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。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。

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：ClouderaImpala、Clustrix、VoltDB等。

（5）分布式计算系统：熟悉Apache产品族，钻研NoSQL平台，了解ApacheCassandra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ER Win、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、High Charts、Am Charts、D3.js、Processing、Google Visualization API、Raphael.js、Tableau等其中一些可视化工具。

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。

（3）顺利执行项目、保证实现目标的项目管理能力。

（4）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。

Business Analysis与Business Analytics区别何在？

1.Business Analysis

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)。

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。

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。

从课程设置可以看出，统计学及统计工具的课程占比最高，所以建议申请这个专业的学生，最好有良好的数学基础。这个专业不同于其他商科专业，Business Analytics是归属于STEM(Science,Technology,EngineeringandMath)专业项目里，简单来说：享受和理工科学生一样的OPT时间，比传统商科专业的学生多出24个月的OPT时间，总共享有36个月。

就业前景：

世界迈进了大数据时代。互联网和智能手机产生的数据“大爆炸”催生了提取和解读海量数据的新工作岗位——“数据科学家”。在很多企业，由于有巨量数据需要分析，数据分析员成为一个必须的职位，连一些看上去和数据毫不相关的企业，也需要数据分析员进行数据分析，帮助做出更好的决策。大数据需要大分析，大分析需要新技术，但企业还需要新人才。在大数据时代，数据科学家等分析人才的需求将激增，尽早开始人才储备将是企业稳步发展的优势之一。