商业分析硕士（MasterofScienceinBusinessAnalytics）主要是将大量复杂数据，经过定量方法和应用分析转换为合理清晰，便于管理的信息，从而做出合理的商业决策。学生会接触到先进的决策分析工具和技术，应用这些工具和技术在实际的商业领域中给予合理的解决方案。课程中涉及应用统计学、应用数学、计算机、优化选择、客户行为学、风险管理、运筹学和决策理论，商业统计方法，商业流程模型，商业决策模型，数据管理，运营管理等，并整合一些商科基础课程，如商业沟通技巧，领导力，市场营销，供应链管理等。这就是今后的数据科学家索要学习的内容了，以上课程可以分为三大类，商科基础课程，技术类基础课程与专业课程。
数据科学家应具备的知识与技能要求非常高，从美国各大学的专业课程中的核心、必修、选修科目加上毕业设计（Capstone）的设置情况，我们可以获得一些启示，可将数据科学家应具备的知识与技能归纳为“技术硬指标”和“人文软实力”两个方面。
技术硬指标方面主要有以下要求：
（1）数学。微积分和线性代数是大多数数据挖掘应用程序需要矩阵计算的基本算法。（2）统计学。掌握相关性分析、多元回归，揉合各种数据从不同角度进行预测性和指导规范性建模，会使用R、SAS、SPSS、SciPy、Stata等统计工具软件。（3）编程和写脚本。掌握编程语言可以更具竞争力，如：Python、C/C++、Java、Ruby、Perl、MATLAB、Pig等。（4）数据库。熟练掌握SQL，关注NewSQL这类高扩展、高性能数据库，如：CloueraImpala、Clustrix、VoltDB等。（5）分布式计算系统：熟悉Apache产品族，钻研NoSQL平台，了解ApacheCassanra和MongoDB的优缺点，动手实践Haoop、Hbase、Cassanra、MapReuce、Hive等不断出现的新系统。（6）数据挖掘。数据挖掘是跨学科的，借鉴人工智能和机器学习、统计数据和数据库系统等。（7）数据建模。从ERWin、AgileDataMoeling、ORMDiagrams、UMLclassiagrams、CRCcars、Conceptual/logical/physicalschema、DDL、Bachmaniagrams、Zachmanframework等数据建模工具开始，掌握建模技术和方法。（8）预测建模 （9）机器学习。（10）数据可视化。选择掌握Flare、HighCharts、AmCharts、D3.js、Processing、GoogleVisualizationAPI、Raphael.js、Tableau等其中一些可视化工具。
软实力方面主要有以下要求：
（1） 专业领域知识。对某行业及其数据非常了解，诸如医药、政府、零售、制造业等。（2）创造力和求知欲。有创造力的数据科学家都是充满好奇心的，需要出众的发现能力。（3）善于包装会编故事。将复杂的数据包装后像讲故事般娓娓叙述出来。（4）顺利执行项目、保证实现目标的项目管理能力。（5）保护数据隐私的道德。（6）通过简短的交流能达到目的的能力，称为电梯间交流（elevatorspeech）能力。
目前最火的就是计算机，就是数据算法。但是要在这方面成为专家，需要的成长周期太长。不过，技术发展到现在，数据分析早已经不是IT企业的专利。传统企业比如欧莱雅，LV，甚至娱乐公司开始用数据分析让业务流程更高效，让客户定位更精准。大数据在未来几年内一定会像自来水一样对接到每家公司。但是光给数据没有意义，客户需要大数据公司理解需求，设立方案。大数据公司既要懂客户也要懂点儿技术，还要能出方案。这个中间点就是BA商业分析，这就是需求。
对于英国来说，BA这个专业在英国还没有遍地开花。KCL，杜伦，布里斯托等一些几个综合强校都没有开设。而且虽然这两年申请人数在逐步上升，但是跟传统的商科专业比起来，还是差得远。所以BA的申请竞争还不算太激烈，现在还是上车的好机会。
【微语】留学是增长见识，提升自我的好机会，愿你在外国的土地上收获满满，前程似锦。
