想从事数据分析，我到底应该学BA还是DS？
想从事数据分析，我到底应该学BA还是DS？
在数据驱动的时代，数据分析师和商业分析师成为热门职业选择。但面对BA（商业分析）和DS（数据科学）两个专业方向，你是否感到困惑？本文将从工作职责、内容、能力要求等多维度，帮你理清思路，做出明智选择。
先说结论，BA和DS毕业了都可以做数据分析师，但有区别。(*DS还有其他各种选择，本文只针对Analyst 分析)
严格地区分来说，数据分析师分为2大类，Business Analyst 和 Data Analyst，两者的工作从本质上来说，都是通过分析数据来辅助商业决策，在实际工作初期也常有岗位互换的情况，但越往后职业发展路径的区别就越明显。
虽然BA学生可以从事Data Analyst，而DS的学生也能从事Business Analyst，但通常来说，BA专业与Business Analyst 更对口，DS专业与Data Analyst更对口，所以根本性问题与其说是选择BA还是DS，不如说是你以后想做Business Analyst 还是 Data Analyst？
Business Analyst 还是 Data Analyst ？
我们先从工作职责、工作内容、能力要求、薪资和职业规划这几个方面，来帮大家梳理下Business Analyst 和 Data Analyst 的同与异。
工作职责
相同的职责：
- 分析大量复杂数据
- 识别，分析和理解复杂数据集中的趋势或模式
- 确定需要优化改进的地方
不同的职责：
Data Analyst的职责：
- 设计和维护数据系统和数据库，包括对潜在问题进行故障排除
- 挖掘和清理数据以备分析
- 通过数据分析报表/报告，将其发现传达给公司高层或相关部门人员
Business Analyst的职责取决于行业，但通常来说主要职责包括：
- 评估业务流程的效率、成本和其他有价值的指标 ，并提出改进建议
- 支持或领导项目并与其他团队协调以产生更好的业务成果
从工作职责上我们可以看到，对于Data Analyst而言，工作止于数据，而对于Business Analyst而言，数据是其达成目标的方法。
工作内容
对于Data Analyst来说日常工作主要是：
- 清理数据
- 制作和维护不同部门的报表/报告
- 创建内部和面向客户的报表/报告
而对于Business Analyst来说日常工作主要是：
- 分析业务需求
- 了解业务需求
- 项目管理与开发
- 验证解决方案
- 辅助商业决策
- 执行质量测试
不要觉得Data Analyst 看起来略Low，而Business Analyst 看起来更有前途，其实前者对技术能力要求更高，而后者更注重对业务的理解能力。
能力要求
Data Analyst 的能力要求
- 熟练掌握数据挖掘技术
- 熟悉数据框架和机器学习
- 熟悉SQL，R或Python
- 敏捷开发方法论知识
Business Analyst 的能力要求
- 良好的数据化思维
- 了解数据库基本操作和常用的算法模型
- 良好的沟通能力，能够将数据转化为可行的见解
- 必要的项目管理能力
薪资水平
从薪资上来看，在美国Data Analyst和Business Analyst的工资差异不大，平均来讲年薪都在7.5-8.5万美元，前者的工资稍高一点，而不同的公司、岗位和城市会有所差异。
业务分析师薪资：
数据分析师薪资：
职业规划
最后我们再来说下两者的职业晋升路线。
在初期的阶段，两个岗位上的工作者经常会有互换身份的情况发生，也就是说如果1个初入职场的Business Analyst完全可以换个方向去做Data Analyst，反之也可以从Data Analyst转变成Business Analyst。而如果在工作岗位上连续工作了3-5年之后，那么一般Business Analyst走向M-管理岗的居多，而Data Analyst 走向P-专业技术岗的居多。
在M-管理岗这条路线上最终会成为公司高级管理层人员，而P-专业技术岗最终会成为数据科学家。如果想成为数据科学家的话，那么需要按照下面这张技能地铁图逐步掌握相应的技能。
想要成为数据分析师，不管是Business Analyst 方向还是Data Analyst方向，并不存在高低好坏之分，工作内容和薪资等方面的差异初期也不太大，因此有比较大的试错空间，重点还是要看更长远的职业规划来做出选择。
那怎么知道自己是更喜欢做Business Analyst 还是Data Analyst 呢？一种方式是从相对口的学校项目的学习内容有个大概判断。我们从BA和DS两个专业来说下各自的学习内容和就业方面的同与异，方便大家做出适合自己的选择。
BA vs DS
学习内容
没有什么专业是凭空出现的，都是在已有的专业上融合或演变而来。
BA是由MS in Statistics下的Applied Statistics分支发展进化而来，其理论基础是统计学，也包含了Data Mining和Regression Model的运用。
但是Applied Statistics有很大的局限性。一般来说，此专业以学术研究为导向，能力强的都继续读PhD。但随着市场的需要，更加适合商业实际应用需求的BA也就慢慢衍生了出来。
DS是以计算机科学为基础进化而来。与BA不同，其理论基础包括工程学、计算机工程和计算机科学。DS涉及到的专业知识还包含了Machine Learning/Cloud Computing/Optimization等。
因此在在学习内容上：
BA= 40% Statistics + 30% Computer Science + 30% Business
比较适合文科/商科/理科/工科背景的申请人申请。
Data Science= 30% Statistics +50% Computer Science +20% Application
比较适合理工/工科背景的申请人申请。
可以看出不管是BA还是DS，都包含统计学和计算机科学方面的内容，但是统计学和计算机科学内容占比不同，BA包含商科基础知识，DS包含一些不同领域（不只是商业）的实际应用。
尤其注意的是同样是BA，不同学校也会有不同课程设置的倾向，有的学校商科方面的内容会多些，有些学校计算机方面的内容会多些。多数学校会将BA设置在商学院下面，而有些学校会设置在工学院（如西北大学和康奈尔大学）或者信息学院（如CMU）下面。
就业方向
从就业的角度来说：
BA主要偏应用，主要走业务方向（加强版业务经理，技术难度不大），DS的学生偏算法，主要走技术方向（升级版码农，高薪，技术难度大）。
因此也有一些更看好DS就业“钱景”的同学，因为申请受到专业限制等各方面原因，另辟蹊径，拿BA当DS来申来读！有这种想法的同学特别需要注意，BA虽然会学习机器学习这方面的内容，但是其深度方面肯定是不如DS专业的，因此需要自学一些数据科学方面的算法和理论，可以参考前文中提到的数据科学知识地铁图。
同时也有一些同学不想做码农，恐惧996，直接放弃DS申请BA。不可否认的是DS课程内容的学习，多少会有些难度，影响“发量”，而BA课程设置中的一些商业基础理论方面的内容，对于想走业务方向的同学来说还是大有裨益的。
实践出真知。不管是申BA还是申DS的同学，想要真正了解某个学习就业方向到底适不适合自己，喜不喜欢，能不能hold住，说到底只有真正体验过才能有答案。因此，建议同学们有机会的话还是多实习，到行业中去试炼一下。