美国大热的商业分析专业

BA（Business Analytics），一个以商业知识为基础，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。其火爆程度异常之高，全球各大高校纷纷增设BA专业。很多学生察觉到了新的风向，分分申请BA专业，但是，你到底适不适合学习BA专业呢？申请BA专业需要具备哪些条件呢？今天小编来介绍一下！

1.考GT是申请的第一件事，但绝不是最重要的一件事

招生官在决定录谁的时候考虑的是“谁更有机会在我们的项目里成功并且毕业后找到一份好工作”，GT是一个重要的indicator，但肯定不是唯一的甚至也不是一个优先的。大家会妖魔化GT的原因是因为很多人专业类似，实习类似又略水，文书又千篇一律不太走心，实在分不出什么区别，别人就只能按照分数筛人吧。其实这里就是想告诉很多挣扎在T100+/G700+出头的同学，既然已经过了线，不必继续持久的把宝贵的时间与GT继续挣扎，而把时间放在从其他能够提高自己能力上性价比会更高，比如下面这段讲的。

2.探索自己并探索专业

如果你毕业了希望一定要从事一份自己喜欢的工作话，那你一定要思考自己适不适合BA。如果只是觉得比起看到高就业率/STEM/高薪就一窝蜂的去转BA，还是应该好好思考一下自己适不适合/喜不喜欢/擅不擅长，毕竟什么类型的工作也很大程度上决定着生活的状态，况且这还是笔将近10W刀的大投资。

在决定转向这个专业之前：

1）不妨问问自己是否喜爱与满屏幕的数字打交道

2）不妨思考下自己学概率论/统计学/计量经济学这样的课程时候是否有兴趣或否吃力

3）不妨去上上最最简单的coursera上的pythonfor everybody是否能comfortable with code.

如果还是想不清楚自己适不适合，可以回头审视一下自己大学四年中，对于编程和CS专业的课有没有兴趣、学得怎么样？不知道自己是否对business有sense？是否喜欢这种data-driven-business-decision？可以考虑在寒暑假找一份business analyst类似岗位的实习，看到自己能够借助data analysis的帮助，让卖家多卖了200%的东西，会真切的感受到BA的作用，也了解整个商业数据分析的流程，也觉得这份工作很有成就感。其实我觉得经历了这样的过程，你的文书也就不会千篇一律了。然后说说选校，第一件事，抛开QS的BA专业排名，抛开USNEWS的本科综合排名，当然不是说这两个排名对于BA选校没有价值，而是觉得着重关注这两个排名对于BAmaster来说太懒了。

总结下来就是适合自己的才是最好。当然怎样才是最适合自己的，问自己这几个问题:

1）你为什么要读MSBA，留美还是回国？

如果想要留美，就业关注一下学校的地理位置（非常重要！！！，这决定着是否好就业？进入怎样的行业？毫无疑问地理位置上SF湾区肯定是机会最多的，其他像NY/LA/Dallas/Seattle/Boston/Austin等等也不少），另外与其关注综合排名不如关注下项目的历史就业数据等等，如果你读master是为了找个好工作的话。

2）你想进入什么行业?金融、市场分析还是互联网？

如果选择互联网行业，就要思考一下这个这个学校在BayArea(硅谷)的就业是不是有比较好的传统？这个项目能否提供这个行业足够的技能？(这一点下面展开说)下图是在linkedin上找到的datascientist/data analyst/business analyst三个岗位在旧金山湾区的毕业生学校分布，大家可以作为参考。

关于课程：我觉得童鞋们要学会从官网上分析一个学校的课程，并且分析是否合适自己：

1)是否提供了实现就业目标的足够的tech技能

比如以希望在硅谷的科技公司做一名dataanalyst为例，应该具有python这样的脚本语言/SQL这样用于提取结构化数据的语言/Hadoop这样处理bigdata的技术/推断统计假设检验优化和machine learning这样建模的知识/用pythonR甚至d3.js实现数据可视化的能力等等，大家可以去linkedin上看看这些岗位的jobdescription。你可以看看每个项目的每门课是否能够提供这样的足够的技能。当然很多更business向的企业/行业不需要这么多tech的技能，也可以从linkedin上看看这些企业/行业需要什么技能，而你选的学校能否提供。

2)是否提供了足够的实践机会

比如实习或者一个足够有分量的practium，可以去看看project是否是一个真实企业的正在面对的真实问题/project时间比较长能够获得足够锻炼?(比如像USC/WashU就提供了实习的时间，UTAustin/UCDavis/USF这些学校因为与生俱来的地理优势，提供了至少时长数月的真实企业的practium)

3)课程体验

比如有些项目的课程是固定的，不能选修而且所有的课程也是为BA专门开设的；而有些项目特别是在比较大的bschool有很多和其他master一起上的很多很商科的elective，这个各有利弊，大家自己选择。而我自己比较倾向前者，因为我觉得这样的话business的部分会与analytics结合得更好，毕竟以前在国内也是读的经管类，结合自身的就业目标，不想再去美国学一遍econ/marketing/accounting/finance这些东西。

关于如何看学校的课程，以UC Davis的为例，简单的介绍

UCD的项目除了practium的部分共13门课，分为data/analytics/business三个stream，其实这样是businessanalytics的三个核心构成：获取、管理、处理data，利用统计理论、优化理论、机器学习等方法对其进行analytics，然后帮助business决策：

首先会有一个Programming Camp，会在所有的课程开始之前集中的教授Python等编程技能，为后面奠定基础！

DATA模块有四门课：

l Data Management:这门课涉及数据的提取、存储和组织；教了SQL这个处理结构化数据最实用的技能，无论是在互联网领域还是传统领域！除此之外还讲了现在很火的非结构化数据（比如NoSQL，文本分析，多媒体数据的处理）。

l Big Data：这门课讲了现在最流行的基于Hadoop的大数据的处理，涉及的技术包括Mapreduce/Pig/Hive，这几乎是湾区科技公司的必备技能！

l Data Design and Representation:这个课程主要是关于数据库的设计、组织与呈现，为数据的处理与分析打下基础。

l Data Visualization：数据可视化，这个很通俗易懂了。这门课深度也很高，不仅仅是用python/R做一些标准格式的图标，还会讲一些web前端可视化技术，做一些动态的很fancy的东西，会涉及到html/css/d3.js

然后是Analytics模块，有五门课程，很全面涉及到了数据分析的方法：

l Statistical Exploration and Reasoning：这门可以理解为比较基础的统计学，包括统计推断、抽样、概率、回归分析这些基础话题。

l Advanced Statistics：这门课就是一些比较高级的统计模型了，包括非参数估计、贝叶斯、极大似然估计、时间序列、模型选择、维度消减，这门课已经渐渐触及数据科学的核心领域

l Machine Learning：机器学习可以说是真正DataScience的核心，一个以湾区公司为目标的项目肯定必不可少。基本覆盖了机器学习的各类算法，监督学习，无监督学习，加强学习，大家常见的聚类、分类、决策树、神经网络等算法就是这门课程的内容。

l Analytic Decision Making：这门课主要是讲了数学优化和更多的高级统计技术，像蒙特卡洛、启发式算法。

l Application Domains：这门课就是数据分析具体的应用领域介绍，像社交网络分析、供应链分析、healthcare、物联网、市场分析等等。

另外就是四门Business模块的课程

•401–Introduction to Business Analytics(2 units)

•411–ProblemStructuring(2 units)

•402–Organizational Issues in Implementing Analytics(2 units)

•403–Organizational Effectiveness Workshop(2 units)

给大家列出来的目的不是介绍UCD这个项目，而是希望童鞋们能够仔细得研究好你要申请的学校的课程，看看这些课程能给你带来什么，能否满足自己和市场的需要!

关于UC Davis的BA项目多安利两句:

1)项目的位置是旧金山市区，而不是main campus，这大概和其他在湾区的BA项目一样是地球上位置最好的BA项目了吧！

2)10个月毕业

3)被录取的学长学姐背景都很优秀，基本以top985/211、美本为主，也有不少有美国工作经验的同学；已经决定去了的小伙伴们也纷纷放弃了各类所谓女神校，像Gatech、USC、WUSTL、USF、帝国理工、Columbia、UMN、UCSD等等，所以也希望更多童鞋加入。

总而言之，没有最好的课程，只有最合适自己的课程，也没有最好的项目，只有最适合自己的项目。希望童鞋们可以自己多做点research，不但是对学校做research，还应该对自己、对这个行业、对就业市场做research，去找出真正适合自己的学校！