未来十年商业分析与数据科学哪个更好？

学校与专业的选择一直是准备出国留学的同学们最关心的两因素。现在各大官方机构也都充分了解学生的需求，根据不同的学术因素的权重分析整理了很多权威的学校排名，如U.S.news、QS、CWUR等等，这让大家在选校时有了很多可参考的体系化内容，十分方便。

但在专业选择上就复杂的多。专业及项目的选择不仅要看专业排名，还要考虑就业难度、就业面、就业地理位置、是否回国发展、课程设置是否满足心理预期、各个相似名称的专业到底有何种不同……

这些信息时常让申请者一头雾水，不知从何下手，更麻烦的是，很多同学对自己未来的发展还比较迷茫，从各个渠道上搜索到的信息也都是碎片化、不成体系的，这就导致了大家会对专业的了解十分片面、不完整，从而选择了一个并不适合自己的项目。

最近，同学来咨询时经常会出现对专业了解不透彻、混淆的问题。比如名字截然不同，但却在课程设置和职业路径上有一定交叉性的数据科学与商业分析；又或者是曾经本属同一个专业的统计学与生物统计……

商业分析（BA）和数据科学（DS）存在着不少相似之处，比如两者其实皆出自于分析学这一项目本源，再比如两者也都是作为“交叉学科”而存在于各大高校之中。

虽然BA与DS的诞生，都是为了满足商业企业在决策中，因为对数据的依赖而带来对数据分析的需求，但它们在构成部分的明细方面其实有着鲜明的不同。

商业分析

BA专业大多设置在商学院下，课程设置意在数理编程和管理科学中寻求平衡。因此在课程内容方面，统计学、商科与计算机领域基本以4：3：3的比例平分秋色。

数据科学

DS专业则普遍被开设到了计算机或统计学院之下，课程设置明显更侧重于培育学生利用计算机进行数据分析的能力。在DS的课程内容中，计算机领域的知识占比超过一半，其余部分由统计学与应用知识平分。

由课程设置的差异性带来的，自然是“入口”与“出口”的截然不同。

Part 1、申请

商业分析

BA专业对于学生建模能力和编程基础的要求并不是太高，但期望申请者具有良好的商业思维意识，以及在PS中展露的出色沟通交流能力与创新能力。以BA项目的TOP1麻省理工（MIT）举例，BA项目的先修课要求通常会定在数学、统计学、机器学习和计算机编程的相关课程领域，此外GPA与GRE成绩依然申请时可靠的加分项之一。

不过总体来说，BA专业对于申请者的背景要求限制并不算太多，本科是商科、理工科背景的同学都可以进行尝试。

以南加大Business Analytics的课程设置为例，了解一下课程难度：

DSO 510 Business Analytics 1.5

GSBA 545 Data Driven Decision Making 1.5

GSBA 542 Communication for Management 1.5

DSO 530 Applied Modern Statistical Learning Methods 3

DSO545StatisticalComputingandDataVisualization3

DSO570TheAnalyticsEdge:Data,Models,andEffectiveDecisions3

DSO 573 or DSO 599

Data Analytics Driven Dynamic Strategy and Execution/ Getting theOrganization Ready for Big Data

INF 559 Introduction to Data Management 3

decision making, management, strategy，没那么码农了，有点做咨询的感觉。这个项目更适合商科背景的同学就读，编程要求相对不高，学过Excel建模、上过统计课程就能应付。

但是，因为设置在商学院下，所以项目对同学的语言能力、表达能力要求都比较高，比方说USC录取的学生，基本都是托福110分左右的，而且很大一部分是美本，上课的时候也有一部分美国人，不像Data Sciecne都是中国人和印度人。

数据科学

DS专业就无疑对申请者的专业背景要求更高一些了，申请人需要具备出色的数学基础和编程能力。虽然统计、数学、应用数学、金工等注重量化的专业也都符合申请条件，但一般来说，DS项目最青睐的本科专业是依然是CS。

常见的先修课程包括：微积分、线性代数、统计、计算机编程基础（Python、R等）、计量经济学与概率论等。

以哥大Data Science的课程设置为例，了解一下课程难度。必修课程如下：

STAT W4203 PROBABILITY THEORY

CSOR W4246 ALGORITHMS FOR DATA SCIENCE

STAT W5703 STATISTICAL INFERENCE AND MODELING

COMS W4121 COMPUTER SYSTEMS FOR DATA SCIENCE

COMS W4776 MACHINE LEARNING FOR DATA

SCIENCESTAT W4701 EXPLORATORY DATA ANALYSIS AND VISUALIZATION

ENGI E4800 DATA SCIENCE CAPSTONE AND ETHICS

algorithms, machine learning, computer systems, 如果本科阶段没有编程基础，读起来肯定很吃力。但相对于传统的Computer Science项目，对编程的要求还是低很多的，主要差别在代码量以及对系统的理解。

数据科学一般编的程序不会太长，很少有那种一个模块几万行代码的项目，一般都可以划分为比较清晰的小功能模块，很多时候几百行代码就可以干很多事情，而且不涉及到底层操作系统、文件系统、服务器这个层面的编程，所以其实是比较适合半路出家的同学们学习的，尤其是数学和逻辑比较好的同学。

还有就是，在数据科学领域，大家比拼的一般不是谁的程序运行效率更高，而是谁能提出更好的利用数据解决问题的方案，至于程序本身的实现一般不是重点。

补充建议：如果对自己能否应付课程持怀疑态度，建议上一下相关的网课，国内的小象学院，国外的Coursera、Udacity等都有很多相关课程。

Part 2、就业

1. 就业去向

商业分析

BA并不特别局限于行业的一类职位，无论是在各个领域从事商业分析工作，还是投身于咨询公司、四大、投行等担任咨询顾问或数据分析师，对于BA毕业生而言都是一个不错的选择。

该项目目前在美国的各个城市也都有需求，且需求和城市的发展程度成正比。BA需求较大的地区/城市包括：旧金山地区，洛杉矶地区，西雅图，纽约，德州的奥斯汀+达拉斯，芝加哥，波士顿等。

数据科学

DS方面的就业出口则大抵分为Data Scientist（数据科学家），Data Engineer（数据工程师）与Data Analyst（数据分析员）这三种。

Data Scientist的主要工作内容是建立统计模型，设计实验（A/B Testing），发现data insight等，要有扎实的数学功底，不错的编程技术来实现模型（Python）以及良好的商业意识。

Data Engineer，主要工作是建立数据科学的pipeline，一般需要对大数据平台非常熟悉，熟练掌握Hadoop，Spark等技术，对统计建模要求不高，但需要有很好的编程能力。

Data Analyst，主要职责则是数据处理，简单的分析和可视化。

2. 就业薪资

商业分析

数据科学

3. 职业路径

其实BA和DS这两个专业本身都是技术性、实用性较强的专业，能否找到工作跟个人能力关系最大，如果确实学到了扎实的技术，哪怕从100名左右的学校出来一样很好找工作，因为这方面的人才缺口还是蛮大的。

Data Science偏技术的工作对语言交流的要求较低，更适合技术流学生。

Business Analytics的优势是可以做技术，也可以做咨询或市场营销，能力更加多样化，更适合技术与沟通能力兼顾的学生。

以上就是这两个专业的一些异同点，在此，想提醒大家的是，在申请的过程中，除了要看重名校title与行业前景之外，也一定要对申请项目本身做足功课与了解。只有找到一个真正适合自己的项目，才能让你在自己的留学生涯中，完成学业成就与精神满足的双向丰收~