Menu Close

大數據相關領域Data Analytics, Data Science 和 Business Analytics有什麼區別?

 

 

Data Analytics, Data Science, 和 Business Analytics 這幾個是同學最常搞混的科系。

看起來很像,但是卻又有不同的地方,到底是差在哪裡?

好,我們現在來看看這些領域的差別。

 

“Data Analytics programs are grounded in the foundational elements of analytics, including advanced mathematics and statistics, and data mining. Data Science programs delve into the more technical aspects of computer science, computer programming, and computer engineering. Business Intelligence programs are defined by their focus on the IT systems that process analytics data.”

 

以上的官方說法,是否有看沒有懂?

 

那,我們用白話文來說 :

 

我們先來說Data Analytics 這個科系,其實很多科系都有Analytics 這個keyword,所以到底是分析什麼東西?

 

Data Analytics
典型的 Data Analytics 碩士大致上離不開, data mining, advanced quantitative methods, predictive analytics and forecasting models, and big data visualization.

就是利用以下的技能

  • mathematics and statistics modeling
  • computer science and programming
  • database technologies
  • Business decision management

從錯中複雜的big data 中,抽絲剝繭地去得到你想要的資訊、趨勢,進而做出最有利的決策。

整體來說 ,Data Analytics會專注於 培養你高階數學、統計學以及data mining的能力。基本上就是你當你需要進行分析時,可能會用到的技能/工具,你都會學到。
例如 : 利用 不同類別的database 整理數據, 用 statistical modeling techniques, probability matrixes分析不同性質的數據. 學會如何呈現數據,將數據視覺化讓其他非理工人更能一目了然。

 

在美國,很多碩士科系都提供這樣的課程,而目前除了IT產業外,財經、保險等領域也大量需要這一方面的人才。富比世雜誌曾預測在2020年,業界Data Analytics 與Data Science 的需求會比現在多出28%,幾乎是供不應求。

 

大家都知道學寫Code不難,但是要真寫出一些拿的上台面的東西,就需要長時間的投資及鍛鍊自己的coding ability。

很多人目前不是專業的 programmer,短時間內也無法與寫 code 已十分上手的 computer science 本科系生競爭,不過看上了Data Science 與Data Analytics好找工作的趨勢 ,同時這些科系對於基本的 programming skill 的要求沒有那麼 tough,所以藉此機會讀個 analytics 碩士相關科系。這趨勢也逐漸成為很多想要投入科技業求職者的最佳捷徑。

 

 

Data Science
Data Science programs 當然也會提供這些以上的課程,不過我稱他們為 hard core,他們較重視高階的computer science, programming, and engineering,不只是會用這些程式而已,你也可能學著自己寫程式來跑你的analysis.

舉例來說 :

如果你的Data 超複雜,市面上沒有已開發的程式可以拿來用怎麼辦?

那你就要自己用程式語言e.g. R, Python, SAS, or Hadoop寫出來啊。
除了在data analytics 課程提到的data mining, data modeling, and data presentation techniques,

Data Science 的課程也會著重於如何將以下這些應用在 data 分析上:

  • machine learning/artificial intelligence
  • cloud computing
  • regression and time series analysis
  • software engineering

 

Business Analytics / Business Intelligence
看到Business 這個字,你應該就猜的出來這科系與商管有密不可分的關係。

沒錯,此課程的確多是為了想在商業環境工作的人量身打造的科系。
所以這樣的課程大多歸類在business school ,或是professional school 例如 : 會計學位底下。

雖然在這個學位你也會學到data mining, predictive modeling, and analytics programming,只是這部分的比重會比其他兩個科系 (Data Analytics vs. Data Science) 來的少。

另一部分的課程則會較注重

  • risk assessment and mitigation
  • performance reporting
  • efficiency optimization
  • supply-chain management
  • marketing/executive decision-making

畢竟是商業環境取向,你當然也會學習如何分析網路社群使用者的習性、一些會計財經、溝通技能等等。從這裡就應該看得出來,BA/BI的課程比較沒有那麼 “理工”。

 

OK,科系的分法當然不是只有這樣而已。

以上的每個科系也可能會有 specialization/Concentration。
就像上面講到的 ,Data Analytics degree 裡面可以 specializations Business Analytics.

所以你會看到有些學校將Business Analytics 劃分在 Data Analytics 其中一門專業的領域。

Data Analytics 學位也可能可以選修 machine learning (Data Science的科目), strategic marketing (Business Analytics 的科目), and/or data warehousing (Business Intelligence).

很多系所也會提供另外兩個科系的課程供你選修當作是 electives,所以與其說三個科系有分明的界線,其實是他們同在一條水平線上,各有 overlap。

 

針對整個美國的 gradudate program 來說,目前也沒有統一標準能夠將他們畫分得很清楚,因為這些科系包含的範圍大多有重複。若是硬要分關係的話,應該就是以下這樣。

 

商業取向 <– Business Intelligence -Data Analytics -Data Science –> 理工科取向

 

我想要出國讀 Data Analytics, Data Science, 和 Business Analytics 

那我的申請文件寫的含糊一點,好像什麼都可以讀 ok嗎?

well….. 學校不只是要找對的人,他們更要確保你是申請到對的科系,要不然要是你讀到一半發現學非所用,然後半途而廢轉系、或不讀了,對學校及教授而言很傷。

我之前有說過,教授不怕收到笨的學生,因為在申請過程中,你的申請分數及整體申請文件,已經被審核過一輪了,你能通過代表你也不可能笨到哪裡去。相對地,教授最怕收的是一個半途而廢的學生,尤其是讀博士班的,這代表著他們之前投資在你身上的寶貴時間與資源都付諸流水。

所以篩選委員早就練就了一身好眼力,可以大致判斷哪位申請者有自己的想法、動力、哪一些只是爲了讀書而讀書、甚至是洗學歷而已,所以亂槍打馬,文章寫得很模糊,什麼都想來申請看看,這種作法會讓招生委員覺得你並沒有很認真的對待自己的申請文件。

如果一位申請者,搞不清楚自己到底要讀什麼科系,似懂非懂,那你的申請狀況可能就凶多吉少。想要徹底知道到底各校所提供課程的差別,最好的方法就是去查你要申請學校的官網,提供的課程內容,尤其是必修課程的部分,大可略知一二。

這也是為什麼過去請我修改、指導留學文件的學生,我一律要求一定要附上一所你 dream學校的申請系所官網加上學校規定的寫作要求,只有這樣才能確保你的文章是寫在對的方向,增加錄取的勝算。要不然,寫的內容沒有投其所好,你條件再好也沒有用。

由於這些領域目前正炙手可熱,薪水也算優渥,工作機會也多,許多甚至是轉科系、跨領域的申請者也想要投入這個領域,所以近年來競爭十分激烈。

 

下面分享一些我協助過的學生被成功錄取的申請心得,大家加油。

PTT 原文 : [錄取] 低GPA+第二碩士 MS CS/DS/SE/STAT

 

*若你身邊有朋友打算在國外讀書工作,這篇文章將對他們有幫助的話,請一併分享給他們吧!

 

By Evon

cheif editor at EssayCrafter

Essaycrafter的創辦人Evon在歐美教育體系中長大並任職,擁有超過十年在大學以英文授課的經驗,充分了解外國大學與外商公司篩選申請者時的重點與細節,以及運作的方式。創業團隊也同時具有美國矽谷資深軟體工程師、紐約華爾街投資銀行主管、生醫及理工博士的背景,主要協助求學或外商求職者量身打造具有說服力的申請文件並克服英文面試關卡,把握機會加強自己的競爭力並輔導有關求學求職之程序。希望讓每個有才華的年輕人能同樣得到在世界頂尖學府與企業學習與工作的機會。
<<留學求職申請成功經驗分享>>

 

您或許對這些文章有興趣:
如何準備留學的 Personal statement (自傳/個人陳述)
SOP 寫作系列零(佈局): Statement of Purpose=追女生技巧
讀碩士與博士的選擇?我該不該讀博士?
美國徵才講究地緣嗎? 如何選學校才能讓畢業後找工作更順利 ?
給準研究生:如何尋找論文題目

error: