與谷歌合作，
栽培新加坡本地數據分析人才！
新加坡管理大學大二及以上的學生未來將有機會加入新大-谷歌Squared數據與分析計劃，透過實習掌握與時並進的數據分析技術，為將來加入數據分析領域做好準備。
新大校長江莉莉教授和谷歌新加坡董事經理黛維絲（Stephanie Davis）今天為上述計劃簽署協議。
據江莉莉透露，首批加入計劃的約25名學生已於去年11月完成分析基礎課程，今年5月會開始前往谷歌夥伴企業實習半年。另外有約50名學生預計加入計劃，成為第二批學員。
到谷歌媒體界夥伴企業實習期間，學生也須配合學期，每周最多回校上課一天，修讀兩門額外課程。參與計劃的學生可邊實習邊賺取學分。
學生也將有機會分析和研究數據分析領域面對的問題並提出解決方案，在學以致用的同時了解業內環境與局限。
長遠來看，雙方希望透過這層夥伴關係進一步擴大計劃，逐年增加學生的培訓名額。
數據人才目前，全球人工智慧（Artificial Intelligence）正進入加速發展時期，我們無法逃過AI，但在這波洪流下，是個重新思考及調整人生道路的機會。面對AI該如何「化敵為友」？大數據已成未來最熱門的人才職缺……
方向：數據分析！
AI時代下，簡單的工作將被搶走，反之，接下來要走的是一條「深又廣」的路。每個人都必須找到自己擅長、能發揮才華，而且是機器無法駕馭的工作。
研究大數據的先驅的麥肯錫，在報告《Big data: The nextfrontier for innovation, competition, andproductivity》中給出的大數據定義是：大數據指的是大小超出常規的資料庫工具獲取、存儲、管理和分析能力的數據集。
新加坡本地大學近年來在數據分析領域推出了更多新課程或擴大相關學科招生人數。
例如，早在2011年，新加坡管理大學信息系統學院就已經推出的商業信息技術碩士（數據分析學）課程，目前還有金融服務與分析學碩士課程。
南洋理工商學院也推出了「商業分析」專業課程，讓學生在未來迅速變化的經濟環境中占據額外優勢。
圖片來源：新加坡經濟發展局（EDB）
除了數據相關專業之外，新加坡通信工程（Communication Engineering）專業是信息科學技術發展迅速並極具活力的一個領域。
通信工程專業中，尤其是數字移動通信、光纖通信、Internet網絡通信使人們在傳遞信息和獲得信息方面達到了前所未有的便捷程度。
畢業後可從事無線通信、電視、大規模集成電路、智能儀器及應用電子技術領域的研究，設計等相關工作。
對比：都叫Data，有何不同？
細細去看各國大學在數據科學領域開設的時間，會發現基本都是從2000年以後才開始有雛形，然後慢慢衍生，關於數據分析向還有其他幾個類似的別稱，比如：
1Data Mining
2Data Analytics
3Data Studies
4Data Science
5Predictive Analytics
6Business Analysis
7Business Analytics / Intelligence
……
這其中，Data Analytics、Data Science和Business Analytics / Intelligence，是同學最常搞混的專業。
1
Data Analytics
Data Analytics從錯中複雜的大數據中，抽絲剝繭地去得到想要的信息、趨勢，進而做出最有利的決策。
主幹課程：data mining（數據挖掘），advanced quantitative methods，predictive analytics and forecasting models，and big data visualization.
Data Analytics更專注於培養高階數學、統計學以及數據挖掘的能力。基本上就是你當你需要進行分析時，可能會用到的技能／工具，你都會學到。
「利用不同類別的database整理數據，用statistical modeling techniques、probability matrixes 分析不同性質的數據。學會如何呈現數據，將數據視覺化讓其他非理工人更能一目了然。
2
Data Science
Data Science相比而言更重視高階的computer science，programming，and engineering，不只是會用這些程序而已，也可能學著自己寫程序來運行analysis。
主幹課程：machine learning / artificial intelligence（機器學習 / 人工智慧）；cloud computing（雲計算）；regression and time series analysis（回歸與時間序列分析）；software engineering（軟體工程）。
除了在data analytics課程提到的data mining, data modeling，and data presentation techniques，Data Science的課程也會著重於如何將以下這些應用在data分析上。
「舉例來說：如果你的Data十分複雜，市面上沒有已開發的程序可以拿來用怎麼辦？這種情況下就要自己用程序語言eg R, Python, SAS, or Hadoop 寫出來。
3
Business Analytics / Intelligence
Business Analytics / Intelligence加上了「Business」，自然與商業管理有密不可分的關係。Business Analytics / Intelligence的確多是專為在商業環境工作而量身打造的專業。所以這樣的課程大多歸類在business school，或是professional school例如：會計學位的範疇下。
側重課程：risk assessment and mitigation；performance reporting；efficiency optimization；supply-chain management；marketing / executive decision-making。
雖然在這個學位你也會學到data mining，predictive modeling，and analytics programming，只是這部分的比重會比其他兩個專業（Data Analytics vs. Data Science）來的少。
「畢竟是商業環境取向，當然也會學習如何分析網絡社交媒體使用者的習性、一些會計財經、溝通技能等等。從這裡就應該看得出來，BA / BI的課程比較沒有那麼「理工」。
總結
無論是學士亦或是碩士階段，
目前也沒有統一標準能夠將他們劃分得很清楚，
因為這些專業包含的範圍大多有重複。
所以常常會有申請者弄不清楚這其中的差別。
若是硬要分關係的話，應該就是以下這樣：
商業取向理工科取向
由於這些領域目前正炙手可熱，
薪水也算優渥，工作機會也多，
許多甚至是轉專業、
跨領域的申請者也想要投入這個領域，
所以競爭十分激烈。
