美国留学——专业解析之商业分析

商业分析是一个典型的交叉学科，在西方国家也刚开始起步，美国各大高校开始开设商业分是硕士项目也就是近三五年的事情。而随着商业领域里数据量井喷式的增长，商业分析的就业需求量也会大幅增加，因此，近几年有越来越多的人才选择就读商业分析专业，对自己进行综合性的培养与提升；更重要的是，与传统商科专业不同，目前美国高校已开设的所有商业分析硕士项目均是STEM项目，也就意味着，就读这一商科专业的同学，会享有与技术性专业学生一样的OPT待遇。这是吸引很多商科学生转方向申请的一个很重要的因素。因此，我们预计未来几年商业分析硕士申请的热度会变的非常高，有志于往这个方向发展的同学需要早做准备。

今天彭老师就来为感兴趣这个专业的同学做一个详细的介绍：

（1）就业介绍

美国劳工部的劳工统计局会对美国各行业就业数据进行统计与分析。管理分析师、运筹分析师、数据分析师、市场研究分析师、物流师等岗位，在未来五年均有超过20%的岗位需求量的增长，薪资水平也都在约8万美金至12万美金/年之间，远高于商业与金融领域的整体年薪水平。通过基本数据，以及周围越来越浓厚的大数据的氛围，我们可以深切感受到，商业分析师或相关岗位会成为商业领域里越来越重要的角色。

商业分析目前还是一个竞争不算激烈而且就业回报率很高的一个专业，根据2018年1月13日的最新数据显示，商业分析的平均工资为每年$75，547,而拥有5-10年的工作经验以后，商业分析的平均工资能上升到每年$130,000。入门门槛较低，较高的薪水，就业前景好以及Stem专业，这是一个值得留学生投资学习的一个专业，但是以后的发展，更重要的是持续不断地学习，因为这个专业越往后越发现学校教的知识远远不够，很多工作中需要运用的知识，是需要你自学的。

就国内而言，无论是电商还是智慧城市，越来越多的行业开始引入大数据这一理念和思维方式，衍生出了相当大的量化分析岗的需求。因此，具有商业分析学位的求职者哪怕是回国就业，也会拥有非常多的机会。

（2）申请准备

作为交叉学科，商业分析需要申请者同时具备商科背景以及数理背景。而目前国内外院校在本科阶段并不直接开设商业分析这个专业，因此，商科专业背景的同学需要着重弥补数学、统计、编程方面的课程和实践经历。而数学、统计等数理背景的同学，则需要增强自己在商业分析方向上的科研或者实习经历，并且对自己的面试能力进行系统训练。

具体而言，学术方面，商业分析专业希望或要求申请者至少能学过高等数学、线性代数各一年，学过概率论和统计相关知识，并且具备一定的编程能力，例如至少学过一些编程语言或者能使用一些数据分析的程序软件等等。实践方面，比较契合商业分析方向的科研项目或实习，包括但不限于信用卡用户行为分析、新歌推荐系统、商务运营分析与优化、网络数据分析等等。

数据科学家应具备的知识与技能要求非常高，从美国各大学的专业课程中的核心、必修、选修科目加上毕业设计（Capstone）的设置情况，我们可以获得一些启示，可将数据科学家应具备的知识与技能归纳为“技术硬指标”和“人文软实力”两个方面。

技术硬指标方面主要有以下要求：
（1）数学。微积分和线性代数是大多数数据挖掘应用程序需要矩阵计算的基本算法。
（2）统计学。掌握相关性分析、多元回归，揉合各种数据从不同角度进行预测性和指导规范性建模，会使用R、SAS、SPSS、SciPy、Stata等统计工具软件。
（3）编程和写脚本。掌握编程语言可以更具竞争力，如：Python、C/C++、Java、Ruby、Perl、MATLAB、Pig等。
（4）数据库。熟练掌握SQL，关注NewSQL这类高扩展、高性能数据库，如：Clouera Impala、Clustrix、VoltDB等。
（5）分布式计算系统：熟悉Apache产品族，钻研NoSQL平台，了解Apache Cassanra和MongoDB的优缺点，动手实践Haoop、HBase、Cassanra、MapReuce、Hive等不断出现的新系统。
（6）数据挖掘。数据挖掘是跨学科的，借鉴人工智能和机器学习、统计数据和数据库系统等。
（7）数据建模。从ERWin、Agile Data Moeling、ORM Diagrams、UML class iagrams、CRC cars、Conceptual/logical/physical schema、DDL、Bachman iagrams、Zachman Framework等数据建模工具开始，掌握建模技术和方法。
（8）预测建模
（9）机器学习。
（10）数据可视化。选择掌握Flare、HighCharts、AmCharts、D3.js、Processing、Google Visualization API、Raphael.js、Tableau等其中一些可视化工具。

人文软实力方面主要有以下要求：
（1）专业领域知识。对某行业及其数据非常了解，诸如医药、政府、零售、制造业等。
（2）创造力和求知欲。有创造力的数据科学家都是充满好奇心的，需要出众的发现能力。
（3）善于包装会编故事。将复杂的数据包装后像讲故事般娓娓叙述出来。
（4）顺利执行项目、保证实现目标的项目管理能力。
（5）保护数据隐私的道德。
（6）通过简短的交流能达到目的的能力，称为电梯间交流（elevator speech）能力。

（3） 院校参考

据不完全统计，与BA相关课程的学校有：

Tier 1
MIT-Business Analytics
Northwestern University-Analytics
GaTech- Analytics
Carnegie Mellon University- MSIM-BIDA track
UT Austin- Business Analytics
Wake Forest University- Business Analytics
North Carolina State University- Analytics
University of San Francisco- Analytics
University of Southern California- Business Analytics

Tier 1.5
University of Minnesota- Business Analytics
George Washington University – Business Analytics
Rensselaer Polytechnic Institute- Business Analytics
Southern Methoist University-Business Analytics

Tier 2
University of Rochester- Business Analytics
Casewestern University- Business Analytics
Stevens Institute of Technology- Business Intelligence & Analytics
Bentley University- Business Analytics
University of California, SanDiego-Business Analytics

Tier 3
Forham University- Business Analytics
University of Connecticut- Business Analytics
Arizona State University- Business Analytics
Michigan State University- Business Analytics

Tier 4
Purue University- Business Analytics
University of Denver- Business Analytics
Drexel University- Business Analytics
DePaul University- Preictive Analytics
Miami- Business Analytics
Tennessee, Knoxville- Business Analytics
University of Colorao-Bouler -Business Analytics
Louisiana State University- Analytics

看了这些你一定还有很多疑问吧，快来找我咨询呀，