|
课程名称 |
核心内容 |
培养目标 |
|
Business Fundamentals（商业基础） |
覆盖会计、金融、营销、战略四大领域的核心原理，无专业背景门槛 |
建立商业 “通用语言” 能力，理解不同职能部门的核心逻辑 |
|
Business Communication（商业沟通） |
实战训练：清晰表达、战略化管理沟通、反馈技巧、影响力塑造、演讲能力、职业管理技能 |
掌握职场场景下的高效沟通范式，避免 “技术思维” 与 “业务思维” 的脱节 |
|
Critical Thinking and Collaboration（批判性思维与协作） |
1. 学会提出 “有价值的问题”，从多维度分析数据； |
培养 “辩证分析能力” 与 “团队协同能力”，解决复杂商业问题时兼顾深度与包容性 |
|
Navigating Organizations（组织运作） |
1. 组织绩效分析与优化方法； |
理解组织运行规律，为长期职业发展（如跨部门推动项目、晋升管理岗）奠定基础 |
二、数据分析核心课程（Data Analytics Courses）
项目的 “技术核心模块”，聚焦数据驱动决策的全流程能力，从工具使用到方法论，覆盖数据分析的完整链路。
1. 工具与基础能力类
Programming for Data Analytics（数据分析编程）
核心内容：从基础到熟练掌握 R 与 Python 两种数据分析编程语言（含数据清洗、处理、可视化基础语法）；
定位：数据分析的 “入门工具课”，为后续高阶分析打基础。
Applied Probability and Statistics（应用概率与统计）
核心内容：基于 “部分信息 + 不确定性” 的数据分析框架，学习概率模型、统计推断、数据解读工具；
定位：解决 “数据不完整时如何决策” 的问题，是所有数据分析的 “理论基石”。
Data Infrastructure（数据基建）
核心内容：用 SQL 实现数据存储、清洗、检索；覆盖结构化数据库设计、数据完整性保障（如避免冗余、确保一致性）；
定位：掌握 “数据源头管理” 能力，避免因数据质量问题导致后续分析偏差。
2. 高阶分析与应用类
Data Science for Business（商业数据科学）
核心内容：深度结合商业场景，学习 监督式学习（如分类） 与 无监督式学习（如聚类），以及文本挖掘（Text Mining）技术；
定位：将 “机器学习” 从 “技术概念” 转化为 “商业工具”，解决客户分群、需求预测等实际问题。
Modern Analytics: Data, Predictions, Actions（现代分析：数据、预测、行动）
核心内容：1. 高阶工具（深度学习、自然语言处理 NLP）；
2. 跨行业案例（如零售的需求预测、金融的风险识别）；
3. 伦理问题（隐私保护、算法公平性、负责任 AI）；
定位：对接前沿技术，同时培养 “技术伦理思维”，避免盲目应用数据工具。
Decision Analytics and Modeling（决策分析与建模）
核心内容：三大建模框架 ——
1. 决策树（结构化不确定性决策问题）；
2. 蒙特卡洛模拟（多不确定性因素的场景模拟）；
3. 优化模型（多变量 + 多约束下的最优解求解）；
定位：将 “复杂决策” 转化为 “可量化模型”，提升决策的科学性与效率。
Data Visualization（数据可视化）
核心内容：用 Tableau 工具实现数据可视化，学习 “数据故事 telling” 的实践（如何向非技术受众传递分析结论）；
定位：解决 “分析结果无法落地” 的痛点，让数据结论 “易懂、有说服力”。
三、专业方向课程（Specialization Track Courses）
提供四大细分领域，学生可根据职业目标选择深耕，实现 “数据分析能力 + 行业 / 职能专长” 的结合。
1. 金融方向（Finance Track）
聚焦金融领域的数据分析与风险管控，培养金融机构（银行、基金、投行）或企业 finance 部门的核心能力。
Introductory Finance（金融基础）：覆盖贴现、股票 / 债券定价、 portfolio 分散化、CAPM 模型、WACC，搭建金融理论框架；
Intermediate Finance（中级金融）：深入 portfolio 管理，含共同基金、多因子模型、资产配置、外汇市场、国际投资、对冲基金 / 私募 / 风投；
Derivatives（衍生品）：分三部分 —— 线性工具（远期、期货、互换）、非线性工具（期权）、企业风险管理应用；
Fixed Income Securities（固定收益证券）：债券定价、利率期限结构、利率风险管理、通胀与货币政策、无套利建模；
Financial Risk Management（金融风险管理）：银行风险管理（信贷风险、巴塞尔协议、压力测试）、资产管理风险管理（证券选择、系统性风险）。
2. 营销方向（Marketing Track）
围绕 “数据驱动营销决策”，覆盖从用户洞察到策略落地的全流程。
Digital Marketing（数字营销）：数字市场 KPIs、广告归因、媒体购买、社交媒体营销、搜索营销、电商定价、多渠道整合；
Market Intelligence（市场情报）：客户数据收集与分析、第三方数据质量评估、向管理层传递分析结论；
Customer Relationship Management（客户关系管理）：客户生命周期各阶段的营收 / 利润管理、CRM 量化模型（如客户留存预测）；
Pricing（定价策略）：定价与企业战略的匹配、价格弹性估算、促销时机选择，聚焦 “如何通过定价为企业创造价值”。
3. 风险方向（Risk Track）
聚焦企业全维度风险管控，尤其侧重操作风险、信息风险与欺诈防范。
Managing Operational and Informational Risks（操作与信息风险管理）：企业风险管理（ERM）框架、内部控制（运营 / 报告 / 合规保障）、欺诈防范；
Fraud Analytics（欺诈分析）：用定量技术识别欺诈模式（如信用卡欺诈、财务造假）、定位嫌疑人、制定纠正措施；
Empirical Economic Analysis（实证经济分析）：核心为 “因果推断” 技术（工具变量回归、断点回归、双重差分），用于评估商业结果；
Managing Cybersecurity Risk（网络安全风险管理）：基于 NIST 网络安全框架，学习安全系统设计、威胁识别、漏洞应对。
4. 战略方向（Strategy Track）
结合数据分析制定企业长期战略，优化运营与组织效能。
Empirical Economic Analysis（实证经济分析）：与风险方向共享课程，聚焦用因果推断支持战略决策；
Operations Analytics（运营分析）：分两部分 —— 流程分析（优化流程效率、量化随机性影响）、供应链分析（需求预测、库存优化、分销网络设计）；
Strategic Management（战略管理）：行业分析、业务单元战略、公司战略、学习曲线估算、项目管理、组织架构设计；
People Analytics（人力分析）：用预测分析优化组织流程，如员工流失预测、绩效预测、招聘分析、多样性分析。
5. 信息风险管理方向（Information Risk Management）
为 “Choose a Focus” 中单独提及的方向，核心是围绕信息资产的安全与合规，可视为风险方向的深化，课程内容与 “Managing Cybersecurity Risk”“Fraud Analytics” 高度衔接。
四、实战项目（Practical Projects）
1. 顶点项目（Capstone Project）
项目的 “收尾实战环节”，为期 6 周，以团队形式开展：
合作对象：对接真实企业 + faculty 导师；
核心任务：用项目期间所学的数据分析技术，解决企业的具体业务问题（如客户流失改善、供应链效率优化）；
价值：直面 “真实数据环境的挑战”（如数据不完整、业务需求模糊），实现 “理论技能→实战成果” 的转化。
2. 企业项目（Corporate Project）
以 “Atreyo 的经历” 为例，定位为 “挑战性实战补充”，让学生提前适应职场中复杂项目的推进逻辑（如跨部门协调、需求迭代）。
项目课程体系核心特点总结：
跨学科融合：数据+实战；
实战导向：从工具课（SQL/Tableau）到项目（Capstone），全程围绕 “解决实际问题” 设计；
个性化路径：四大专业方向覆盖金融、营销、风险、战略，适配不同职业目标（如投行分析师、营销数据师、风控经理）。
