商业分析硕士(Master of Science in Business Analytics)主要是将大量复杂数据，经过定量方法和应用分析转换为合理清晰，便于管理的信息，从而做出合理的商业决策。学生会接触到先进的决策分析工具和技术，应用这些工具和技术在实际的商业领域中给予合理的解决方案。课程中涉及应用统计学、应用数学、计算机、优化选择、客户行为学、风险管理、运筹学和决策理论，商业统计方法，商业流程模型，商业决策模型，数据管理，运营管理等，并整合一些商科基础课程，如商业沟通技巧，领导力，市场营销，供应链管理等。这就是今后的数据科学家索要学习的内容了，以上课程可以分为三大类，商科基础课程，技术类基础课程与专业课程。
Business Analysis与Business Analytics区别：
Business Analysis与Business Analytics翻译成中文都是“商业分析”，他们之间有没有什么区别呢?本文给大家带来了Business Analysis与Business Analytics区别所在。
都是商业分析，Business Analysis与Business Analytics区别何在?先搞清楚问的是business analysis还是business analytics。虽然翻译出来差不多，但实质差别很大。前者是传统商科，后者才是新兴学科。
1. Business Analysis
应属于传统商科，主要是任务是对公司整个运营的流程、业务的开展等方面的分析。比如发现新的商业需求、提出/改善某些商业问题的解决方案。它可能包括公司组织上的变更，业务流程的改善，策略性的规划，政策的制定和提高。这个领域需要一定的数据分析，一方面因为公司发展前期一般主要靠业务的扩展，会涉及一些销售业绩等类似的数据分析。另一方面，大数据时代嘛，很多公司都觉得好像应该顺应潮流掺和一把。但总的来说还是business analysis为主。即定性为主导，数据分析(一般较简单)为辅助。这也是大多数答主所提到的。要在这个领域成长为专业人才，一般会选择MBA，MBA课程一般也会包含一定的相关课程，但很简单。
2. Business Analytics
BA(Business Analytics)以商业知识为基础，数理编程为手段，从数据分析出发，以决策优化来创造价值的新兴专业，实现Big Data的商业应用。
一般而言BA都开设在商学院下，还有部分在信息学院(Carnegie Mellon, Columbia等，CM的项目是这个专业绝对的女神项目!每年的毕业生被各大公司抢，当然这些学校的BA更多的Data Analytics，相对而言更重视计算机编程能力，所以更抢手)无论冠名哪个学院，从招生来看当然大多数是本科数学和计算机，少数其他专业的(商科背景的也少)。
这才是真正的新兴学科。翻译上都叫商业分析，但内容却差很多，所以特意用英文区分开来。这个行业的核心就是数据分析，而且是高深的技术、模型和算法。通过对数据的深度分析、挖掘来研究公司以往的业绩，对行业市场潜在的商业信息的搜索等。目的是获取那些通过定性分析和简单的定量分析根本无法获得的insights。这个领域逐渐得到了学术界、业界和政府的高度重视：学术界，从纽约大学13年开始开设business analytics的硕士专业以来，全球各大高校纷纷增设相关专业，并且学费直逼MBA，在金钱至上的资本主义国家，高学费往往是高收入和良好职业发展的风向标。业界，更不用说了，BAT都在开设这一类的部门，阿里巴巴去年跟今年就从名校挖了一些这个领域的教授，百度更是把斯坦福大牛Andrew Ng请了来。政府，就我知道的，新加坡和澳洲政府直接拨款赞助开设business analytics部门的公司。
总体来说business analytics无疑是个交叉学科，包括数学(统计)、计算机和商学(经济学、市场营销，博弈论等等)。统计类的方法占据了数据分析学科的首要地位(主要是回归模型)。可以说如果把统计方法全部拿走，数据科学基本就支离破碎不成体系了。然后是计算机(包括机器学习、模式识别、图像处理等一类的领域)，基于一些应用层面的需求，计算机领域提出了一些新颖的思路和模型。值得一提的是，这些东西又吸引了统计学家的关注，他们把同样的问题又用统计学方法做了出来。再结合一些传统的回归模型，统计学出现了新的分支：统计学习。最后是商学类，现阶段来说比重最小，不过其中一些思路也是值得借鉴的，比如博弈论。一些专门的business analytics硕士会结合商业应用来讲统计和计算机方法。
BA要求具备的硬件和软件实力：
技术硬指标方面主要有以下要求：
(1)数学。微积分和线性代数是大多数数据挖掘应用程序需要矩阵计算的基本算法。
(2)统计学。掌握相关性分析、多元回归，揉合各种数据从不同角度进行预测性和指导规范性建模，会使用R、SAS、SPSS、SciPy、Stata等统计工具软件。
(3)编程和写脚本。掌握编程语言可以更具竞争力，如：Python、C/C++、Java、Ruby、Perl、MATLAB、Pig等。
(4)数据库。熟练掌握SQL，关注NewSQL这类高扩展、高性能数据库，如：Cloudera Impala、Clustrix、VoltDB等。
(5)分布式计算系统：熟悉Apache产品族，钻研NoSQL平台，了解Apache Cassandra和MongoDB的优缺点，动手实践Hadoop、HBase、Cassandra、MapReduce、Hive等不断出现的新系统。
(6)数据挖掘。数据挖掘是跨学科的，借鉴人工智能和机器学习、统计数据和数据库系统等。
(7)数据建模。从ERWin、Agile Data Modeling、ORM Diagrams、UML class diagrams、CRC cards、Conceptual/logical/physical schema、DDL、Bachman diagrams、Zachman Framework等数据建模工具开始，掌握建模技术和方法。
(8)预测建模
(9)机器学习。
(10)数据可视化。选择掌握Flare、HighCharts、AmCharts、D3.js、Processing、Google Visualization API、Raphael.js、Tableau等其中一些可视化工具。
人文软实力方面主要有以下要求：
(1)专业领域知识。对某行业及其数据非常了解，诸如医药、政府、零售、制造业等。
(2)创造力和求知欲。有创造力的数据科学家都是充满好奇心的，需要出众的发现能力。(3)善于包装会编故事。将复杂的数据包装后像讲故事般娓娓叙述出来。
(4)顺利执行项目、保证实现目标的项目管理能力。
(5)保护数据隐私的道德。
(6)通过简短的交流能达到目的的能力，称为电梯间交流(elevator speech)能力。
开设院校介绍：
目前开设BA专业的学校很多比较有名的学校有西北大学、卡耐基梅隆、康奈尔、南加州、北卡教堂山、罗切斯特、迈阿密、德州奥斯汀等。大部分学校的BA专业开设在商学院下面，少数学校开设在其他学院，比如西北大学和康奈尔大学开设在工程学院，卡耐基梅隆开设在信息管理学院，北卡教堂山开设在统计与运筹系。要特别注意这样的项目是否可以接受GMAT成绩，比如康奈尔就不接受GMAT成绩。
这个专业对于申请者的数学和计算机背景要求较高，以德州奥斯丁大学商业分析专业招收的学生为例，原来为工程系的学生占32% ，原来为商科的学生占28%，来自数学专业的有17%，有19%的人原来是就读于经济学，另外4%分别来自于同样对数学背景要求很高的心理学或社会学等专业。
作为一个新兴专业，很多赴美留学学生对这个专业并不是十分了解，竞争的激烈程度也不是特别高。有良好数学与计算机背景的申请者，可以在金融、金融工程等专业之外，再增加一个可以选择的专业了。
