Q2. BA到底用什么语言/工具？
BA 用的语言 / 工具可以分成三方面：

数据库工具
包括 SQL 和一些 NoSQL 的工具，主要是提取数据用的。通常是分析的第一步 —— 理解了问题就要去找对应的数据了。

数据分析的工具
最基础的是 Excel。然而 Excel 并未绝迹，或者说，Excel 永远都是 analyst 的基本功。比如你用 SQL 直接得到了一个 summary table，那么接下来能用一个 Excel pivot table 搞定的事情，又何必大费周章去弄 R 和 Python 呢？
高级一点的就是 R 和 Python 了（少数行业，比如金融业和医疗行业，会使用 SAS ）。一方面相对于 Excel，他们可以处理的数据量更大，另一方面他们可以做一些更加灵活的处理，并且进行 moeling 等等工作。R 和 Python 之间的话，基本上可以说是平分秋色，在数据分析上没有明显优劣。当然在数据量特别大的情况下你还可能会需要使用 Spark 等工具。

数据可视化的工具
同样的，最基本的工具是 Excel。但是当我们需要能够自动更新的、方便共享的、更加 flexible 且 fancy 的 ashboar 的时候，现在使用最多的当属 Tableau。同类的还有 PowerBI，R Shiny,3.js 等等。
但是我依然要强调的是，这些工具都只是工具而已，BA 更重要的是，你面对一个 Business question 的时候，你理解你需要解决的这个问题，心中有相应的目的，再去找达成目的需要的工具。

那么在一个 BA 的项目是否可以学到以上的全部呢？一般而言可以覆盖到大部分的重点（可能会着重于其中 R 和 Python 某一个）。但是必须要强调的是，由于这个行业的特殊性，一个 BA 的从业者要求的是持续性的自我学习。仅从 R 来讲，各种 package 层出不穷，提供了便利也要求不断的增加知识储备。因此，仅仅是完成课程内容的话，通常都是不够的。。

Q3. BA在美国好就业吗？
BA 目前的就业当然还是好于商科的大部分其他专业（ ACCT,Fin,… ），并且越来越多的美国公司开始建设自己的 ata analytics 团队。我有很多同学或者学姐学长去了 big name，比如 Amazon,Cisco,Yahoo!，VISA 等等（但是类似 google,facebook 和 apple 的 analytics 类岗位都极少招 fresh grauate，能进 big name 的概率其实也很低）。可以说在一个公司完成了传统的 optmization 的部署之后，ata analytics 是他们进一步降低成本、提升价值的必要手段。
但是我也不得不给大家浇一盆凉水（ 这盆冷水在后面帖子的更新中发现其实没有那么冷，整体就业情况算是非常乐观 了 ） —— 目前国际生在美国找工作的情况不容乐观，而且看目前的状况只怕会越来越不乐观。一个国际生为了留美，在毕业季投上 100+ 的简历几乎是无法避免的，而这 100+ 的简历，最后能够换来的面试可能只有 10 个不到（然后最后你很有可能就会输给一个美国人，仅仅因为他是美国人）。在目前政策极端不确定的情况下，愿意支付高昂的成本并且承担风险为你抽 H1B 的公司是越来越少了。
CD 的申请人最常见的说法是，“ 希望毕业后能在美国工作 2-3 年 ”，然而这并不是像看上去那么容易实现的事情。你有 STEM 不等于你就可以留下来工作三年。如果在 OPT 前 60 天 + 后 90 天的时间内你都没有找到工作，那么遗憾，你不得不离开了（挂靠等其他手段暂且不提）。我和很多其他 BA 项目在读的同学们聊过，几乎每个学校都有找工作不上心以至于最后没找到不得不离开，或者即使很上心的找，投了几百份简历，最后也很遗憾的没找到的情况（有时候运气也很重要）。基本上除非你天赋异禀或者运气超群，只有下定决心留美（而不是 “ 啊我回国也可以 ” 这种心态），扎扎实实的做好找工作的每一步，才能最后留下来（即便如此，还要通过 H1B 这个真正考验运气的环节）。特别是对于十个月或者一年的 BA 项目的同学，必须是一入学就开始完善简历、进行 networking、广泛网申、准备面试。因此，留美工作的难度比申请要难上很多很多倍。而且找工作是非常 personal 的一件事情，申请上了一个好的项目绝对不是你能够留下来的保证。请大家做好心理准备。

【微语】永远不要忘了你最初的梦想、留学的初衷。