原创，请勿转载
2014年到美国读商学院的时候，大数据和人工智能浪潮方兴未艾，各高校刚开始探索把数据分析的知识和技能融入到商学院课程里。那时候Nvidia的股价才$30，Tableau还没有被收购，柯洁还没有被阿尔法狗打败。去各种各样的讲座，参加不同类型的商业竞赛 (Case Competition)，最常听到的是，数据科学家是21世纪最性感的职业，数据分析专业在北美很好找工作，数据分析技能是指哪打哪的职场万金油。
数据科学是交叉学科，理论基础是统计学，然后借助计算机不断提升的性能使得处理超大量数据并寻找最优解成为可能，且需时越来越短，最后根据不同领域的专业知识和需要得到应用。而商学院所学的，即是数据科学在商业上的运用。
对于商学院的学生来说，他们的目标不是研究更精确的算法，也不是写出更有效率的代码来实现算法，而是去了解当前数据科学的发展及其潜力，学习常用的数据科学分析工具，寻找将数据科学运用到商业上的途径，以帮助企业找到商业规律，提升运营效率，最优化商业决策。
本文采访了几位商学院数据分析专业毕业的同学，请他们分享在北美初入职场的心得和见闻。
陈妈， 就职于JPMorgan Chase
我在摩根大通负责存款产品利率的厘定，主要包括几个方面 –
设计和维护报表来追踪产品表现，从每周新开账户，存款额增长，资金流向，到竞争对手利率，市场份额等。从这些报表中显示出来的趋势，增长率，产品比例，找到潜在的问题或机会，制定对应的方案，并每周向业务条线的财务总监和产品总监汇报。这方面涉及到的数据分析技能主要是数据处理和数据可视化。数据处理会用到SQL和SAS，可视化则使用Tableau，当然Excel也是必不可少。
为了评估市场和客户的价格敏感度，我还会做一些简单的AB测试。AB测试最早来源于医学研究，这一年来针对新冠疫苗开发大家经常看到的双盲就是AB测试，最基本的玩法是两组相同的人群，一组给安慰剂，一组给测试中的疫苗，然后观测结果，从统计学的角度分析疫苗是否真的有效。后来应用到互联网行业，其他行业一些有互联网思维的人也会进行尝试。
我觉得把数据分析作为职业的起点，好处是可以快速和理性的了解公司的业务和所在行业。用数据说话，对于新人可以更容易获得团队的信任。这几年在公司内部看到各部门对数据分析能力的需求在迅速提升，我试着向一些别的公司投简历，收到面试的概率也比刚毕业时高很多。有一两年数据分析的经验，要内部转岗或者跳槽都不是一件难事。
拉姐，就职于Google
我在Google的第一个职位是金融组的数据分析师，一年半之后转入了产品战略部 (Product Strategy) 继续做数据工程师方面的工作。
我的职业经历了从纯金融，到金融+数据，再到产品+数据的转型。从金融公司用Excel开始，拓展到R+SQL的工具组合，再深入到 Data Engineering的角色处理更多维的产品数据及分析。互联网公司存储着大量广告产品数据，获取并分析这些数据不仅能帮助客户提高广告质量从而降低广告成本，而且还是推动Google收入增长的关键。
数据分析是一个可深可浅的行业，由浅入深的技能是可以根据需要在工作中逐渐习得的。以我个人为例，在金融公司工作的时候Excel和R用的最多，主要进行收益率的测算和估值分析。但是当进入互联网行业后，数据量大幅度增加，且数据结构变得更复杂，故Data Engineering和统计分析就变得更为重要。对我自己而言，安静的分析数据并落实成产品增长方案能让我对职业保持激情和获取成就感，尤其是看到我的工作被采纳并且拉动核心业务增长的时候，我从一个doer变成了一个driver。
厚朴，就职于Amazon
作为数据工程师，我的工作是对亚马逊的产品页面进行分析，比如产品页面的流量和转化率的变化，以及对细分品类更为详细的研究。产品页面上其他要素的表现也是关注的对象，比如其他团队在上面做的AB测试，或者广告组在页面上投放的广告等。为了实现这些需求，我很大一部分工作是用SQL抓数据并整合成可视化报表给最终的用户，包括产品经理和其他与产品页面发生交互的组别。很多时候我还与产品经理合作分析产品页面的布局，了解产品经理的想法并通过数据去验证。
总的来说，我工作中用到的数据技能主要是SQL和可视化工具，但工作中更重要的是自己对业务的认知，以及对用户需求的理解，所以与组员沟通交流的能力也极为重要。
主席，就职于KPMG
由于四大的客户很多是上市公司，审计时数据的量和复杂程度可想而知（也因此加班和熬夜成了四大的代名词）。Data Analytics部门的工作就是帮助不同审计团队针对不同企业内部的ERP系统，快速提取客户数据，整理成统一模版的报告，方便审计团队更清晰方便的看到客户年复一年的数据变化规律并重点取样抽查。这一方面最主要用到的就是MS SQL，MS OLAP和可视化工具如PowerBI和Qlikview。
另外，我们会帮助审计团队用数据的方式处理重复且简单的审计工作，减轻他们的工作量。在这方面主要会用到Alteryx。公司也会自行开发一些内部软件来取代人工劳务，处理数据的部门便是这种软件的小白鼠，负责对软件进行测试和給予反馈，忍受新软件的各种bug (漏洞)，但又可以从中一窥公司乃至整个行业对数据工具的需求和发展方向。
技多不压身大概就是我对数据分析专业的理解吧。其涉及面非常广，发展的方向也多。作为数据分析专业的毕业生，什么都懂一些，面试时候的选择也会非常多。
YY，就职于Expedia
我是Marketing部门的一名数据工程师，管理Expedia代理的所有酒店在旅行类搜索引擎或比价网站上的数据流。由于酒店的数量繁多，订单量庞大，每个合作公司的规则又不大一样，我们管理着巨大的数据量，流程也极为复杂，因此，我们还同时运行一套数据监控系统来对数据质量进行把控。
我工作中最主要用到的是SQL和Python，其次还会用到pyspark、linux以及像Airflow、AWS这类平台。工作后我也遇到过不少没学过的东西，但学起来并不会很慢，可能这就是在学校里打下的基础吧。其实Data Engineer这个职位并不只是注重Python技术多强，能写出多复杂的代码；很多时候简单的两行代码的改变，都可能对下游数据和业务本身带来深远的影响，所以对数据流程端到端的理解，以及和不同组别流畅的沟通合作，在工作中显得尤为重要。
三哥，就职于Facebook
作为数据分析师，我负责Facebook短视频的引流分析，例如哪一类视频会吸引并留存更多的用户等。平时会用SQL，Excel，和Tableau（其实什么工具都可以用，自己熟悉的就行）。我觉得我的工作内容很有趣，因为比较贴近年轻人的生活，加上工作上有很大自由度，想到什么有趣有用的项目都可以做。但对于初入职场的人来说，反而会因为自由度过大，很多时候不知道从何下手。想要在团队里脱颖而出，很考验你的想象力和执行力。
琪皇，就职于Visa
我在数据产品部做对公产品的策略，分析潜在市场以及用户痛点，评估新产品的价值和定位，以及产业和竞争对手。对于已经发行的产品，则主要分析用户的行为，比如用户怎么和产品互动，产品如何融入到用户的运营流程中等。有了这些，我才可以提出用户增长方案的建议，比如产品设计的改动，推出新的功能，或运营方面的改善等。一切决策都以用户需求为核心，数据作为支持。在产品落地时，我和产品经理合作对产品进行定价，制定市场营销和销售方案。
我在读研选课的时候特意选择了偏商业分析多一点的课程，这样能使我兼顾发展产品和数据思维。想要成为产品经理或者产品分析师，具备数据分析的能力已经不是锦上添花，而是必不可少的技能。在数据分析的基础上，还要不断拓展自己的知识面和思维方式，提升自己的沟通，领导，和商业洞察力。
小西瓜，就职于American Airlines
我所在的收益管理部门负责机票的定价策略，通过在合适的时机放出合适价格和合适数量的机票来实现盈利最大化。作为数据科学组的一员，我的工作涵盖了从处理数据，分析数据，到最终用数据去支持商业决策的整个过程。在处理数据上，SQL是最常用的工具，我与IT合作，对数据结构、框架、内容进行调整和改进，从而让用户能够更方便的从数据库里得到想要的内容。而分析数据则离不开用Tableau来对数据进行整合并制成可视化报表，并对看到的趋势做分析。比如新冠初期对于退票和延期，我会评估各个市场的订票和收益都受到了多大的影响，退票的人有多少选择延期，又有多少是改签了别的目的地，再依此调整应急战略，比如推出免改签费的政策、针对某些航线推出限时优惠来刺激乘客订票等。
我当时误打误撞选了这个专业，还好后来发现乐在其中。身边很多同事是通过自学掌握各种数据技能的，做得也非常出色。
由于篇幅限制，这里只选了比较有代表性的几个行业和公司。可以看出，数据分析技能在金融，咨询，科技，旅游，零售，娱乐等行业都有广泛的应用，在各种不同但有趣的商业场景下，从数据中洞察商业机会，帮助推动业务的发展。
如果你也对这个领域感兴趣，有什么疑问，或者需要小哥哥小姐姐做工作和学习上的辅导，欢迎加公众号微信问询。
-END-
