统计分析学

去年开始有个新兴的专业特别火，就是“BA”专业，大数据的火热催生了这一专业的发展，众多美国名校也纷纷开设相关专业，而很多家长听说刚毕业就能拿到年薪7w+美元，还是STEM专业，更是和小编点名申请这个专业。不过，大家都知道BA很火，但是BA究竟是什么，你真的清楚吗？

一、BA专业是什么？

BA的定义：当下的大热BA专业，全称Business Analytics，中文翻译为商业分析，是以商业知识为基础，数理编程为手段，从数据分析出发，以决策优化来创造价值的新兴专业，实现Big Data的商业应用。说白了，就是把Business 和 Analytics Technology相结合的专业。

小编特别要强调的是，新兴热门专业是Business Analytics，而不是Business Analysis，虽然看起来差不多，中文翻译也都是商业分析专业，但区别可大啦！Business Analysis属于传统商科领域，主要是任务是对公司整个运营的流程、业务的开展等方面进行分析。Business Analytics才是真正的新兴学科，大家千万别搞混啦！

BA 的最主要价值就是利用数据，形成分析报告，并利用商业知识，提供合理决策建议。它具有描述性分析，预测性分析和指导性分析。这么说比较抽象，让小编来给大家举个例子：

-淘宝是怎么知道今天哪种商品卖了多少——这是描述性分析；

-淘宝是怎么知道你想买这个商品——这是预测性分析；

-淘宝之后怎么做才能让客户越买越多——这是指导性分析。

针对用户在过去某一段时间的浏览历史，淘宝后台会时时更新数据，将这些庞大的数据通过某些专业的分析软件进行分析和解读，然后做对针对性的推荐，并向商家需要提出商业化的决策方案和改进措施。这些工作，都是由BA完成的。

二、为什么要学习BA专业？

很多人问小编：我为什么要学这个专业?当然因为这个专业够牛逼，有前途，也有钱途啦！

BA是新兴专业，逐渐得到学术界、业界和政府的高度重视。学术届方面，从纽约大学2013年开始开设BA的硕士专业以来，BA的魅力大到让全球各大高校纷纷增设相关专业，例如麻省理工、哥大、杜克大学、南加大、德克萨斯大学奥斯汀分校、辛辛那提大学等，并且学费直逼MBA，在金钱至上的资本主义国家，高学费往往是高收入和好职业发展的风向标。

业界，更不用说啦！BAT正在开设这一类的部门，阿里巴巴、百度都不惜重金聘用此类专家大牛坐镇。政府方面，新加坡和澳洲政府更直接拨款赞助开设BA部门的公司。

小编之所以和大家详细介绍这个专业，非常重要的一个原因，是BA专业的应届生起薪非常高，目前的人才缺口大。根据麦肯锡全球研究所的一份报告，到2018年，美国将面对1.5百万的分析师的短缺，他们因为知道如何利用大数据分析来做出一些有效的决策，在大数据时代，尤为稀缺。

由此可见，BA确实非常牛逼，就业前景也非常广阔！

作为一门因大数据发展而迅速崛起的新型学科，BA专业在许多行业都具有超高的实用性，例如互联网、金融、通信、游戏、医药、咨询、零售、政府部门等等，应用范围非常广泛，毕竟只要有数据产生的地方，就需要数据分析和商业分析。

虽然都是商业分析专业，但不同的行业有着不同的岗位名称，应届毕业生的初步岗位名称有市场调查员、数据分析师、咨询师、统计分析师、数据挖掘师等等。更让国际学生喜闻乐见的是，绝大部分BA项目属于美国的STEM专业，毕业生可以获得3年的OPT机会。有了这三年的工作经验，即使你最后没有获得H1B，你的简历和工作经验也足够丰富。

另外，根据统计，BA专业的毕业生就业也非常轻松，就业率接近100%。他们在找工作时，几乎平均每天会有两次的recruiter打电话来，网投面试回应率大概有80%，而且毕业生薪资基本达到年薪7W+美元。

以南加州大学薪资调查为例，BA硕士毕业生年薪$85,000。↓

以路易斯安那大学薪资调查为例，BA硕士毕业生年薪$43,600-$115,000之间，绝对属于高薪行列呀！↓

三、BA专业学什么？

开设BA专业的学校有哪些？院系设置和课程设置又是怎样的呢？

大部分的学校，BA专业都是设置在商学院之下，例如南加州大学、亚利桑那州立大学、罗彻斯特大学、德州大学奥斯汀分校、纽约大学、辛辛那提大学（戳这里→《星校丨带薪实习的发源地，就业率98%的百年老校让你边学边赚！》，了解辛辛那提大学）等，但也有部分学校开在工程学院或信息学院下面，例如卡内基梅隆大学、哥伦比亚大学开设在信息学院，康奈尔大学开设在工程学院，另外东北大学的分析学专业开设在CPS学院。

下面是美国商学院2017 business Anylytics 专业的排名 (来自于TFE Times)，快和小编一起看看！

排名

院校

项目

1

南加州大学

Business Analytics

2

纽约大学

Business Analytics

3

伦斯勒理工学院（RPI）

Business Analytics

4

罗切斯特大学

Business Analytics

5

维拉诺瓦大学

Analytics

6

亚利桑那州立大学

Business Analytics

7

史蒂文斯理工学院

Business Intelligence & Analytics

8

德州大学奥斯汀分校

Business Analytics

9

德州大学达拉斯分校

Business Analytics

10

密歇根州立大学

Business Analytics

11

北肯塔基大学

Business Informatics

12

路易斯安那州立大学

Analytics

13

辛辛那提大学

Business Analytics

14

克赖顿大学

Business Intelligence & Analytics

15

南卫理公会大学

Business Analytics

16

康涅狄格大学

Analytics and Project Management

17

明尼苏达大学

Business Analytics

18

福特汉姆大学

Business Analytics

19

罗格斯大学

Business and Science

20

本特利大学

Business Analytics

新项目

犹他大学

Business Analytics

新项目

俄克拉荷马大学

Management Information Studies with Business Analytics Concentration

BA选校需要从课程和就业导向出发，找到与自己的背景和目标匹配的项目，你将如虎添翼。其中，南加州大学、亚利桑那州立大学、罗彻斯特大学、德州大学奥斯汀分校、纽约大学、辛辛那提大学等，都是性价比非常高的学校。

BA项目的时长往往在9个月到15个月之间，当然，因为它是个交叉学科，包含了商科（经济学、市场营销，博弈论等）、数学（统计）统计和计算机语言三大模块，所以课程强度也比较高。不过既然起薪高，那所有的辛苦也是值得的！

正因为绝大多数BA项目开设在商学院下，所以学生有机会享受整个商学院带来的职业资源，如招聘会、职业面试、校友网络等，为自己赢得更多职业发展机会。并且，大多数课程设置中都有实习课程的设定，提高学生的实操能力和工作经验，为未来做好准备。

那BA专业具体学什么呢？BA专业主修课包括应用统计学、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、客户行为学等，并选修一些商科基础课程，如商业沟通技巧，领导力，市场营销，供应链管理等。

小编就以USC南加大为例，研究了一下官网里挂出的BA项目课程，发现南加大的官网课程设置基本上是统计+计算机+商科，而其他学校的课程设置也是与此类似的。

四、BA专业申请攻略请收好！

那申请BA专业需要满足哪些条件呢？需要做哪些准备呢？小编来支招，快快mark~

BA专业申请总原则：早作准备，软硬兼备！

1.硬件条件

由于BA专业的申请竞争力比较大，学生需准备相对较高的TOEFL/IELTS和GPA成绩，TOP前30的学校则要求TOEFL 100+，ILETS 7+, GPA3.5+. 另外大学表示学生在申请时既可以提供GMAT也可以提供GRE，由于分析类硕士在美国基本属于STEM（科学 技术 工程 数学）专业，建议用GRE申请。

2.先修课程准备

大部分学校没有给出明确的本科申请背景。也有部分学校强调，喜欢招生来自数学、计算机、统计、工程、经济学和金融等领域定量分析能力强的学生，例如辛辛那提大学，德克萨斯大学奥斯汀分校。

3.工作经验

大部分学校不要求有工作经验，但一些名校还是比较喜欢学生拥有一定的工作经历，例如南加大。

网站数据统计分析可以帮助监控网站、系统运营状态，优化网站结构和体验，以及提升网站推广效果。不管是网站开发人员、产品人员、还是网站运营人员，都应该掌握网站数据统计分析的基本方法和常用工具。恰巧最近在为公司整理这部分内容，因此将自己的部分总结分享出来，仅供大家入门参考。

一．数据分析的维度

网站数据分析主要从流量、来源、页面、访客四个维度进行分析。

1. 流量分析

流量是最基本也是最重要的网站数据分析维度，它反映了一个网站被访问的整体概况。

一般来说，流量分析包含两方面内容：流量趋势分析和当前实时流量。流量趋势分析，反映了网站最近一段时间流量变化趋势，常用的时间维度有当日，最近7日，最近30日，一般也支持自定义时间区间。趋势分析常用的指标有PV（页面浏览次数）、UV（独立访客数）、独立IP访问次数。当前实时流量，反映了网站当前被访问的情况，一般用最近15或30分钟的PV和UV构成的曲线表示。

2. 来源分析

来源分析是对网站流量的来源渠道进行统计分析，它可以反映访客是通过何种渠道访问网站的。

流量来源一般可以分为三大类，直接流量、推介流量和搜索引擎流量。直接流量是访客直接在浏览器输入网站地址产生的流量，这类用户往往已经非常熟悉该网站。推介流量又称外部链接流量，是访客通过其他网站的链接跳转到本网站产生的流量，可以通过分析推介流量，获知在第三方网站投放的推广链接的效果。搜索引擎流量，是访客通过在Google、百度等搜索引擎查询关键字时，搜索到本网站地址，进而访问本网站产生的流量。可以通过分析搜索引擎流量，优化网站的SEO。

3. 页面分析

页面分析是对访客访问网站各个页面的频次、时长等信息进行统计分析，从而找出高频使用的页面或功能，掌握访客兴趣和热点页面，另外，还可以通过分析页面的访问路径，获取访客的操作习惯。页面分析是优化页面内容和页面间逻辑流程的重要依据。

页面内热区也是页面分析的一个重要部分。有些第三方统计分析平台提供一些最基础的统计功能，如百度统计就有一个页面点击图的功能，统计访客在网页的鼠标点击情况，并通过不同颜色的区域展示出来，但它只支持http和https协议的url，不支持框架页面的监控。大部分的页面内统计，都是需要结合业务场景，手动调用第三方统计平台的打点接口，进行打点统计。

4. 访客分析

访客分析主要是对访客人数、访客所属区域、访客活跃度以及新老访客进行统计分析。网站应坚持“以用户为中心”的原则，访客分析结果就是这一原则落实效果的直观反映。一般来说，最值得关注的是独立用户数（UV）、新用户数、用户活跃度这几个指标。

二．核心统计指标说明

网站的数据统计分析指标种类繁多，数量庞大，不同的统计分析平台采用的指标也有一定差异性。但是，有一部分指标已经被广泛认可，且被各个统计平台所采纳。其中，最重要的指标有页面浏览量、独立访客数、平均访问时间、新增访客数。

1.页面浏览量（PV）

页面浏览量，又叫做PV，是一段时间内，网站页面被访问的次数总和。用户每访问一次页面，不管是刷新页面，还是跳转到网站的另一个新页面，PV都会增加1次。

2.独立访客数（UV）

独立访客数，又叫做UV，是一段时间内，访问网站的访客的总和。一个浏览器客户端被认为是一个独立访客，在统计时间段内，一个浏览器客户端多次访问网站，不会被重复统计。例如，计算当日UV时，在当天的0点到24点内，一个浏览器客户端不管访问了多少次网站，都被算作1次UV。

3.平均访问时长

所有访客访问网站持续时间的平均值，反映网站对访客的吸引力。

4.新增访客数

一段时间内，首次访问网站的访客总数。因为访客数是基于浏览器Cookie进行统计的，一旦浏览器的Cookie被清空，再次访问网站就会被认为是一个新的访客，所以新增访客数有可能存在一定偏差。基于同样的原因，UV也会存在一定偏差。

三．第三方统计分析平台

目前国内的网站统计分析平台中，使用最多的是百度统计和友盟统计（实际用的是CNZZ），国外是Google Analytics（GA）。推荐使用百度统计或GA。

百度统计和GA的比较：

功能上，GA的功能更加强大，百度统计功能虽然比GA少，但提供了一些本土化的指标，例如基于IP地址的统计。

使用上，网站接入的成本都很低，但后台的统计分析平台方面，因为百度统计的指标定义和分类更符合国人习惯，同时提供的功能更加简洁，所以使用起来更加简便。虽然百度统计的大部分指标GA都有，但因为在指标定义和分类上有一些不同，所以刚开始使用时，需要一些适应和思维转换时间。另外，GA的访问需要翻墙。

基本使用方法

网站接入百度统计和GA的步骤雷同，主要步骤：注册平台账户 -> 填写网站信息–> 生成嵌入的JS脚本–> 在网站的所有网页中引入生成的JS脚本。完成这4步，就可以使用平台的大部分功能，基本的流量分析、来源分析、页面分析和访问分析也已经覆盖，可以满足网站的绝大部分统计分析需求。

统计学方法在数据挖掘中的应用探究

数据挖掘就是指从众多实际应用数据中获取批量大、有噪声、且随机性强的数据，将潜在的信息与数据提取出来，就是从数据中挖掘有价值的知识，而大多数原始数据具有一定的结构化特征，比如，关系数据库中的数据；也可以通过文本、图形、图像等半结构化发掘有用知识，这些知识可以是数学的也可以是非数学形式的；数据挖掘能以归纳形式存在，能够被广泛应用到信息查询、信息管理、信息决策控制中，方便数据的维护与管理。由此可见，数据挖掘是一门交叉性强的学科，加强对其的研究非常有意义，下面将对统计方法在数据挖掘中的具体应用进行分析。　

　一、数据挖掘与统计学的关系　　（一）数据挖掘的内涵　　通常来说，数据挖掘的定义较为模糊，没有明确界定，大部分对其的定义只是停留在其背景与观点的内容上。通过对不同观点的统一整理，人们最终将其描述为：从大量多样化的信息中发现隐晦性、规律性等潜在信息，并对这些信息进行创造、加工的过程。数据挖掘作为一门重要的交叉学科，能够将数据库、人工智能、机器学习、统计学等众多的科学融入到一起，从而实现技术与理论的创新与发展[1]。其中，数据库、人工智能与统计学是数据挖掘当中的三大支柱理论。数据挖掘的目的是从数据库当中发掘各种隐含的知识与信息，此过程的方法非常多，有统计学知识、遗传算法、粗集方法、决策法、模糊逻辑法等，还可以应用向邻近的可视技术、模式识别技术等，在以上所有技术的支持上能够使数据挖掘更为科学、有序。　　（二）数据挖掘与统计学间的关系　　通常来说，统计学的主要功能是对统计原理与统计方法进行研究的科学。具体来说就是指对数字资料进行的收集、整理、排序、分析、利用的过程，数字资料是各种信息的归纳与总结，可以将其作为特性原理的认知、推理方法[2]。而统计学则表示的是使用专业的统计学、概率理论原理等对各种属性关系的统计与分析过程，通过分析成功找到属性间的关联与发展的规律。在此过程中，统计分析方法是数据挖掘最为重要的手段之一。

　　在数据挖掘这一课题被提出来之前，统计分析技术对于人们来说更熟悉，也是人们日常开展工作、寻找数据间规律最常使用的收集整理方法。但是不能简单的将数据挖掘作为统计学的延伸与替代工具，而是要将两者的区别认识到位，再结合两者间的不同特点分析其应用特点[3]。大部分的统计学分析技术都是建立在数学理论与技巧上的，预测通常较为准确，效果能够让大部分人满意。数据挖掘能够充分借鉴并吸收统计学技术，在融入到自身特点以后成为一种数据挖掘技术。　　统计学与数据挖掘存在的目标都是一致的，就是不断对数据结构进行发掘。鉴于统计学与数据挖掘在目标上的一致性，致使很多研究学者与专家将数据挖掘作为了统计学的一个分支机构[4]。但是这种认知非常不正确，因为数据挖掘不仅体现在与统计学的关系上还体现在思想、工具与方法上，尤其是在计算机科学领域对数据挖掘起到的作用非常大。比如，通过借助数据库技术与人工智能的学习，能够关注到更多统计学与数据挖掘上的共通点，但是两者存在的差异依然非常大。数据挖掘就是指对大量的数据信息不断挖掘的过程，DM能够对数据模式内的数据关系进行充分挖掘，并对观测到的数据库处理有着极高的关注度。　　二、数据挖掘的主要过程　　从数据本身出发探讨数据挖掘过程，数据挖掘的过程分为信息的收集、数据集成、数据处理、数据变换、数据挖掘实施等过程。

　首先，要将业务对象确定下来，明确不同业务定义，并认清数据挖掘的目的，这是做好数据挖掘最关键的一步，也是最重要的一步，虽然挖掘的结果不能被准确预测到，但却需要对问题的可预见性进行探索[5]。其次，还要做好数据准备工作，包含数据清理、数据变换等工作，数据清理的实际意义是将噪声与空缺值补全，针对这一问题，可以使用平滑技术，而空缺值的处理则是属性中最常见的，可以将统计中最可能出现的值作为一个空缺值[6]。　　信息收集指的是按照特定的数据分析对象，可以将分析中需要的特征信息抽象出来，并在此基础上选择出较为科学、适合的信息收集方法，将全部的信息全部录入到特定的数据库中。如果数据量较大，则可以选择一个专门的管理数据的仓库，实现对信息的有效保护与管理；数据集成就是指将来源不同、格式不同、性质不同、特点不同的数据集成到一起，进而为企业提供更为全面、系统的数据共享平台；数据变换就是通过聚集、概化、规范化等方式对数据进行挖掘，对于一些实用数据，则可以通过分层与分离方式实现对数据的转换；数据挖掘就是结合数据仓库中的数据信息点，并选择正确的分析方法实现对有价值数据的挖掘，事例推理、规则推理、遗传算法等都是应用较多的方法[7]。　　三、统计学方法中的聚类分析　　在统计学聚类方法基础上能够构建出潜在的概率分布假设，可以使用试图优化的方法构建数据与统计模型的拟合效果。基于统计学聚类方法当中，Cobweb方法是在1987年由Fisher提出的，能够以分类树作为层次聚类创建的方法，在分类树上，每一个节点都能代表着一个概念，该方法就是对节点概率描述的过程。Cobweb方法还使用了启发式估算方式，使用分类效用对分类树的构建进行指导，从而实现对最高分类的划分目的，能够将不同分类对象全部归类到一个类别中，并依据这些内容创建出一个新的类别。但是这种方法也存在一定局限性，局限性在于假设的属性概率分布都是独立的，并不能始终处于成立状态中。

浅论统计学在市场营销中的运用

当今社会中多数企业为了能够更好地促进市场营销效果，将本企业或者本行业几个月或者几个季度以及几年内的市场营销数据，通过数据加载分析来评估当前市场形势以及以后的发展趋势，而对数据的分析现代企业运用最多的手段就是统计学，统计学中的数理统计、多元统计分析，抽样调查都为企业的数据分析提供了最科学和可靠的方法。通过市场营销管理中统计学理论及方法的运用，为企业市场营销管理工作奠定基础、为企业的市场营销工作提供准确详实的市场信息。针对市场营销管理中对统计学应用的需求，现代企业市场营销管理中应加强对统计学理论及内容的关注。运用统计学方法解决企业营销管理中的实际问题，提高企业综合市场竞争力。 　

　一、数据进行统计分析特点和管理方法 　　数理统计中统计分析的特征是定量和定性分析进行结合；把处理的数据作为依据，以统计的数据作为结果；分析方法具有特殊性；分析的范围具有广泛性。要紧紧依靠这些统计数据的特点，同时，充分把握好企业市场营销这一行业的特殊性，才能真正做好市场营销统计学分析的工作。正常来讲，企业市场营销管理的步骤可分为：分析市场所具备的机会、选择合适的目标市场、确立正确的营销组合策略、市场营销的决策和决策的实施与控制。这四个步骤与相应的统计学分析方法相配合，才能更好地为企业赢得更多的市场机遇，同时使企业的市场竞争力不断提升。 　　二、市场营销中的统计学分析方法 　　针对所属行业销售特点选择统计学方法的应用。针对不同行业的销售特点，企业市场营销管理中的统计学应用也存在着差异。根据行业销售特点，统计学方法的运用也有着一定的规律。在饮料、日用化工等快消品的销售收集整理中，描述统计、推断统计、顺序变量等方法的应用能够为快消品行业的市场营销管理提供翔实准确的市场信息，为快消品企业的市场营销策划方案提供科学的数据。通过统计学方法的运用使企业的快消品营销策划工作更加符合市场规律、符合市场销售特点，进而满足现代快消品企业销售目标需求、满足市场销售需求。 　　在现代社会里，企业如果要获得长远的竞争优势，一定离不开目标群体的满意度和支持度。目标群体，一般就是指顾客，当他们的需求被满足之后会产生心理的愉悦感。从统计学来分析，这个满意度就是指顾客的期望值与实际感知效果之间的差异函数，如果顾客实际感知的效果小于期望值，顾客就不会感到满意，反之，就会表现出满足。通常，顾客过去的购买经历，竞争者与销售者对自身产品的宣传与承诺，身边朋友的评论等，都会影响到顾客的期望值。因此，企业非常有必要通过统计学，对顾客满意度进行分析、测量，给企业的营销和决策提供更加可靠的依据。

　三、以数据为依托分析当前市场状况 　　通过对统计学知识的运用，以当近期市场的数据反馈为依托，对当前的市场行情进行分析与比对。在当今市场经济的营销管理中，对市场的动态信息进行科学合理的分析，能够帮助企业的决策者们及时修改营销方案，满足市场变化对企业营销管理的需求。这一现状要求企业的市场营销管理部门能够及时掌握市场动态，运用統计学知识及统计学理论中的调研、整理、分子技巧为企业的市场营销管理工作提供准去的市场信息，确保企业市场营销管理工作能够符合市场销售的实际需求。针对现代企业市场营销现状及营销管理工作的需求，现代企业的市场营销管理工作中应强化对市场销售信息的收集与整理。利用统计学原理及要知道市场销售信息收集与管理工作，以此使企业的市场营销信息收集、整理、分析以及方案制定在统计学理论指导下得到有效开展，满足现代市场经济发展过程中企业的营销管理需求。

四、从市场的定价角度看统计分析的重要性 　　通常来说，企业的市场定价会受到多种因素的综合影响。成本导向、需求导向、竞争导向是企业市场定价的三种方法，这三种方法都是对于企业自身在市场上的竞争力而言，是企业为了让自己的产品或服务在如今激烈的市场竞争中更好的定位，赢得更多更大的市场份额而制定出的价格策略。这种定价策略要分析人为订立的利润与企业成本之间的比例，要充分研究竞争对手等各方面的定价因素，并认真分析消费者的有效需求，以寻求各个价格变量之间存在的近似的线性关系，从而准确进行营销策划。因子分析方法是市场定价中的统计学分析较多采用一种方法，根据几个不同因子的比较而获得多个值，并对这些值进行平均值的计算，从而确定产品的基准价格。本质上看，就是把统计模型的运算和决策问题运用到市场定价问题中，不同利润下的标准差和期望值制定出不同的市场定价方案。所以，在市场定价中准确的统计决策模型，不仅有利于提高资金周转速度，节约企业成本，还有利于提高企业的市场竞争力。在现代企业市场营销管理工作中，科学的市场调研是掌握市场动态、保障市场销售信息有效传达的关键。因此，在企业的市场营销管理工作中，应科学运用统计学调研方法对企业所属行业市场信息进行收集与整理。以基础数据、变量、统计逻辑学、管理统计学等内容及基础，对销售人员的调研信息进行统计与分析，对信息的科学性进行甄别。以翔实准确为中心进行市场信息的收集与调研、以科学性为重点进行信息的统计与分析，以此保障现代企业市场营销管理方案制定基础满足市场需求。统计学分析方法在市场调查过程中，无论是最初的信息收集阶段，还是信息处理阶段的分析过程和数据辨别，都发挥着无可辩驳的关键作用。在我们当前的市场经济活动中，要重视以人为本的管理方法，大力地强调定性向定量的方向发展，这一切都会涉及统计学方法。国家在进行经济调控时，也往往会使用到统计表格来表示一系列经济收支的情况，以便在宏观上对未来的经济投入比例进行相应的调整。 　　总之，企业要想得到最优化的市场营销方案，必须通过统计手段对市场的全面、科学分析才能获得，科学合理的统计分析，可以随时灵活地更改营销方案。