大数据时代，数据类专业选择有何新花样？

去年的时候，我跟同事半开玩笑地说，自从人工智能和大数据的概念大热，理工科的学生纷纷转去申计算机科学Computer Science或数据科学Data Science，而文商课的学生则把目光投向了商业分析Business Analytics。大家都期望学习最先进的计算机和数据分析技术，毕业后进入大公司，成就一番事业。这说明现在学生都比较关注社会发展的动态，有很好的就业意识。同样，美国大学也一直在顺应社会和产业的需求，推出新的专业。在这里我想跟大家分享一些大家了解较少的数据处理，数据分析相关的专业。对于未来想从事数据工作的学生，除了CS，DS，BA这些大热门专业，其实可以有更多的选择。

| New York University

Applied Urban Science and Informatics

此专业注重于用数据分析去优化和解决城市发展的问题，包括能源，建筑，交通，公共卫生等等。适合有一定技术背景并有志于城市建设的学生。比如我之前有位学生是在滴滴出行做过数据运营的，她就申请了这个项目。通过这个项目，她在提升自己的数据分析能力的同时，也能够获得对城市运营更深入的见解，两者相辅相成，对她未来的职业发展会很有帮助。

| Northeastern University

Enterprise Intelligence

从课程目标上看，此专业比较接近商业分析，即用大数据，机器学习技术去做商业决策。除了常见的机器学习，项目管理类课程，学生还可以在四个领域中选择一个（包括商业投资，金融，医疗保健，和人力资源）作为应用方向，学习怎样运用机器学习去解决该领域的问题。由此可见，这是一个应用性很强的一个项目，该专业毕业的学生也不乏去到DELL，JP Morgan这样的大企业。

| University of Southern California

Data Science Program

不同于大多数学校只设立一个MS in Data Science项目，南加大的DS会细分到很多具体领域，其中有传媒数据Communication Data，空间数据Spatial Data，公共政策数据Public Policy Data，医疗数据Healthcare Data……每个领域单独一个项目。我之前有位学生想做导航相关技术的，他就申请了Spatial Data Science空间数据科学。相对来说这些项目的选课灵活性不大，但很有针对性，非常适合那些已经决定好未来职业方向的学生。

可见，越来越多的大学都在推出以数据分析为核心的硕士项目。不同项目各有不同的侧重点，所以在做出选择之前，我们最好认真思考一下，我未来想去什么行业从事什么工作，因此我需要学会什么技能；从职业目标出发才能找到最适合自己的项目。

数据驱动的职业目前主要分为商业分析师与数据分析师两种，根据两者不同的工作内容，他们要求的技术背景也是有差异的。

| 商业分析师

- 工作内容

1. 负责某个独立项目的信息收集、分析，提出有针对性的方案和建议；

2. 就具体业务专题，构建商业分析框架，进行全维度的商业分析（如竞对信息、行业市场、上下游关系），完成分析报告进行汇报；

3. 依据国家有关方针、政策、法令，运用科学方法，及时对公司提出切实可行的战略改善方案。

- 技能要求

熟练掌握统计工具如SAS，STATA，SPSS，R；

理解各种分析技术，包括回归，趋势分析，预测，A/B测试；

高阶Excel技能（数据透视表，数组函数，VBA）；

数据可视化工具（Tableau, Power-BI, QlikView）；

丰富的行业知识

| 数据分析师

- 工作内容

1. 负责日常数据分析及监控，针对异常情况协调资源进行跟踪和深入分析；

2. 为各类业务部门（产品、运营、市场、广告）提供数据支撑；

3. 探究用户行为习惯特征，优化公司产品收益；驱动业务增长。

- 技能要求

编程（Python和R）；

应用统计学分析；

应用机器学习；

数据可视化（Tableau, Power-BI, QlikView）；

数据整理；

数据收集与处理

因此，如果对自己未来职业没有一个清晰的规划而盲目地去申请数据类的专业，结果可能会事倍功半。对自己，对专业，对行业有足够和准确的了解，这样留学的价值才会得到最大化。在最后，我想说，在大数据的浪潮之下，并非每个人都适合申请数据分析类专业或从事这方面的工作。如果本身没有一定的编程，统计学背景，缺乏对技术的热情和坚持，那我们一般不建议申请此类专业。同样，对于一些有一定技术背景和兴趣的学生，可以进一步去思考，自己希望未来从事什么样的工作，希望把大数据运用到什么领域，去解决什么问题，以此选择最适合自己的项目。正因为我们现在处于大数据时代，我们才更需要保持自我有自己的判断，而不是随波逐流。