我就读于UIUC的信息管理专业（Master in Information Management），2017年8月底入学，2018年12月毕业，目前在美国一家互联网电商公司工作。在读MSIM之前，我的本科是会计专业，入学前没有任何编程基础。从我自己找工作的经历来看没有觉得特别艰难，时间线大约是从2018年8月底到11月初，以投商业分析和分析方向的咨询职位为主。美国的就业市场，商业分析相关的项目（商业分析/数据分析/统计/信息管理/信息系统）主要有以下就业方向：

1）数据工程师
2）商业分析师
3）数据科学家

Salary水平：商业分析师<数据工程师<数据科学家
技术的要求：商业分析师<数据工程师<数据科学家

这个回答中我会主要focus在商业分析找工作的主题上，聊一聊文商科背景的同学（我在高中是读文科）如何转商业分析找工作。

先来看一份亚马逊招商业分析的职位描述：

– 基本技能

1）熟练掌握SQL、Excel、Tableau和其他统计分析工具
2）书面和口头把复杂的分析和insight有效传达给senior领导的能力

– 如果有以下技能可以加分：

1）优秀的书面和口头表达能力
2）使用Reporting工具的经验（Cognos，Tableau，MicroStrategy，etc）
3）对Redshift和Quicksight有基本的认识
4）很强的商业运营认知 ，例如对商业决策的预计影响的预估
5）了解如何最高效进行分析的方式、编程语言以及可视化Reporting工具
6）注意细节
7）独立工作，调整优先级，在不断变化的环境工作的能力
8）与多功能团队共事的经验

– 以上所有的技能可以总结为一下几点：

1）熟练掌握分析工具 – SQL/Excel/Tableau等
2）Business Sense – 碰到一个问题能不能从business的角度剖析，找到最合适的方向进行分析
3）沟通能力 – 与不同团队沟通；将分析结果汇报给senior leadership

划重点：

从我的个人角度聊聊分析工具的要求：这份职位描述中提到的分析工具，例如SQL和Tableau，都是我入学前完全没有接触过的，都是在项目中根据课程和自己在网上找资源学习。

这份职位描述里没有提到Python等编程语言，但是学Python也是非常必要的，在理想的情况下同一个问题应该可以有能力用多种工具解决（这样你可以择优而选）。在商业分析/数据分析需要掌握的分析工具中，作为一个完全没有先修知识的商科背景同学，学Python的确对我来说是稍微有一些struggle，SQL和Tableau相比真的是非常非常简单了。

根据我的经验，在一年的时间中掌握SQL+Tableau+用于数据分析的Python是完全没有问题的，需要花费的时间Python > SQL > Tableau（或其他reporting工具）。

这样的toolset的组合是对于一个文商科同学可达到的基本水平，如果你想更加technical，那不能避免得还要学习机器学习，人工智能，算法等等。但是这样最基本的skill set找到一份商业分析的工作是完全OK的。

了解了toolset，大家要做的就是根据需要掌握的工具来进行选课，还没申请的同学也可以参考这个来选项目。如果有文科背景的同学对统计、数学比较害怕，强烈建议大家仔细阅读课程中的必修部分，衡量一下是否自己可以handle – 我会比较建议Data零基础的文商科同学选择选修课更多的项目，这样自己可以根据自己的学习情况灵活把握学什么课程，避免造成压力过大的情况。在这里也给我们项目打个广告（UIUC MSIM：https://ischool.illinois.edu/degrees-programs/ms-information-management），这个项目非常flexible – 想更technical的可以走数据科学或者码农方向，想走BA也可以选BA相关的课。

总得来说，一个文商科的同学读一个商业分析Master，学习最基本的BA toolset，是非常有可能在美国找到一份商业分析的工作的。

下面也根据职位描述简单说一说DE（数据工程师）和DS（数据科学家）：

一、数据工程师

– 需要什么技能？

以一份亚马逊的Job Description为例，亚马逊的数据工程师要求掌握以下技能：

1）编程经验 – 例如Python的编程经验
2）数据建模，ETL（数据提取-转换-加载），数据仓库相关经验
3）掌握类似Tableau的可视化Reporting工具
4）熟练掌握SQL

– 如果有以下技能可以加分：

1）写基于大数据量的复杂、高效SQL的经验
2）用Jupyter和Pandas等数据分析工具进行数据分析的经验
3）与不同层级business和engineer stakeholder沟通的经验
4）用AWS工具的经验 – 如Redshift, SageMaker, etc.
5）在engineer, business, product, finance等不同team中协调项目的能力
6）通过written communication的沟通分析结果的能力

– 以上所有的技能可以总结为一下几点：

1）编程 – Python（特别是用Pandas等相关库进行数据分析）
2）数据库 – 需要有数据仓库、数据建模的基础。SQL非常重要（基本的写SQL + 更高阶的如何优化）
3）可视化 – 需要会用Tableau，PowerBI这样的dashboard工具做report
4）沟通能力 – 需要跟工程师、产品、business各个stakeholder进行沟通；分析的结果需要以一种stakeholder可以清楚理解的方式传达

前三点可以通过学习达成，第四点在实习和工作中会更有体会。

二、数据科学家

– 需要什么技能？

同样以一份亚马逊的Job Description（这里看的是一个Senior职位），亚马逊的商业分析师要求掌握以下技能：

1）编程经验 – Python, R, MATLAB

2）相关的行业经验

– 如果有以下技能可以加分：

1）自然语言处理、机器学习、统计等的博士学位
2）大量将理论模型运用至应用环境的经验
3）精通机器学习方法和技术
4）强的问题处理、算法设计、复杂分析的基础
5）编程语言 – 使用Java，C++等的经验
6）很强的沟通和数据展示能力
6）开发云相关软件的经验，并对scalability，performance，reliability有基本理解

– 以上所有的技能可以总结为一下几点：

1）相关专业的学术背景
2）机器学习的知识和运用
3）编程语言 – Python，R，MATLAB，JAVA，C++
4）开发知识和算法设计
5）数据的沟通能力

*这里也想补充一下，数据科学这个职位名最近非常流行，很多没有要求这样高的职位也会叫这个（比如Facebook的DS Analytics），大家不要因为看到这个skillset就不去投这个职位，具体还要一个一个看每个position的职位描述。

横向比较这三个职位，从转专业的技术难度上，明显商业分析是更转专业友好，特别是对于商科背景的转专业同学。但是想提醒大家的是，现在大多数学校的BA项目大多会有机器学习等等比较Technical的课程，这也跟就业环境有关 – 现在找BA/DA相关的工作，都需要对机器学习有或多或少的了解。

从“好就业”的角度来看，目前这三个职位都需求量尚可，大家可以根据自己的兴趣和技术水平在上课的时候选择对应的课程，满足不同职位的要求。

如果想进一步详细了解商业分析在美国如何找工作，工作的具体实际内容（例如A typical day as a Business Analyst），欢迎浏览我在芝士圈的咨询服务，希望能帮到大家：）