在当今“大数据”时代，“数据分析”这个概念出现的越来越频繁，今天我们来详细了解下这个专业。

概念简介

数据分析DA是检查、清理、转换和建模数据的过程，即对海量的数据进行分析、概括、总结。目的是发现有用的信息，然后形成结论，以此支持业务决策。DA涵盖范围很广，由此也衍生出不少分支新兴专业，如专注计算机领域的数据科学DS、专注商科领域的商业分析BA。随着对该领域的探索与研究日益加深，数据分析硕士在就业市场上往往比本科生有更明显的优势。

就业&薪资

很多人都知道数据分析很“值钱”，但一定有人没想到它竟然这么“值钱”。

在美国，Burtch Works对数据分析薪资的研究显示，拥有硕士学位的专业人员在2018年的基本年薪中位数就超过了92,500美元。并且，硕士能获得的高薪职位包括Director of Analytics、Data Architect等年薪都超过10万甚至12万美元。

麦肯锡说：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来”。这不是在吹彩虹屁，为了实现数据化转型，麦肯锡还组建了CKC数据中心，专门培养自己的数据人才。根据美国劳工局的预计，到2024年大数据相关岗位将增加440万。

也就是说，数据分析专业不光薪资水平高，目前就业市场上对它的需求还非常强，一时半会不会过气，甚至还有越来越受欢迎的趋势。

而在国内，数据分析专业的人才更是就业市场的热门人选。近期国内某大厂在官网上发布招聘信息，连找HR都要会数据分析的人才，为此甚至开出了最高可达11万的月薪（远超不少同行的年薪了）。

这并不是个别现象，据某招聘网站的数据统计显示，光是北京地区每天就有10000+数据分析的岗位急需填充，那些有一年工作经验的人才基本能拿到2W以上的平均月薪。

中国商委会的统计显示，到2025年中国数据人才缺口或将达到200万，未来中国基础性数据分析人才的缺口将达到1000万+。

除了“非常有用且高效”而被雇主青睐之外，数据分析专业的就业方向也是非常广阔的，毕业生基本不用愁找工作。很多同学以为读了数据分析未来就要去做程序员或者企业管理，但实际上选择远不止如此。

比如今年，数据分析能够在疫情期间监控人员流动、实时追踪疫情数据、帮助社区进行排查、医疗影像AI作用于临床诊断......在医疗、通讯等领域都发挥了巨大价值。

因此，数据分析就业增长快、薪资水平高、岗位选择多，被称为“2020最热专业”毫不为过。

数据分析这一专业申请门槛不高且发展相对成熟，值得我们国际生申请。另外参考Techrepublic以及Valuecolleges的数据，从留学成本、学校声誉、投资回报ROI、教学质量这几个重要因素来评判的话，斯坦福大学、加州大学圣地亚哥分校UCSD、弗吉尼亚大学、普渡大学、乔治亚理工学院 、伍斯特理工学院这些理工强校也非常值得申请。

数据分析专业的区别

数据分析最常见的三个就业方向就是商业分析 BA、数据分析 DA和数据科学 DS。

1、商业/业务分析师/BA

业务分析师更关注数据的商务应用以及该应用产生的结果。例如业务分析师需要衡量公司是否应该在某个项目上投入更多，他将协调数据科学团队来找到答案。BA具体地说工作还分为Business Analytic和Business Analysis，前者偏数据分析，后者偏业务和需求分析。

企业类型：现在BA在美国在市场上的需求非常大，且今后会越来越大。互联网行业是个先驱，因为本身就是基于海量数据起来的。而很多传统行业还处于转型阶段，所以今后这类企业对商业分析或数据分析的需求会非常大。

掌握技能：与数据相关的编程语言、数学统计及建模应用、数据知识在专业领域内的应用（例如digital marketing、machine learning in finance等）、表达能力、反应能力。

2、数据分析师/DA

数据分析师筛选数据，分析后将它可视化，以解释数据背后隐藏的可能性。这些分析后的数据将会被转交给其他团队，来进行下一步的决策。简而言之，就是通过数据分析手段发现和分析业务问题，为决策作支持。

3、数据科学家/DS

数据科学家不同于以上两种职位，能够独立完成完整分析过程。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。

企业类型：原先只有规模较大，拥有海量数据的企业才会配备这个职位，但现在很多小企业也开始招聘Data Scientist。

掌握技能：除了SQL、HTML、Python、Excel、SQL、统计学之外，还需要熟悉某领域内的应用，例如人脸识别、语音识别或推荐系统等等。掌握一项或几项有关大数据、自然语言处理、数据挖掘、统计建模或数据仓库等技能。

总结：在这三个岗位中，商业分析Business Analyst对于申请者的背景限制最低，相对hard skill硬技能要求较低，相对薪水又比较高。因此Business Analyst是最受欢迎的职位。如果把职场比做战场，商业/业务分析师、数据分析师与数据科学家这三种职业就好比谋士、前锋和军师。

申请的具体专业和和背景要求

1、申请需要什么样背景？

不论是陆本还是海本，在本科阶段就开设数据分析这个专业的学校并不多，所以大家不要一看自己专业名字和数据科学不搭边就觉得是转专业申请。

首先，本科是计算机科学CS的同学，是最符合申请条件的，因为大多数数据工作都是通过编程和数据库的相关手段进行的，同时学过统计、微积分、高级语言；

例如哈佛大学对于MSDS的本科背景要求是：希望有微积分、线性代数，熟悉概率和统计干涉、能使用至少1种编程语言例如Python或R，了解计算机科学概念。

Prerequisites we expect from applicants include knowledge of calculus and linear algebra, familiarity with probability and statistical inference, fluency in at least one programming language such as python or R, and an understanding of basic computer science concepts.

其次，本科背景是统计、数学或应用数学，且有一定编程基础的同学也可以申请，这都是很好的专业匹配。

最后，商科背景出身，但量化背景较强的商科专业，比如金工，但又希望能选择一个STEM专业的同学，那DS显然也是个非常好的选择。

所以说，如果你有比较强的编程背景，又有比较好的数理基础，那你就很有竞争力；而纯商科背景的同学，如果没有强的量化背景，或者不懂编程，那建议还是数据科学DS和商业分析BA混合申请，因为商业分析更加偏商科，开在商学院，对商科背景接纳程度大很多。

2、如何加强背景？

建议可以从科研方面加强，在大学期间最好找和量化相关的科研，如果实在没有，可以把相关的课程大作业拿来用。再退而求其次，也可以是计算机软件、数据库相关。

此外，可以参加一些竞赛。竞赛的平台有很多，比如最近很火的Kaggle，再如阿里的天池、SODA、WID、数据嗨客等。

最后就是实习。实习最优选择应该是数据公司的数据岗，然而现实是这样的岗位由于太过重要，基本不会招实习生。所以建议找一些统计量化相关的或者计算机相关的实习。