美国商业分析硕士详解-新东方前途出国

根据维基百科定义， Business Analytics（以下简称BA）指的是连续迭代探索和调查过去的企业经营绩效去获取价值信息以及推动商业计划的技能，技术和实践技巧。

用比较通俗易懂的语言来说，那就是，

·         确定最jia分析模型和途径，

·         解释过去的、现在的经营业绩，从中研究和提取有价值的信息，

·         为企业提供和解释解决经营问题的方案，促进正确的商业决策，提高企业运营水平，发现新商机等等。

这三个阶段分别是：

1.    描述性分析（Descriptive Analytics）: 通过报告、记分卡、聚类等历史数据的呈现和分析，发现商业问题和机遇。 应用例子：Netflix 是如何推荐你正好想看的电影的?

Netflix 是美国在线视频租赁商, 可以理解为优酷的收费版。  它有上千万用户,每个人都有自己不同的喜好。假设你上周末在 Netflix 看了两部电影, 都是动作片。在所有 Netflix 用户中,肯定有很多人也看了这两部的动作片, 然后,下个周末，那些人又看了另一部电影，很有可能也是一部动作片。根据你和其他人之前的相似性，Netflix 预测你也会想看这部电影。于是这部电影就出现在你网页的相关推荐中了。

2.    预测性分析（Predictive Analytics）: 通过对历史数据进行建模，对未知情况和状况进行准确的预测。应用例子：超市如何给你一个你很可能会使用的优惠券?

假设你是一个在减肥的少女，持有某超市的会员卡 (这意味着超市的分析人员可以跟踪你过去的消费记录)。你已经连续 3 周买减肥茶了, 那么分析人员觉得你很有可能下周继续买减肥食品。所以结账时柜台小哥会面带微笑的递给你一张纤维棒的优惠卷，而同时把德芙巧克力的优惠券藏起来。

3.    指导性分析（Prescriptive Analytics）: 通过模拟和优化等找出最jia商业决策。 应用例子：为什么机票的价格每小时都会变?

经济学告诉我们需求决定价格，如果我们知道什么时候出行的需求量最低，那理论上我们就可以买那个时候的机票,以最便yi的价格坐飞机。事实上航空公司却先我们一步，通过实时监测上百万条飞行路线，以确保高峰期价格最gao；同时模拟未来需求曲线，假如预测未来某个时间段需求量大，即使当下对这个时间段的需求量很低，也保持高价，以满足未来的高价需求，避免机票出现大幅涨跌，并实现营收最da化。

(信息来源：chasedream)

数据科学和商业分析的区别：

很多学生会选择同时申请两个专业，但是实际上，两个专业还是有区别的：

·         DS一般在工学院或者文理学院， BA一般在商学院

·         DS的课程设置一般偏向于计算机和数学， BA的课程一般还有商科

·         应用的技能不一样

·         职业岗位不一样  

1.2  项目设置

目前美国大约有250个Business Analytics或Data Science 相关专业的硕士项目，每年毕业生有8000~10000名。从专业的名称来看，大部分学校都是叫Business Analytics, 根据开设课程和所在院校的不同，也有的学校开设的项目叫做Analytics, Data Analytics, Applied Analytics等等。专业的时间长度大多数是1-1.5年，绝大部分BA项目是属于STEM项目，毕业后最长可获得36个月的OPT时间。BA硕士绝大多数都是以就业为导向的，从贴合就业实际的Big Data-analytical work 角度来培养学生。

1.3  开设院系

从院系设置来看，主要有以下几种情况：

Ÿ   绝大多数设置在商学院下，如 MIT, UT Austin, Rochester, GWU 等；

Ÿ   有些设置在工程学院下，如Northwestern，Columbia，Cornell；

Ÿ   也有设置在信息学院下的，如CMU，Rutgers；

Ÿ   也有设置在继续教育学院下的，如Columbia的Applied Analytics，Chicago；

一般设置在工程学院及信息学院下的项目，更多是数据科学，对数学背景和计算机背景要求要更高。

申请要求

2.1 专业背景

商业分析作为一门交叉学科，并没有限制专业背景，但是想要申请的同学最好要有一定的商业知识储备，并掌握编程和数据处理软件，例如SAS, Python以及一些语言比如R语言。因此，数学和统计，计算机科学，工程类，以及商科类同学相对有优势。

2.2 先修课要求

商业分析的先修课可以分成以下三大类：

第一：数学 （要修过相关课程）

第二：计算机 （最好修过课程，如果没有修过课程，通过实践，实习或科研证明掌握能力也是可以的）

第三：商科（极少项目作为硬性要求，如有时间最好还是补充一到两门）

当然，没有达到先修课的要求也未必完全申不了，一方面可以积极和学校协商大四补课、或者上网课代替，另一方面也可以用成绩单以外的其他经历来证明自己这些方面的能力。

以下列举几个学校的商业分析硕士项目的先修课要求，供大家参考

1.    女神级别的BA项目：UT项目官网的pre-enrollment criteria中写的要求是“Computer programming experience is required; experience in any programming language is sufficient but Python is preferred (those admitted to the program are strongly encouraged to learn Python prior to beginning the program)”，而没有具体的课程要求。学校在info session中反复强调对quantitative and technical skills的关注，而从录取情况来看，UT也确实偏好那些拥有较强数理背景的申请者。

2.    UCSD项目官网application checklist中对于quantitative background的要求是“Provide details regarding your experience with computational programming (for example, C++) and with statistical, econometrics and mathematical applications and tools (for example, SAS, Stata, MatLab, R, S-Plus, Mathematical).”看似很夸张的一个要求，实则含义就是提供个人数理、编程能力的相关信息，而不是强制的要求满足什么条件。虽然这句话曾经吓到了不少申请人，但是录取结果也证明，不少纯纯的商科本的同学，尽管缺乏这类经历，也一样获得了录取（虽然UCSD对于R是真爱，多人反映在面试中，面试官多次提及对于R的能力的关注、以及建议先自学）。

3.    USC的BA项目官网FAQ板块中关于prerequisite非常随意的写道“While we do not have any required pre-enrollment courses, we find students who have taken at least one statistics course at the college level are most successful in the program.”在USC的网申中，倒是有一个空白需要填写能够熟悉使用的computer language。而从USC的录取情况我们也可以看出，USC对于申请人的数理背景要求并不像UT那么高，上过高数，统计学相关的就可以了。

4.    GWU的prerequisites很具体，包括statistics, higher level mathematics (Calculus and Linear Algebra), computer programming。学校认可通过Coursera修课等方式补充数理背景。

2.3 科研实习建议

2.3.1 实习

对于申请商学院BA项目来说，具有好的相关的实习经历是非常加分的。与BA申请方向相契合的实习例如：券商、保险、基金、咨询、快消、互联网、500强等企业数据分析岗。

以下列举一些具体公司职位参考：

Ÿ   互联网金融：百度金融数据分析

Ÿ   四大：战略咨询、管理咨询等偏数据岗

Ÿ   咨询公司：尼尔森数据分析、波士顿战略咨询、贝恩战略咨询/数据分析…

Ÿ   互联网公司：Google数据岗、滴滴出行数据分析岗、去哪儿网数据分析、LinkedIn商业分析，字节跳动数据分析师…

Ÿ   电商：淘宝，京东，什么值得买，小红书等数据分析实习生…

Ÿ   快消：联合利华市场部、宝洁市场部…

Ÿ   大数据公司：BBD数据分析岗…

Ÿ   其他公司：教育，在线医疗，医疗器械/科技（现在有些BA项目开了healthcare方向）等等

2.3.2 比赛

大型数学建模比赛如美赛、国赛，这两项比赛认可度较高，强烈建议参加。其他金融建模、统计建模比赛、数据分析竞赛等也可以参加。参加这些类型的比赛，可以加强并锻炼自身建模、代码编程、论文写作、数据处理分析等方面的能力，也为申请增加亮点。

2.3.3 学术课题研究

Ÿ   课题/导师项目，例如：本创、国创、创新创业训练、助研等，这些都是增加科研项目经历的途径。

Ÿ   学术项目，要尽量选择具有统计、编程、建模、数据分析等内容的数据研究项目课题，能够运用分析工具、模型等进行相关研究（例如涉及SPSS、Eviews、Python、MATLAB等统计分析软件使用），这样的项目对申请帮助更大。如果能有论文发表的话也会有一定优势。