美国大学BA/DA/DS的区别盘点

数据分析(DA)

理论基础是统计学，也包含了数据挖掘(Data Mining) 和 回归模型(Regression Model) 的运用。典型的数据分析研究生项目大致上离不开数据挖掘、定量分析法、预测分析、预测模型以及数据可视化。

数据分析对能力的要求包括：

良好的数学和统计基础

计算机和编程技术

数据库技术

商业决策管理

数据分析的主要工作内容是从大量复杂零散的数据中， 分析出资讯、趋势，进而作出或者帮助管理层作出最有利的经营决策。总体来说，数据分析项目专注在培养申请者的量化能力(Quantitative Skill)，统计能力(Statistics)和 数据挖掘能力(Data Mining)。

例如：利用不同的数据库整理出所需要数据，用 统计学建模技术(Statistical modeling Techniques),概率矩阵( Probability Matrixes)分析数据。

另外，沟通能力在数据分析项目里面也非常重要。课程也会设置这方面的要求。因为在工作中，呈现数据给非理工对象并帮助做决策也是一项很重要的工作。在目前的就业市场，科技，金融，保险，咨询等行业大量需求 数据分析毕业的人才。福布斯(Forbes) 预测，未来2年数据分析和数据科学的需求将会上涨28%。

如果你想投入到科技行业，但又没有计算机科学的背景， 数据分析的研究生项目将是你的到科技行业的不错途径。

商业分析(BA)

随着大数据时代的来临，商业社会对数据分析的需求越来越大，商业分析专业逐渐独立于应用统计学。商业分析专业大多是在商学院或者继续教育学院(Professional School) 下。在一个偏商科的项目中里，学生也能学到数据挖掘, 预测建模和分析编程等课程， 只不过课程比重相对数据分析和数据科学相对较少

商业分析更多地会侧重于：

风险评估和缓解

绩效报告

效率最优

供应链管理

市场营销和决策

因为是商科比重较重，分析互联网用户行为，经济学，会计等都会涉及到。总的来说，你可以认为商业分析相较没有那么的“理工”。

数据科学(DS)

数据科学是以计算机科学的课程为基础分化而来。与商业分析不同，其理论基础包括工程学、计算机工程和计算机科学。数据科学涉及到的专业知识还包含了机械学习、云计算、最优化(Optimization) 等。数据科学相对来说对编程能力的要求是比较高的。

举例来说，商业分析和数据分析很多时候是拿现有的工具和程序去应用，但是如果遇到一些相对很复杂的数据问题，需要开发程序，建模的话，那就是需要数据科学人员去写出来和调模型。

数据科学的课程注重于：

机械学习和人工智能

云计算

回归分析和时间序列分析

软件工程