上海博为峰软件技术股份有限公司旗下的职业教育培训品牌学掌门以企业需求为导向，已开设软件测试、数据分析、Web前端开发、Java、Java+大数据、超全栈开发（web前端+Java+python）、Python全栈开发与人工智能、Python大数据分析、BI商业数据分析、移动端开发、大数据等热门技术领域就业课程、进阶课程以及认证与培训服务。

　　同时，学掌门将持续推出更多的品类、班型和课程，帮助在校大学生和在职人群，选择更合适的课程，并通过自研的入学测评系统综合判断学员的学习能力和适合学习的课程/难度，提供差异化、个性化教学方案，全面实施分层教学，逐步实现因材施教的差异化，较终实现职业教育的个性化。

　　学掌门数据分析就业班通过线上线下、直播录播与平台结合的方式 ，让学员在业务数据分析、计算机编程、数据挖掘/机器学习算法上获得全面提升：从基础的数据分析理论方法到必备的数据分析算法，再到流行的数据可视化技术以及基于Python的大数据分析语言，直至时下热门的BI大数据分析技术。学掌门构建全栈数据分析课程，搭配热门行业真实项目实操，使您成为在互联网、零售、金融等行业专门从事数据的采集、清洗、处理、分析并能制作业务分析报告，提供决策的新型复合型大数据分析/挖掘人才。

　　课程优势

　　广度：传统数据分析 + 商业智能BI + 可视化数据分析 + Python数据分析 + Hive大数分析+人工智能；30+项目案例全程贯穿 + 企业级商业数据分析案例剖析精讲

　　深度：BI商业分析—>数据分析—>大数据分析—>数据挖掘—>机器学习—>推荐系统—>机器视觉（选修）

　　价实：直播+录播（赠送） + 企业导师周末加餐 + 入学即送价值8800元人工智能专业课程 = 物超所值

　　就业：就业面广，即可以从事BI、业务数据分析相关的管理线，也可以从事Python数据分析相关的技术线

　　经验分享：商业分析师和数据分析师到底有哪些区别？

　　前言

　　一直以来大家都有疑惑：商业分析师和数据分析师到底有哪些区别？这两个岗位到底需要什么样的技能与知识，此次就给大家重新整理了下相同点与不同点。大家可以收藏阅读。

　　相同点：

　　需要依靠数据来得出结论需要掌握数据分析工具

　　不同点：

　　— 1 —专业要求不同

　　商业分析师：专业偏向经济、金融、工商管理、数学、统计（整体更倾向商科）

　　数据分析师：专业偏向数学、统计、计算机（整体更倾向理科）

　　— 2 —工作内容不同

　　商业分析师：1、负责某个独立项目的信息收集、分析，提出有针对性的方案和建议；2、就具体业务专题，构建商业分析框架，进行全维度的商业分析（如竞对信息、行业市场、上下游关系），完成分析报告面向CXO进行汇报；3、依据有关方针、政策、法令，运用科学方法，及时对公司提出切实可行的战略改善方案。（以上包括但不限于）

　　数据分析师：1、负责日常数据分析及监控，针对异常情况协调资源进行跟踪和深入分析；2、为各类业务部门（产品、运营、市场、广告）提供数据支撑；3. 探究用户行为习惯特征，优化公司产品收益。驱动业务增长；（以上包括但不限于）

　　— 3 —掌握技能的不同

　　商业分析师：一般来说，商业分析师都需要有一定的MBA背景，对市场、上下游、商业有强烈的洞察力，具备系统的资料收集、市场研究、整理能力，及良好的文字处理能力，具备较强的逻辑思维能力，敏锐的观察能力和独立分析能力。很多商业分析师是需要独立完成一份行业分析报告，站在整个行业的角度，去看待本公司、所有竞品公司、上下游的各种关系与优劣势。需要懂得各类的策略模型与方法论：如SCP、RFM、波士顿矩阵、金字塔原理、5W2H、MECE分析、SWOT分析等等

　　数据分析师：数据分析师更偏向针对某个公司产品，进行分析建模，驱动增长。需要有较强的落地能力，与各业务部门的配合的沟通能力。需要懂得统计学相关知识，寻找大数据中隐藏的用户行为规律，掌握基本统计模型及统计学知识：回归分析、聚类分析、时间序列、多元统计，贝叶斯等，如果在互联网研究产品的话需要了解：漏斗分析、产品转化等

　　以上掌握的模型，商业分析师和数据分析师都会交叉使用，只是侧重点较为不同。

　　总结

　　a.商业分析师站的高度会比数据分析师高，因为处于战略模块，放眼的是全行业、上下游。而数据分析师更偏向落地能力，具体帮助业务某个产品得到增长；

　　b.商业分析师的汇报对象的都是CEO，CFO、各种O。而数据分析师的汇报对象的是业务部门和数据部门的；

　　c.企业中对战略部门的商业分析师的学历背景要求会比较高，需要有一定的咨询行业或MBA背景或强大的逻辑思维与业务拆解能力。企业中对业务部门的数据分析师的掌握工具技能、数据处理能力要求比较高；

　　d.商业分析师不仅仅只是对数据进行分析，还需要做信息类的分析，如市场研究、政策、行业形势等；而数据分析师更偏向针对某一产品的分析，业务落地性比较强；

　　当然这两者边界现在也越来越模糊，很多数据分析师也需要有一定的高度去看待问题，而商业分析师也慢慢需要一定的编程能力。

　　e.较后讲到大家较想了解的薪资问题，一般来说商业分析师毋庸置疑会比数据分析师起薪高，商业分析师薪资对标的就是咨询行业的分析师或者咨询顾问，大家都知道咨询行业的起薪都比较高的。当然数据分析师驱动业务增长，可获得奖金就会比较多，只要业务产生增长，加薪也会比较快。

　　两者来说都有很好的方向，我只是客观地讲述这两者的差异。

　　经验分享

　　1.首先，需要先对整个行业有一个整体认知。可以从行业发展历史、态势等方面入手。

　　具体方法：阅读行业报告。历史以来能够找到的分析报告按年度依次阅读，重点关注规模、盈利、态势等方面的信息。往往当时的行业报告会有一些对于未来发展的预测，你再从之后的行业报告来推敲当时预测的逻辑是否正确。举个例子，如果你可以看一个行业2007年的行业报告，里面可能会有该行业10年后发展的预测。这时你再根据2017年的行业报告来验证，看看这期间有哪些是与预期相符的，又有哪些未按预期发生，再分析其中的原因。通过这样的方法，不但能够理清行业发展的脉络，建立对整个行业的通盘认知，还可以梳理出对于行业有影响的关键要素。

　　2.从本行业拓展到上下游行业，以整个链条为触发点，思考行业的价值。

　　任何一个行业是整个产业链中的一个环节，通过对整个产业链条进行分析，其实可以帮助我们更好的了解行业。这里具体的方法很多，通过层层逼近的问题来深入了解行业，在《一周内摸清一个行业》提到的思考方式：

　　行业在产业链条中的位置是什么？上下游都有哪些？

　　行业在产业链条中的价值是什么？

　　行业在产业链条中是否不可或缺的？

　　行业是否具备在产业链条中的定价权？

　　行业中的集中度如何？

　　3.聚焦行业内头部企业，比如关注业内或0的企业。通过龙头来熟悉这个行业。

　　阅读对应企业的财报，或者互联网上的一些信息。往往一个行业的转折或者巨变都会伴随着龙头座椅的变化，而变化中的逻辑往往就是行业未来五年乃至十年的发展关键。

　　同时，订阅与行业和龙头公司相关的新闻，跟进行业的较新动态。

　　4. 站在更高的角度来看待行业。

　　现在一个行业的颠覆往往不是来自于内部企业，而是来自于看似完全不相关的外部企业，甚至于是外部行业。比如现在正在科技变革的风口，大数据、AI、云计算，各种技术风起云涌。在其间会产生很多新兴的公司，新兴的行业，而这些新来者往往正是传统行业的掘墓人。在当前，一个行业的变革往往都来自于其它看似无关的行业，所以不能只把目光放在行业内部，而要从更高更广的视角来看待行业。

　　5.分别与行业的高管们和员工聊聊天

　　这个我就不必详细阐述了，这个方法是较快了解行业的方式，但是每个人的认识都有局限性，所以你要会挑重点去噪音。

　　如果有更多时间，可以参加行业展会、峰会。这也是认识行业人脉和建立行业认知的有效方法。

　　其实说起来，要想熟悉一个行业较好的办法就是置身其中，但又不能只低头干活，要时不时从具体的工作中抽离出来，在更高的视野对一个行业进行审视。