BA和DS專業就業方向/申請要求/選校梯度詳細解析

DS 就業(ye) 薪資可觀嗎？

BA 內(nei) 卷這麽(me) 嚴(yan) 重還有人申請？

如何區分 BA 和傳(chuan) 統統計科目？

擁有 OPT 可以增加留美幾率？

有哪些學校申請純血 DS 難度不高呢？

.......

除了這些，如果你還有有關(guan) BA&DS 專(zhuan) 業(ye) 申請的問題，不論是選專(zhuan) 業(ye) 、選學校還是選工作看看這一篇能不能幫你解決(jue) 呢！！！

BA & DS 專(zhuan) 業(ye) 介紹

Business Analytics 專(zhuan) 業(ye) 概述

Business Analytics (BA) 是一門跨學科專(zhuan) 業(ye) ，以就業(ye) 為(wei) 導向，培養(yang) 同時具備商業(ye) 知識和數理分析技能的綜合性人才;

從(cong) 數據分析出發，將看似雜亂(luan) 無章的數據轉變成潛在商機，並通過數據呈現來優(you) 化企業(ye) 的商業(ye) 決(jue) 策。比起說是一門學科，更傾(qing) 向於(yu) 說一項工具。

專(zhuan) 業(ye) 組成：Business + 數學統計 + 計算機。

利用數學統計的方法，計算機為(wei) 工具，在商業(ye) 領域幫助企業(ye) 做出合適的決(jue) 策，發現商機。

不同學科之間的區別

· BA 統計 VS 傳(chuan) 統統計：

-傳(chuan) 統統計：sampling and significance test，回歸分析隻是傳(chuan) 統統計裏很小的部分；

-BA 統計：回歸分析（包括邏輯回歸）幾乎是 BA的統計學全部.，並不需要掌握統計學的全部內(nei) 容，不是隻有統計方麵專(zhuan) 業(ye) 的學生才能申請。

·BA 計算機 VS 廣義(yi) 計算機：

-廣義(yi) 計算機：難度高，專(zhuan) 業(ye) 性強主要的專(zhuan) 業(ye) 方向包括人工智能(AI)，程序應用(Programming Language)，計算機係統以及計算機理論這四個(ge) 部分；

-BA 計算機：隻涉及數據結構和算法，以及少量的 machine learning。

總體(ti) 來說，作為(wei) 一個(ge) 商業(ye) 方麵的學生，需要懂統計裏麵回歸分析的知識；雖然不會(hui) 涉及到廣義(yi) 計算機的全部內(nei) 容，但仍需要去學習(xi) 一些程序應用和計算機係統的相關(guan) 知識。

BA 項目在美國的分布情況：

實際上 BA 已經發展一些年份了，但也不是一個(ge) 傳(chuan) 統的老舊項目。現在進入了大數據時代，需要有商業(ye) 分析數據分析的人，所以商業(ye) 分析應運而生。

BA 專(zhuan) 業(ye) 大都集中在中部地區和東(dong) 部地區，除此以外就是東(dong) 海岸和西海岸一些特殊地區。

Data Science 專(zhuan) 業(ye) 概述

Data Science (DS)數據科學結合了統計學、數據分析、機器學習(xi) 及其相關(guan) 方法，旨在利用數據對實際現象進行“理解和分析”。

專(zhuan) 業(ye) 組成：數學統計 + 計算機 + Domain Knowledge，DS 中的 domain knowledge 範圍會(hui) 更寬闊。

DS 項目在美國的分布情況

與(yu) BA 不同，DS 更多集中在美國東(dong) 西海岸，不同地區所要負責的 domain 內(nei) 容不一樣。

BA 專(zhuan) 業(ye) VS DS 專(zhuan) 業(ye)

在專(zhuan) 業(ye) 方麵，BA 更傾(qing) 向於(yu) 商業(ye) 知識方麵，DS 傾(qing) 向於(yu) 擁有更多計算機方麵的知識；

DS 更多是預判未來大環境的趨勢，基於(yu) 大環境應該要做些什麽(me) ；BA 更像一門工具。

BA 專(zhuan) 業(ye) 主要目的是學會(hui) 使用，所以項目的時長比較短，DS 不僅(jin) 是應用已有的東(dong) 西還需要創造模型去應用於(yu) 未來。

STEM 、3 年OPT 、H1B 工作簽：

STEM：

是科學（Science），技術（Technology），工程（Engineering），數學（Mathematics）四門學科英文首字母的縮寫(xie) ;如果項目被劃分在這四門學科之下則屬於(yu) STEM 項目。但要注意有一些項目不在這四門學科的範圍，需要進行相關(guan) 的搜索。

OPT：

1)OPT 是美國針對國際生一種就業(ye) 政策，即學生完成學業(ye) 後，會(hui) 獲得為(wei) 期一年的 OPT 身份，學生繼續持有 F1 學生簽證搭配 OPT 身份可以在美國進行合法的全職工作；

2)對於(yu) STEM 項目畢業(ye) 的學生，OPT 的時長則被延長至 3 年。

H1B 工作簽：

OPT 期間，國際生在就職企業(ye) 的幫助下有抽 H1B 的資格，抽中後在美簽證則由 F1 學生簽變更為(wei) H1B 工作簽，在 H1B 工作簽內(nei) ,如果符合申請綠卡的要求,則可以申請美國綠卡。

注意

如果有留美的想法可以選擇去讀 STEM 方向的專(zhuan) 業(ye) ，之後留在美國的概率會(hui) 更大。

BA  就業(ye) 方向介紹

1、近些年以來的發展情況

BA 屬於(yu) STEM 專(zhuan) 業(ye) ，畢業(ye) 有三年 OPT，留美友好，不管是印象上還是工作機會(hui) ，都是比較方便的；

大數據時代需求及熱度不減，不管是商業(ye) 方麵大公司在任用，生活方麵要采用，很多娛樂(le) 方麵也需要大數據，疫情時代下麵也是數據化時代發展；

美國就業(ye) ：發展成熟，各行各業(ye) 都比較技術化，都有對口的工作機會(hui) 。在美國工作不會(hui) 有大規模的996，也不會(hui) 麵臨(lin) 大規模的裁員。

國內(nei) 就業(ye) ：以互聯網，金融，谘詢為(wei) 主.國內(nei) 的話如果經濟回暖，仍然是一個(ge) 較大需求口。

2、BA專(zhuan) 業(ye) 就業(ye) 細分：

· Descriptive Analysis

描述性分析：用來分析過去數據的pattern以及現在的趨勢;

涉及：數據倉(cang) 庫（data warehousing），需要預處理原始數據的技能;

常見崗位：數據運維工程師（負責數據平台的管理，任務的調度)、數據架構工程師、數據分析師.

· Predictive Analysis

預測性分析：目的是預測出未來會(hui) 發生什麽(me) ，對未來會(hui) 遇到的情況做定位。

涉及：Machine Learning/Data Mining

常見崗位：數據挖掘工程師，數據中心負責人

· Prescriptive Analysis

指導性分析：為(wei) 客戶找出最合適的解決(jue) 方案。

涉及：優(you) 化，建模;

常見崗位：商業(ye) 分析員、市場分析員、數據分析員.

DS  就業(ye) 方向介紹

1、初 級

就業(ye) 崗位及所需能力： Data Analyst 數據分析師；需要有數據分析、可視化、客戶溝通的相關(guan) 能力

工薪：＄6w~8w/y

2、高 級

就業(ye) 崗位及所需能力：Data Engineer → Machine Learning Engineer → Data Scientist，需要有數據挖掘、數據清理、模型設計的相關(guan) 能力；

Data   Scientist 一般招收的是 PhD 的員工，要求非常紮實的相關(guan) 基礎，工薪方麵也是其中最高的。

工薪：>9w/y

（DS專(zhuan) 業(ye) 就業(ye) 薪水分布）

BA 專(zhuan) 業(ye) 申請準備

1.申請者背景基礎：

通用來說，對於(yu) 申請者的本科專(zhuan) 業(ye) 背景不限、有相應數理編程等課程滿足先修即可申請，但注意不同學校項目具體(ti) 的本科專(zhuan) 業(ye) 要求及招生偏好。

BA 申請範圍比較廣，但必須完成先修課的要求。

TOEFL：100+/105+/110+（100是最低標準，110 分會(hui) 有更強的競爭(zheng) 優(you) 勢。）

GRE：320+/325+/330+；（部分 BA 項目不接受 GMAT，因此建議考GRE）

Quant 至少 168+（數學能力更有說服力）；AW建議在 3.5+

2.部分 BA 先修課要求介紹

3.軟背景提升建議

Relevant Experience 積累：

Course Project/Capstone Project/比賽/實習(xi) /科研等經曆在申請過程中統稱為(wei) relevant experience，主要目的就是作為(wei) 簡曆和文書(shu) 的素材，以及基於(yu) 這些經曆來爭(zheng) 取推薦信。但這些經曆是有優(you) 劣之分，有重要需求之分；

實習(xi) ：

對於(yu) 申請 BA 專(zhuan) 業(ye) 的學生來說，至少需要積累 2-3 段比較紮實的商業(ye) 分析相關(guan) 的經曆，以確保申請簡曆和文書(shu) 的內(nei) 容紮實有趣。

同時建議同學至少有 1 段業(ye) 界實習(xi) 的經曆，通過實戰處理複雜且龐大的真實數據並輸出具備現實意義(yi) 和商業(ye) 價(jia) 值的 insight 的過程既能展示專(zhuan) 業(ye) 能力又能展示 soft skills；

海外經曆：

有條件的同學也建議通過交換的方式積累海外經曆；為(wei) 期一學期甚至一年的海外交換不僅(jin) 可以在美國修專(zhuan) 業(ye) 課，更有機會(hui) 爭(zheng) 取美國教授推薦信，同時還有機會(hui) 參與(yu) 美國的項目和科研，在申請過程中更受美國招生官的認可和青睞。

DS 專(zhuan) 業(ye) 申請準備

1.DS先修課要求

2.不同學校不同先修課的概括情況

DS 最基礎的先修課要求一般來說理工和具有量化背景其他學科都能滿足，少部分項目也接受網課補充，開學前補充，或 Kaggle GitHub 展示實力。

學校的要求沒有一刀切，以各個(ge) 學校的具體(ti) 要求為(wei) 準。可以拓展自己相關(guan) 知識，對於(yu) 統計學的課程進行更多展開性學習(xi) ，接觸更多，可以去一些數據相關(guan) 比賽。

3.背景提升

硬性背景:

學科匹配度：

100%-DS

80%-90%-CS，數學，統計

60%-70%-Engineering/Science, 偏量化商科

軟背景:

建議商賽可以參加 Kaggle 的數據分析；

如果沒有找到相關(guan) 方麵實習(xi) ，要做一段相關(guan) 科研並且承擔裏麵數據分析的相關(guan) 工作；

SQL 是一定要學會(hui) 的，R 語言、Python 一定要掌握其中一門。

BA & DS 選校建議

1、BA 項目調性：

多數 BA 項目設置在商學院下，課程設置偏商科，對申請者數學和編程背景要求相對較低，如Duke, USC, UT-Austin, Rochester等；

有些 BA 項目設置在工程學院下，課程設置更倚重數理統計，青睞 quant 背景好的申請者，如 Columbia, Northwestern, Cornell；

有的 BA 項目設置在信息學院或文理學院，需要根據課程設置來判斷其對於(yu) 申請者的背景偏好；

偏文商項目舉(ju) 例：Duke MQM

2、DS項目分類：

項目名稱叫 Master of Science in Data Science 的純血 DS 項目一般開設在工學院，或者由統計、數學、計算機等係聯合辦學，如 Columbia，NYU，USC 等；

部分項目名稱是叫 Business Analytics / Analytics / Data Analytics / Applied Analytics，但是學習(xi) 內(nei) 容和 DS 非常相近的項目，如 MIT-BA，UChicago-Analytics，NWU- MSiA，GGT-Analytics 等；

除了名為(wei) MSDS 或者 BA 的項目，還有很多理工科項目開設了 DS 或者Analytics Track，如 Dartmouth-MEM，Cornell-ORIE，Rochester-TEAM，NYU-MOT；

因為(wei) DS 申請非常熱門，純血的 DS 項目往往會(hui) 出現申請者過多而內(nei) 卷嚴(yan) 重的現象；

同學們(men) 也可以選擇申請一些不那麽(me) 熱門的但是設有 DS 或者 Analytics Track 的項目，來實現入讀綜合排名更高、地理位置更優(you) 越的 DS 相關(guan) 項目的訴求。

代表學校課程

·Cornell-MEng in ORIE Data Analytics Concentration

·Rochester：MS in Technical Entrepreneurship and Management [TEAM] Data Science Track

Q&A

Q1：BA 畢業(ye) 留美容易嗎，如果留在美國的話，工資是一個(ge) 什麽(me) 水準？

需要留美要考慮的因素：

第一，找工作。

雖然現在就業(ye) 不是很景氣，軟件工程師的需求量仍然特別大。但 CS 這個(ge) 專(zhuan) 業(ye) 並不是所有人都可以去申請的，並且這個(ge) 專(zhuan) 業(ye) 本身也非常內(nei) 卷；

其次，因為(wei) 現在進入到了大數據時代，數據覆蓋到了我們(men) 生活的方方麵麵，有這樣一個(ge) 需求缺口，所以 BA 找工作相對而言還是比較容易。

第二，BA 屬於(yu) STEM 項目，會(hui) 有三年的 OPT 時間，等在美國順利找到工作之後就可以有機會(hui) 抽取 H1B 的工作簽證，從(cong) 而有機會(hui) 拿到綠卡。

Q2：H1B 抽中的概率有多大？

如果美本的學生，那麽(me) 大學畢業(ye) 就有一次 H1B 的抽取機會(hui) ，但是這一次抽中的概率會(hui) 比較小；

到了研究生之後，抽中的概率會(hui) 相對而言大很多，對於(yu) 研究生而言抽取的製度是一年兩(liang) 抽；

但不是百分之百抽到，首先要符合資格是找到工作，公司給予相關(guan) 的幫助。

Q3：本科 CS，申請 DS 還是 CS 有利於(yu) 就業(ye) ？

單純來說，在 DS 和 CS 方麵，CS 就業(ye) 會(hui) 更容易，美國對於(yu) 程序員的需求還是蠻大的。如果感興(xing) 趣可以申請。

Q4：專(zhuan) 排對於(yu) 申請研究生具有優(you) 勢嗎？

首先，美國本地學生的話申請美校是比內(nei) 陸的學生天然具有優(you) 勢，除去清華北大，比 985、211 還是有優(you) 勢的，

其次，要看本科是什麽(me) 專(zhuan) 業(ye) ，轉專(zhuan) 業(ye) 申請 BA 的話要看先修課是否滿足。

如果是專(zhuan) 業(ye) 前五十、理工科、又是美國本地其實是比較有優(you) 勢的。