商业分析（Business Analytics，后称BA）和金融工程（Financial Engineering，后称FE），是我们最近十年来经常被学生问到的一个高频的概念。关于读这两个专业方向会否比读金融在职场上更有价值和竞争力？
这是近两年来我一直在为学生做解答的。在这里我们从这么几个问题为出发点来给大家做一些分享。
BA包括FE这样一类专业到底值得我们去学习？
是不是因为BA/FE的技术性更强了，求职时就会比传统金融专业更好更顺？
凡事均有两面性，我们该如何辩证地看待以上这些问题呢？
这里我们从四个角度来展开我的分享。
第一
我们来分析一下，什么是BA当中的B，这个business指的到底是什么？它在国内的发展趋势，在国外的发展趋势如何？
第二
我们来带大家分享一下BA的两类第一类business analysis商业分析是什么？它怎么样？
第三
带大家分析一下，business analytics这是另外一个BA，虽然同样是A但是不同的单词不同的意思，这一类BA又是什么？代表怎样的一个职业发展方向？
第四
我们整体来讲一讲所谓的比较有技术含量的BA的整体就业情况，现在国内外究竟如何？
第一个角度
就是我们来讲到business，就business 商业是一个很宽泛的概念。在中文当中我们叫做商业，那实际上商业是什么？
商业是伴随着国家经济发展，商业起到了一个非常决定性的一个至关重要的相互关联的这样一个作用。所以经济好商业就会好，商业好经济也会好，那么加上现在大数据时代数据大爆炸，我们互联网时代的一些趋势和现状的缘故，所以使我们对于数据分析和挖掘的前提越来越成立了。
其次，我们之所以要去考虑BA，那么我们要深刻的去理解这个B对于我们来说有怎样的一个求职方向上的一个意义？
我们说business刚才说了很宽泛，对不对？那么business包含很多的不同行业，包括细分领域我们是否要能够在定位BA职业发展的时候，能够对于商业范围能够做一个限定和聚焦。
进入是怎样的细分行业、怎样的一个细分市场？
我们说隔行如隔山，对于BA来说，我们对于一些数据背后信息中挖掘出的内容，并基于其中的部分用于判断后面决策，在不同的细分领域和不同的行业里分析问题的角度和依据（结合经验和专业领域知识）都可能是差异巨大的，所以我们建议大家能够针对这个B做一下文章，做一下聚焦。
第二个角度
我们来看一下，business analysis这样一个商业分析是什么？
其实这样的一个BA它所涉及到的学科，说得通俗点，这类BA比较偏“文科”，它所涉及到的分析行业主要所采用的方式就是之前我们课程当中也有提到过的以“定性分析”为主、以“定量分析”为辅，定性分析的代表比如金融当中的基本面分析（Fundamental Analysis）就是典型的代表。
其实也就是说从学术上角度来说，比较偏向qualitative中文叫做定性分析的一种商业分析的这种方向。这类BA的岗位一般比较偏向于中后台的支持岗，所处理的内容所处理的数据一般属于在一个完整商业决策过程当中的碎片部分。
如果无法从碎片的工作内容当中跳出来去纵观全局，整个项目是怎么从一开始去分析哪些数据，以及得到数据之后得出怎样的信息，可以帮助他们去做决策，决策最终是怎么做出来的，如果不能够理解这项的话，那么这样BA的工作对于你今后的职业发展是会有很大的一些限制存在的。
第三个角度
我们就来讲讲比较偏量化方向的business analytics，它所涉及的是什么？
其中关于统计的这个部分，其实主要的就是来研究怎么建立和评估各种变量之间的这样一种关系的统计模型建模， 最典型的例子就是做回归分析的模型建立，在统计学当中回归分析当然只是其中的一部分。不过对于商业分析而言，BA而言，基本上也就到这个部分，所使用的统计方法，无非是它介于什么样的一个媒介上去使用，比如说SPSS比如说start，比如说用这种可视化的这个综合分析软件Matlab来进行这个实现的。
至于计算机的部分的话， BA当中也并不是特别需要非常偏这个软件工程师的这么一种那么那么高的要求。它主要的这个计算机的部分也就是分为第一类是数据库sql等等。
第三部分是计算机当中也会学到的就是机器学习的部分，要学的机器学习的部分，实际上也是和刚才所提到的统计建模方法和统计学的一些应用是异曲同工的一个逻辑上的。当我们能够掌握刚才所提到的这些技术和应用能力的这样一个前提下，我们作为BA的这样一个分析师，所要具备的，那就是在商业环境当中做出三类主要的分析：
第一类叫做描述性分析。
第二类叫做预测性分析。
第三类叫做指导性的分析。
那所谓描述性的分析，就是将我们所获得到的原始数据，通过一定的分析转化为信息。以这样的信息来便于我们更好的了解这个产品或特定的一个方向，它的这个发展阶段和发展情况怎么样？
举例
京东从各个用户的手机移动端终端获取了销售数据之后，它不单单是获取到了每个用户的最终对于特定的产品的区域的总销量，它还能自动生成说告诉你哪类产品在哪个区域、在哪个时间段当中卖的好还是不好，这个就是从数据变为了一个有价值的信息，在什么样的时期相对来说和什么相比，它是好和什么相比，它是不好，这个就是描述性的一个例子。
举例
今日头条为什么会让我们用户对于它的使用粘性会提升那么多，相比传统的一些门户中端的这种APP，那就是因为今日头条通过计算机的算法，通过刚才我说的这些技能，他会深度挖掘我们的每一个的这个用户的浏览行为习惯，这样的一个行为规律当中捕捉出了该如何去定制一套所有的内容都是我最感兴趣的，这样自然就会让用户在这个使用上会提升很大的一个很高的一个粘性了。
最后一个指导性的分析，他指的意思就是通过模拟（simulation）以及最优化的一个这样一些方案来帮我们找到商业过程当中的对于产品定价也好、对于一些商业模式也好、对于一些promotion推广也好，怎么找出一个最好的一个决策的分析。
举例
亚马逊它是怎么制定出会员的会员费价格的呢？它的Prime会员这个服务选项，也就类似于VIP套餐概念，类似于这样的一个套餐，那这个会员价格怎么定？怎么去推广？重点推广哪些客户？那么从亚马逊商业的立场来说，希望是让用户购物获得优惠，但是最终实现了“薄利多销”以及“以获取更多特定用户行为产生的数据为依据做精准营销”最终能从特定用户身上获取到更大的利润。
第四个角度
让我们接下来讲讲BA这个方向它到底就业怎么样？
实际上BA的这个就业主要面向的就是市面上的这么几类岗位，比如说咨询分析师，比如说统计分析师，比如说市场调研员，市场调查员，再比如说数据挖掘师，又比如说非常直接的就是数据分析师，但总的来说， BA的专业能够让我们在就业范围内的覆盖面，还是比较广的。
根据市场现在这个发展情况来说的话，BA的这个学生大多数很难找到真正对口的BA工作，反倒最后还是回到诸如传统金融行业去求职，但往往这个时候这类BA学生的金融行业求职竞争力已经落后于读金融专业的学生们了。虽然商科专业对应的职场在招人时一般都不限制求职者的本科专业背景，但是BA专业的学生在面试环境当中就会非常吃亏。
这类比较纯的商业方向的面试，主要还是以案例分析的考察、以沟通与表达能力、亲和力、领导力的考察等为主的，比如财务报表分析以这样的一些比较纯的商科技术角度来进行考察的。而BA的学生在学校学习过程中更多的是运用统计数学计算机等技能，至于商业的部分则是寥寥无几。所以BA这类学生如果真的去和finance专业的学生一起去PK的话，胜算无疑是不大的。
第一个
BA的主要的岗位所对应的一般是在于那些市场类的零售业的大型的公司当中的一些市场部，市场调研部。
第二个
包括在一些互联网公司当中，比如说腾讯阿里巴巴京东百度等等这种互联网公司。
第三个
它主要是在一些这个健康产业，比如说healthcare这种大健康产业当中，生物类制药类。
第四个
总的来说以哪些公司主要会成为BA的这个学生的合适的一个雇主？它主要分为两类：
第一类的话是刚才我提到的像国内的，包括美国的大型互联网巨头公司。
这类公司的话，他们作为甲方，因为他们拥有海量的数据，这是这是进行一个毕业工作的一个基础，所以他们能够提供相应一些岗位。但是我们要注意到这样一类的公司，因为非常具备寡头的这样一个标签，才能够有BA工作的这样一个可能性，所以也就代表着实际上这类的工作岗位并不像我们传统的一些，比如说当时计算机出来之后，有很多很多的计算机，对应的软件方向的一些岗位，在很多公司当中都有对应的一些从业的机会。
第二类的这个雇主主要指的是一些以数据业务作为辅助的这样一些公司。
就是刚才我提到的说，你为什么要做这个数据的采集？你先不要管那么多，你先收集收集完之后做出基础的分析，有大概一些什么样的数据能够得出哪些基础的一个信息，OK你就先交给我，至于后边我能够怎么把它得出预测性分析的你就别管了。
那么这个就是到描述性分析那部分结束之后就结束，那你的工作就会变成碎片化的被动性的，根本不知道做这个工作到底是为了什么，为什么不能那样做，那到底要怎么做才能做得更好，那这些基础类的数据分析岗位并没有真的能够匹配好，去为了一个商业分析的这样一个专业去读一个硕士或去读一个大学本科，就那四年所值得的投入的这样一个代价。
所以我们说在BA的这个就业上，我们一定不要人云亦云去感觉说好像周围一堆人说，BA你看现在这个大数据时代数据挖掘人工智能和技术性是非常符合趋势的，所以大家都说好，所以我就一股脑冲进去，我们知道说计算机行业以前也是这个样子，当计算机硬件出现的时候，很多公司都说我们也要去开发计算机硬件。
所以，综合以上我所分析的四个维度，
建议大家再重新审视一下，是否还有必要去学BA？
一定要明白学不学一个专业不要一味只考虑它的专业性强不强、，垂直度和技术含量有没有比商科要高，是不是比传统金融或者传统商科的技术性看起来高，而是我们要去观察说就业市场上整体就业环境怎么样？岗位需求和供给之间是否平衡？在对应工作机会的竞争上我们要PK的群体是什么？面对CS/DS/Stats/OR/FE/Econ甚至其它X科+计算机的交叉学科学生的竞争，我们能不能够脱颖而出？
作者基本简介：
Siwei Chen（陈思炜）
世为教育创始人、董事长兼首席执行官
中国民主促进会会员、民进上海高教联合委员会会员
美国约翰•霍普金斯大学商学院杰出校友，经济学学士、金融学硕士
复旦大学经济学院特聘学生生涯规划教育校外导师，上海财经大学、上海大学、上海大学悉 尼工商学院客座教授
畅销书《方向的力量：商科职业规划》作者（2014首版，2018修订版）
前国内高端留学机构华东区&华南区总监
曾全职供职于迪拜主权财富基金－迪拜世界资本（PE-私募股权投资）
曾全职供职于欧洲最大投行－瑞士银行（UBS）
留学规划与申请指导背景：
世为教育留学部总监、美国部总监、前国内高端留学机构华东区&华南区总监
2011年起始终专注美国商科及交叉学科研究生申请，在全国性高端留学机构组织“留学手艺人联盟”中被数十家遍布全国十多个地区的机构一致评选为全国范围内“美研商科申请第一人”
660+成功案例（职业生涯无失败案例）、其中全程亲自跟进负责的占220+，全程+文书的占90+，其中90%的案例为商科及交叉学科方向。
所带学生平均每位获7所大学录取，近90%的学生被美国综排前20名校录取、近80%的学生被US NEWS美国综排前10的名校录取，其中40%以上获2所或以上Top10录取