据说话。

Q2、商业分析师要用到哪些基础知识和工具?找工作有哪些要求?

A:不同的项目做的事情是完全不一样的,大部分的工作都需要熟练运用Microsoft那些,Excel表格用的频率最高。如果是数据方面的话,用得到的工具会有很多R,python,MySQL 等等之类的。学历和背景对于这个工作岗位来说偏理工一些,技能的话懂IT编程或数据编程那些是最好的,但其实只要能熟练掌握最基本的工具比如Excel,MySql 这类的就行,最重要的还是快速的学习能力和随时需要的应变能力。

企业对商业分析师要求:

  • 一般有数据统计相关工作经验的要求,曾从事过管理咨询、战略规划、市场研究等优先;
  • 具备系统的资料收集、整理能力,及良好的文字处理能力;
  • 具备较强的逻辑思维能力,敏锐的观察能力和独立分析能力,有较强的市场感知力和数据敏感度;
  • 良好的沟通表达能力和组织协调能力,富有进取创新精神和团队合作意识;
  • 熟练运用数据分析软件(如SPSS、SAS),具备较强的数据分析能力。

下图为商业分析研究的领域和涉及的问题:

Q3、 这个岗位未来的发展方向有哪些?职业发展的路径是怎样的?

A:商业分析能力在市场,运营,财务,规划,咨询等岗位有广泛的应用,也许你未必有一个“xxx分析师”头衔,但相关的技能越来越成为财务、运营和市场人员的标配技能。

商业分析师往往兼顾商业和运营的各种方向的知识,最成功的商业分析师都是那些能够“沟通、推动和分析”的人。因此,从长远发展角度看,有望向企业战略咨询顾问、企业文化咨询顾问、企业改制咨询顾问、品牌管理咨询顾问、营销管理咨询顾问、CRM咨询顾问、精益生产咨询顾问、供应链管理咨询顾问、人力资源咨询顾问、财务管理咨询顾问、BPR咨询顾问、区域经济咨询顾问、知识管理与信息化咨询顾问等方向发展;或转向其他相关领域,成为财务分析师、品牌经理等

商业分析师可以往数据分析师、数据工程师方向发展,未来有可能成长为具有企业大数据战略规划和实施能力的数据科学家。

Q4、商业分析、数据分析、数据挖掘、数据科学有什么不同?他们对应的职位是什么?

A: 商业分析(Business Analysis),简称BA,对应的职位是商业分析师(business analyst)

数据分析(Data Analysis),简称DA,对应的职位是数据分析师(data analyst)

数据科学(Data Science)简称DS,对应的职位是数据科学家(data scientist);

首先这几个词汇都是从国外传入的,所以我们先了解一下相关历史:

在2011年的时候,麦肯锡发表了《Big Data: the next frontier for innovation, competition, andproductivity》提出了现在很多的公司已经开始往分析才能(analytical talent)中获得竞争优势。虽然这不是第一篇提出这个概念的公司,但是是第一次提出,数据分析能力也有助于商业公司去发现潜在的机会,而不仅仅只对技术公司有效。接着麦肯锡认为到了2018年,美国大约会有190,000的项目缺少“深度分析能力(Deep Analytical Talent)”,而这些深度分析能力,是由大数据(big data)驱动的。至此,麦肯锡将”商业分析”进一步形容为”深度分析能力”。

接着DJ Patil和JeffHammerbacher在其写的《Building Data Science Teams》,将麦肯锡的“深度分析能力”称为了“数据科学家(datascientists)”。他们在文中提到:“商业分析师(business analyst)看起来太局限了,数据分析师(data anlyst)是他们的竞争者,但是我们还是觉得这个称呼太局限了。....我们认为最好的称呼应该是”数据科学家(data scientist)”,因为这些人需要同时使用数据(data)和科学(science)去创造一些新的东西。”

可以说这几个词汇是不同历史阶段的产物,相互之间有很多交叉和融合的地方。

1) 商业分析属于“传统”领域,运筹学、统计为主要数学方法,分析数据和决策为主;

2) 数据科学属于“新兴”领域,大量加入了机器学习、人工智能,以及收集、清洗和管理数据;俩者都需要数据库作为储存和调用数据的媒介;

3) 数据科学家就是商业分析师在大数据时代的延伸。

在具体工作职责上,商业分析师和数据科学家的主要区别是:

商业分析师

从结构化和非结构化的来源研究和提取有价值的信息,解释过去的、现在的和将来 的经营业绩,确定最佳分析模型和途径,为商业用户提供和解释解决方案。

数据科学家

借助统计编程,设计、开发和运用算法来支持商业决策制定工具,管理海量数据, 创建可视化以帮助理解。

目前商业分析更多的被数据分析所取代,而数据科学也延伸出数据挖掘、机器学习、人工智能能细分领域,

正如《哈佛商业评论》报道,“数据科学家”是二十一世纪最性感的职业,所谓性感,既代表难以名状的诱惑,又说明大众不知它到底是干啥的。数据科学家已经逐渐成为一种头衔(title)而非职位,代表从事这个领域的一个群体,类似于“网红”这样的表达

市场有人才需求,学校便应需开设相关的专业,在国外数据分析(BA)专业是2007年才涌现出来的新兴学科,DA是从2011年出现的,出现DS则是从2013年才开始的。

从发展的趋势上,尽管商业数据分析更多的被数据分析所取代,但对于未来想要从事这一工作,仍然可以从商业分析起步,亦可把商业分析作为自己一项工作技能学习。

至于数据挖掘、机器学习这样的概念则更多是数据科学领域的一些细分的技能和职位,更侧重于通过计算机的分布式处理能力来分析和处理数据,本文不再详述。

对于大多数人而言,可以简单的理解为:

商业分析=数据分析

数据科学=数据分析+数据挖掘/机器学习+计算机工程

END.

AI时代系列好文推荐:

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-03-12,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 PPV课数据科学社区 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
大数据
全栈大数据产品,面向海量数据场景,帮助您 “智理无数,心中有数”!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档