接下来跟我一起看看今天的分享的内容是什么吧~
一、商业分析BA的定义？
商业分析是一种分析类型，旨在帮助组织挖掘、处理和可视化管理重要的业务数据，并充分利用他们在其他情况下看不到的业务模式。（来自IBM的解释） 通俗的说就是：利用统计工具和技术对数据进行分析，从而支持商业决策和解决业务或商业问题。同时商业分析专家又被称为“数据大拿型的管理者” (Manyika et al. 2011)。
二、商业分析专业近几年为啥火热？
1.随着大数据和人工智能技术的快速发展，越来越多的企业意识到数据驱动决策的重要性。
2. 金融、零售、医疗、制造等各个行业需要利用数据分析来提高效率、优化流程、提升客户体验。
3. 数据分析工具和平台（如Python、R、SQL、Tableau、Power BI）的普及，使得企业能够更容易地实施和应用数据分析。
三、商业分析师究竟是做什么呢？和DS、DA 有啥区别呢？
接下来就让我通过详细解析数据处理的每个步骤的具体内容，为大家讲解一下BA到底是做什么的。
数据处理的过程：明确问题—— 抓取数据——数据清理——建模分析——执行（分析问题、抓数据、解决问题）
1. 明确问题：从事这个领域的是叫BA或者DA或者BI，主要的业务：对公司的业务和产品很了解。知道要解决的问题是什么？通过什么样的数据可以解决这些问题。比如说音乐网站的歌曲排序推荐、还有金融公司的一些量化交易策略产生，电商公司的界面的调整，这些都是可能要面临的商业问题，这部分对编程或者数据分析相对而言要求没有那么高，而更多的是解决问题或者是分析问题的能力。
2. 再我们知道了什么问题，同时知道分析什么数据去解决这个问题之后，就要抓取数据
——这一个环节主要是 DA 或者Data Engineer 来完成。比如说bloomberg 这样的公司数据库去抓取数据，但是有一个问题，大部分公司都有权限，很难在这些数据里深度挖掘。所以很多公司去运用爬虫去抓取一些alternative Data然后存到自己的数据库里面。这个需要有SQL，python或Java语言的技能，这些不是Data Engineer 做的事情。这个部分对编程和这种挖数据的能力要求是比较高的。
3. 下一步就是数据的清理，不管是DE还是DS在建模之前，都要把数据进行一个很好的清理，变成一个可读和易读的一个版本。比如说拿到一堆数据，发现里面的数值缺失，这个时候怎么办？把确实的数值随便填写一个，还是都写一样的，或者说把这些数据都直接删除？不同的数据分析师和数据科学家有不同的判定标准。所以这个部分就是把有用的数据提取出来，不要哪些垃圾数据，为下一步分析做好一个充分的准备。所以像平时常用的一些数据分析、数据处理的语言 比如Python里面的一些常用的数据包（Numpy、Pandas）或者是R、matlab。
4. 处理的核心部分：建模分析——DA或者DS从事的领域，科学家一听就很牛吗，从工作的名称上是很难辨认的，那么这部分是做什么呢？DA 更多的是对历史的数据进行一些分析和描述，数据科学家更多的是通过建模对未来做出预测性的判断。
他们典型的工作主要是两大类 ，一类偏A/B test 这种的话就是对数理知识、统计知识（比如：时间序列、回归、统计模型要求比较高；另一类：Machining Learning 机器学习——对编程方面的要求会高一些。其实我觉得整个数据里面最核心、也是要求最高的就是一块的就是这个部分。
5. 最后一部就是通过分析这些数据，来得出一个结论，然后指导公司进行决策，这个就贯穿到我们讲到的第一步，那些Business Analyst通过对数据进行可视化的分析 （Tableau、Power BI或者EXCEL）这些工具，Excel做一些简单的柱状图，饼形图等，Tableau可以建Dashboard比较强大。
所以呢：数据处理的一个环节（明确问题）和最后一个环节（执行）——BA
中间的部分：数据抓取、数据清理——DE数据工程师
建模部分：数据本身和建模要求最高的一部分——DS
通过以上的分析，现在大家是不是对商业分析有比较深刻的了解呢。
【竞赛报名/项目咨询请加微信：mollywei007】
