1 f5 i8 a, X3 d# V " @( Y. R a* J- r& X
DS 就业薪资可观吗? # n5 O8 [, [* s3 Y5 ~$ g
BA 内卷这么严重还有人申请?
8 t# f, r+ a# ]/ f4 L7 E% [# n 如何区分 BA 和传统统计科目? ; G) z) u7 m( b9 T( `8 x! \! S& e
拥有 OPT 可以增加留美几率?
0 q6 r$ r1 I& e/ U t) ?: e; ` 有哪些学校申请纯血 DS 难度不高呢? ' `( g4 W* x4 y# K' V
....... " W" |: T7 I- Q% h' w8 ?% c
除了这些,如果你还有有关 BA&DS 专业申请的问题,不论是选专业、选学校还是选工作看看这一篇能不能帮你解决呢!!! v5 [2 p3 z; L
, G" @+ R+ m3 T( Q 本期讲座
5 S) [0 ?8 z6 Y. g0 h' @5 D 美国 BA&DS 专业申请讲座
1 ]+ m6 @- {- A' R6 ~, n8 R 主讲人介绍
) `5 j# q1 P4 X Wan Yi ( O) d# K' J- r
棕榈大道巨星导师 . r. f1 y! `9 H3 J# F
自身经历:
( J/ K( I0 c5 Y& f1 d9 u University of Southern California - TESOL;Anhui University - English; / S: }% N0 {2 {0 ]+ K$ z( A& ~
棕榈大道研究生教学部理工科专业组学科带头人.
" y2 H$ S) ~! c) | //本期讲座重点 2 S" \+ c4 h& ^/ D, f* ~4 N
BA&DS 专业介绍
3 [% o1 k$ v% b# P8 { BA&DS 求职解密 , a: Y) J, K$ j( B0 c
申请突围——做好申请准备 $ I- e! c/ z. O, L" i# @
如何分梯度选校
+ o, r1 s6 [% A H% Y Q&A + b; g+ a7 Q3 v4 Y6 w9 c: |
! y/ p( r% v n5 v ✦ ! L; o$ L- l% G$ y3 V0 r8 J
BA & DS 专业介绍 % Y9 f( h" q* S$ R& G* j5 _2 R
✦ 6 o) @0 D4 ]' P. V& Z
Business Analytics 专业概述 8 _# k9 s) a' e: Z; P) `. A
Business Analytics (BA) 是一门跨学科专业,以就业为导向,培养同时具备商业知识和数理分析技能的综合性人才; / B6 C/ n' Y4 h5 s
从数据分析出发,将看似杂乱无章的数据转变成潜在商机,并通过数据呈现来优化企业的商业决策。比起说是一门学科,更倾向于说一项工具。
6 d0 k) I+ e/ O3 O2 ~ 专业组成:Business + 数学统计 + 计算机。
3 l$ `9 h* b O/ U6 H$ X 利用数学统计的方法,计算机为工具,在商业领域帮助企业做出合适的决策,发现商机。
$ ~' e2 x6 u' J2 [' ~ 8 b$ _3 t7 x& B
不同学科之间的区别
# {' K& j. B; s: ? x- j* b$ [ · BA 统计 VS 传统统计:
/ \0 A R6 c8 o; ^- {2 s' l -传统统计:sampling and significance test,回归分析只是传统统计里很小的部分;
, I w4 f: ^- ` -BA 统计:回归分析(包括逻辑回归)几乎是 BA的统计学全部.,并不需要掌握统计学的全部内容,不是只有统计方面专业的学生才能申请。 5 f w0 d& @9 E
·BA 计算机 VS 广义计算机: 5 K+ r" c( T7 K
-广义计算机:难度高,专业性强主要的专业方向包括人工智能(AI),程序应用(Programming Language),计算机系统以及计算机理论这四个部分;
9 d+ F! B8 X% b9 s -BA 计算机:只涉及数据结构和算法,以及少量的 machine learning。 - R1 g; x2 \ @+ A
总体来说,作为一个商业方面的学生,需要懂统计里面回归分析的知识;虽然不会涉及到广义计算机的全部内容,但仍需要去学习一些程序应用和计算机系统的相关知识。 4 Q2 {. c% g: y/ x1 r, K
( {4 Q. w4 T7 H# c' g
BA 项目在美国的分布情况:
. Q d# L! g, |. | 实际上 BA 已经发展一些年份了,但也不是一个传统的老旧项目。现在进入了大数据时代,需要有商业分析数据分析的人,所以商业分析应运而生。 * K( E! c0 a1 o& x0 @0 |
BA 专业大都集中在中部地区和东部地区,除此以外就是东海岸和西海岸一些特殊地区。 * r0 @- ]4 b& R# Z v: O
, |+ z# J+ N* Z/ s: N3 r& T Data Science 专业概述
5 l- v H2 }. {7 I, Y* l9 X2 p Data Science (DS)数据科学结合了统计学、数据分析、机器学习及其相关方法,旨在利用数据对实际现象进行“理解和分析”。
: q$ X5 S9 z6 o+ a! T9 F 专业组成:数学统计 + 计算机 + Domain Knowledge,DS 中的 domain knowledge 范围会更宽阔。
- ]! i8 b. {$ h
/ X& f1 K" M) t1 K; j DS 项目在美国的分布情况 3 W& @9 d0 ^# N; D
与 BA 不同,DS更多集中在美国东西海岸,不同地区所要负责的 domain 内容不一样。 * N6 ~- m' d" L& z; Y$ {
9 ~4 L( s+ g; q8 w# P6 [2 o. o" `8 t' L BA 专业 VS DS 专业 : d: N6 `8 j _) q
在专业方面,BA 更倾向于商业知识方面,DS 倾向于拥有更多计算机方面的知识; 5 y _$ P9 T: Q, [' d
( q: w/ I# k5 E" ]* L" D' U
DS 更多是预判未来大环境的趋势,基于大环境应该要做些什么;BA 更像一门工具。 * N9 w/ y0 X" {+ h# d0 R/ ^
BA 专业主要目的是学会使用,所以项目的时长比较短,DS 不仅是应用已有的东西还需要创造模型去应用于未来。
8 `1 g: E% U9 s: O1 {: u: e q- s% ]
9 N: s$ [4 s; z9 Y0 x STEM 、3 年OPT 、H1B 工作签:
3 x7 G* B1 N6 [4 I# C9 d STEM: $ G! C$ I) x ]% j# y- K
是科学(Science),技术(Technology),工程(Engineering),数学(Mathematics)四门学科英文首字母的缩写;如果项目被划分在这四门学科之下则属于 STEM 项目。但要注意有一些项目不在这四门学科的范围,需要进行相关的搜索。
7 w) R6 ], E" g! ~ OPT:
) P" X. _* X: I/ N 1)OPT 是美国针对国际生一种就业政策,即学生完成学业后,会获得为期一年的 OPT 身份,学生继续持有 F1 学生签证搭配 OPT 身份可以在美国进行合法的全职工作;
5 I: m3 ?4 s3 Z/ R) Q: N 2)对于 STEM 项目毕业的学生,OPT 的时长则被延长至 3 年。
" V( Z' Y$ `/ l* K8 T: ~ H1B 工作签:
! r/ m. O& ^1 r" C) j9 P* ^; I OPT 期间,国际生在就职企业的帮助下有抽 H1B 的资格,抽中后在美签证则由 F1 学生签变更为 H1B 工作签,在 H1B 工作签内,如果符合申请绿卡的要求,则可以申请美国绿卡。 ) z8 w/ c+ B6 D9 ]7 O# y
注意 + Q* W$ V# _( H. ]8 _
如果有留美的想法可以选择去读 STEM 方向的专业,之后留在美国的概率会更大。
2 p3 @8 B6 C" R$ E% l) ]* W* N5 y 8 [1 d0 ~+ |1 c3 V
✦
% v- Y+ R: [7 }1 } BA 就业方向介绍 : r6 k3 s9 a( i6 \+ u
✦ $ Q" X4 q, I7 U1 w
1 M! E; S- e; V6 B& f
近些年以来的发展情况 ) ~- r* D" y6 @) C8 P7 t1 _
BA 属于 STEM 专业,毕业有三年 OPT,留美友好,不管是印象上还是工作机会,都是比较方便的; " {& ]8 [. @" o7 y
大数据时代需求及热度不减,不管是商业方面大公司在任用,生活方面要采用,很多娱乐方面也需要大数据,疫情时代下面也是数据化时代发展; ; o6 q) I" C( U9 L
9 W! o0 B5 |: J/ b9 H( F9 ^ 美国就业: ( I/ G% H- r w9 E1 W
发展成熟,各行各业都比较技术化,都有对口的工作机会。在美国工作不会有大规模的996,也不会面临大规模的裁员。 5 r! n/ V( J( i6 j5 [+ s% |( m7 ]2 R9 [
国内就业: ( J9 W3 G/ Q8 p9 J% W) b
以互联网,金融,咨询为主.国内的话如果经济回暖,仍然是一个较大需求口。
: B5 G- G5 d( H# Y0 L 2 ! i1 ?3 H5 H! r/ S# h
BA专业就业细分:
/ d, B9 E, z9 K1 S
: |7 D0 i: h4 I) d& m. {' S: M · Descriptive Analysis 1 C8 i3 Q9 E, @( f" j
描述性分析:用来分析过去数据的pattern以及现在的趋势;
4 F! k/ l" |; Q$ b/ E 涉及:数据仓库(data warehousing),需要预处理原始数据的技能; . `0 _) I; e( `! m+ a4 y8 a
常见岗位:数据运维工程师(负责数据平台的管理,任务的调度)、数据架构工程师、数据分析师.
/ a8 R$ H/ s7 b' [1 ~ · Predictive Analysis
, q: M) f- ^% c+ {. m' A 预测性分析:目的是预测出未来会发生什么,对未来会遇到的情况做定位。 5 @( _* M; {% {- s4 L% A) e
涉及:Machine Learning/Data Mining " j- {+ X; R8 Y
常见岗位:数据挖掘工程师,数据中心负责人 5 M+ p1 @4 j/ @1 b, v1 \5 D
· Prescriptive Analysis 3 l- W8 [- t6 G2 \
指导性分析:为客户找出最合适的解决方案。
; G. c! r) d# O- b. X( v 涉及:优化,建模; 4 K7 N' w9 Y: d7 w$ J* N# z
常见岗位:商业分析员、市场分析员、数据分析员.
' C# R5 I7 \) I3 I7 y4 I) W ✦
* y# o9 X; k2 \& W% F DS 就业方向介绍
M- s) y9 ^) s$ W ✦ ; D$ C6 S* ~' g& _/ P3 r) Q V
1 ) f6 F5 T$ j+ E; Z) x9 o
初 级 - W3 f3 w/ K8 R/ ?
就业岗位及所需能力:
9 V6 ^3 c7 Y, P0 M: i Data Analyst 数据分析师;需要有数据分析、可视化、客户沟通的相关能力 ; X4 `- L# F7 ^5 C" Q3 i- z
工薪:$6w~8w/y
( W1 t: ?" ?7 `9 B. }% q 2
' m6 l: P0 j# D 高 级 / {; u+ {$ _* H( T) f
就业岗位及所需能力: 8 m( F# r5 {& a" e% u1 j
Data Engineer → Machine Learning Engineer → Data Scientist,需要有数据挖掘、数据清理、模型设计的相关能力; ' V* ]. W. N& X; i( I: B; E
Data Scientist 一般招收的是 PhD 的员工,要求非常扎实的相关基础,工薪方面也是其中最高的。
/ U( _7 N5 B- z: O# D" F; C 工薪:>9w/y ) L8 a d3 f3 K/ G
! c! V8 J- S% O1 f1 G0 y- x6 r0 O
(DS专业就业薪水分布)
0 O3 C# z3 l# w k ✦
, C& t7 q: z0 N" n$ g BA 专业申请准备
* w+ R' t, |6 `% ^1 z ✦
" E- @! T- X) M 1. 2 _4 w! \: j6 R% d) {
申请者背景基础:
" g. E4 t2 v8 P4 A' ^* p' F9 n) W 通用来说,对于申请者的本科专业背景不限、有相应数理编程等课程满足先修即可申请,但注意不同学校项目具体的本科专业要求及招生偏好。
, L# v+ p1 _' a5 n: b: Q5 U BA 申请范围比较广,但必须完成先修课的要求。 b) p% y5 h4 a" M- i, W
TOEFL:100+/105+/110+(100是最低标准,110 分会有更强的竞争优势。)
( x, U8 o* B" V2 D GRE:320+/325+/330+;(部分 BA 项目不接受 GMAT,因此建议考GRE) + G& i4 w: c6 u$ }
Quant 至少 168+(数学能力更有说服力);AW建议在 3.5+ . h' u( S& L+ P# ^3 S; t
2.
4 C9 @, P2 A7 G( p q) E 部分 BA 先修课要求介绍
! \+ K4 ~4 b. M/ I1 `1 ?7 V
" B d9 ^* D! d" R 3.
7 T+ v7 q2 ~0 L9 D8 n 软背景提升建议 ( T, M% y8 q9 s8 [4 O$ N
Relevant Experience 积累:
. ]7 U+ V1 X5 @) y& p Course Project/Capstone Project/比赛/实习/科研等经历在申请过程中统称为relevant experience,主要目的就是作为简历和文书的素材,以及基于这些经历来争取推荐信。但这些经历是有优劣之分,有重要需求之分;
4 C) z- j) P$ ? 实习: + ?( k% v- x0 s( w4 w4 n9 x- \, f
对于申请 BA 专业的学生来说,至少需要积累 2-3 段比较扎实的商业分析相关的经历,以确保申请简历和文书的内容扎实有趣。 " m* P$ J9 n8 I' C$ X9 e
同时建议同学至少有 1 段业界实习的经历,通过实战处理复杂且庞大的真实数据并输出具备现实意义和商业价值的 insight 的过程既能展示专业能力又能展示 soft skills;
0 d! t) q1 _5 r7 o+ G % Z0 ^" E6 k- c# I2 a
海外经历: 2 M9 e. A1 V7 _: ?# d$ U
有条件的同学也建议通过交换的方式积累海外经历;为期一学期甚至一年的海外交换不仅可以在美国修专业课,更有机会争取美国教授推荐信,同时还有机会参与美国的项目和科研,在申请过程中更受美国招生官的认可和青睐。 $ X$ j, b- f4 |6 o
✦
/ F2 f% T( s9 A- v DS 专业申请准备 5 v/ Z8 Q8 D! N1 o% o, ` ?% i
✦ 8 e ]% p% q( m
1.
% ?( L! I7 V- g& ` DS先修课要求
4 x- u' v* m3 F3 @5 G & l- i/ ^- `8 C+ I8 j% t2 P+ c3 t# a
2.
0 q2 c, J; d5 [9 t) ` 不同学校不同先修课的概括情况 6 u& P- S5 z' ?- E% `- I
3 O0 `- k6 T4 ^# z
DS 最基础的先修课要求一般来说理工和具有量化背景其他学科都能满足,少部分项目也接受网课补充,开学前补充,或 Kaggle GitHub 展示实力。 ; X3 M2 V4 ^1 f
学校的要求没有一刀切,以各个学校的具体要求为准。可以拓展自己相关知识,对于统计学的课程进行更多展开性学习,接触更多,可以去一些数据相关比赛。
3 {! L& J, {; F2 o 3.
. t+ k5 c; }. \9 v) r2 p 背景提升
( O s* A, _ B( S 硬性背景:
5 Z$ l: s! N3 L' I S4 Q
6 B! c9 Q4 h3 `) o& d0 j 学科匹配度:
$ d- C3 a( ? \' p7 G 100%-DS ; j2 e, C$ U4 O8 y* V
80%-90%-CS,数学,统计
7 D7 d$ F3 T* g5 q3 O 60%-70%-Engineering/Science, 偏量化商科 $ z' s4 L5 K4 a# M- m( `
软背景: ) e) K; L( @- W
& I k$ ^5 i3 g 建议商赛可以参加 Kaggle 的数据分析;
' }% i' p; G) Z# _$ T: n: N 如果没有找到相关方面实习,要做一段相关科研并且承担里面数据分析的相关工作;
, {* U) |! W5 q/ O% R9 N) q( N SQL 是一定要学会的,R 语言、Python 一定要掌握其中一门。
0 p" R' a: J; ]) I/ r" V/ g8 z ✦
0 V8 v0 ~9 V r! R- N& Z6 |9 Z) W BA & DS 选校建议
: `6 N& N n q# o! {! i* i8 F ✦ 7 ]; T" R2 }* ?' l/ Y9 E
1 5 L, s' G: c6 c( c r; p% D- {
BA 项目调性: 6 X( w" y( K) T1 I
多数 BA 项目设置在商学院下,课程设置偏商科,对申请者数学和编程背景要求相对较低,如Duke, USC, UT-Austin, Rochester等;
2 x% m* V% y, w9 Z% Q2 {# `) t5 J 有些 BA 项目设置在工程学院下,课程设置更倚重数理统计,青睐 quant 背景好的申请者,如 Columbia, Northwestern, Cornell;
6 D T& n/ E0 Z8 h 有的 BA 项目设置在信息学院或文理学院,需要根据课程设置来判断其对于申请者的背景偏好;
6 ~" f. Z( Y) N" u5 b2 I 偏文商项目举例:Duke MQM
( l0 N1 W% s2 a$ O/ c. s4 q" Y
- ?) e& {4 r+ q$ X6 H 2
) k, u( x3 g: Q; U8 @3 f, H4 b DS项目分类:
" {. x! b0 a5 @2 I8 {# W3 _ 项目名称叫 Master of Science in Data Science 的纯血 DS 项目一般开设在工学院,或者由统计、数学、计算机等系联合办学,如 Columbia,NYU,USC 等;
; G4 I. s! S ?2 u% F 部分项目名称是叫 Business Analytics / Analytics / Data Analytics / Applied Analytics,但是学习内容和 DS 非常相近的项目,如 MIT-BA,UChicago-Analytics,NWU- MSiA,GGT-Analytics 等;
( c7 @7 j0 Z4 Z2 i, K: ^% S 除了名为 MSDS 或者 BA 的项目,还有很多理工科项目开设了 DS 或者Analytics Track,如 Dartmouth-MEM,Cornell-ORIE,Rochester-TEAM,NYU-MOT;
6 c& }4 D6 X6 Q+ V5 V7 V R- \
0 \; T/ m) y5 d6 J2 s 因为 DS 申请非常热门,纯血的 DS 项目往往会出现申请者过多而内卷严重的现象; & L" B+ ], a' O2 w6 z% r
同学们也可以选择申请一些不那么热门的但是设有 DS 或者 Analytics Track 的项目,来实现入读综合排名更高、地理位置更优越的 DS 相关项目的诉求。
+ ]9 A1 c0 \3 e. O5 w 6 o/ J' f' p* R1 c7 F& r
代表学校课程 . N1 x* S+ d& g* ?. }! |
·Cornell-MEng in ORIE Data Analytics Concentration
! X7 H4 M! t, g! U3 g# S4 k& B
& L Z% j2 G7 E$ {$ l ·Rochester:MS in Technical Entrepreneurship and Management [TEAM] Data Science Track
: }- f* S# g6 k2 [3 f5 g
_9 W+ F& J5 b: g+ v) P ✦ ; Y3 H+ R3 j6 U# g7 }
Q&A
7 R% l" e% \, N' K ✦ * m; i" b/ L; I+ F: `
Q1
. u) j* V: ~* v+ r BA 毕业留美容易吗,如果留在美国的话,工资是一个什么水准? + ^; Y! V, a/ A0 O" \
需要留美要考虑的因素: - z6 o4 K7 v8 p" t9 z1 T! Q; q$ Y
第一,找工作。 ) b6 s, H4 {* W
虽然现在就业不是很景气,软件工程师的需求量仍然特别大。但 CS 这个专业并不是所有人都可以去申请的,并且这个专业本身也非常内卷;
0 ]% p1 `" _6 \* C! X' v( }+ F 其次,因为现在进入到了大数据时代,数据覆盖到了我们生活的方方面面,有这样一个需求缺口,所以 BA 找工作相对而言还是比较容易。
' l* E* g- t+ G; c. {, W, g 第二,BA 属于 STEM 项目,会有三年的 OPT 时间,等在美国顺利找到工作之后就可以有机会抽取 H1B 的工作签证,从而有机会拿到绿卡。
; ~" \" ~2 p" S. Z2 @6 X8 H' I
4 P3 L/ D) s C7 z' n Q2
7 n Z* i3 t& a H1B 抽中的概率有多大?
+ p$ ^- c& n2 ^ c% x 如果美本的学生,那么大学毕业就有一次 H1B 的抽取机会,但是这一次抽中的概率会比较小;
+ Q) D% _2 N: G, P; m1 [ 到了研究生之后,抽中的概率会相对而言大很多,对于研究生而言抽取的制度是一年两抽; + r _# f0 U% J& Q2 ]
但不是百分之百抽到,首先要符合资格是找到工作,公司给予相关的帮助。
5 T+ g( ~3 ~+ Z, ?% Y5 m+ l Q3
& M" K3 @/ Z Y+ H1 q 本科 CS,申请 DS 还是 CS 有利于就业? / R0 C9 G1 ]% y. @9 J0 b3 g
单纯来说,在 DS 和 CS 方面,CS 就业会更容易,美国对于程序员的需求还是蛮大的。如果感兴趣可以申请。
# n* A/ ]) v" d % u1 [4 T. i# s/ b6 q' B
Q4
. |* t; Z& @" U2 T! N R) O1 d 专排对于申请研究生具有优势吗?
5 W/ b3 v# [# a 首先,美国本地学生的话申请美校是比内陆的学生天然具有优势,除去清华北大,比 985、211 还是有优势的, ! I& r- p: h# c5 M! F% f
其次,要看本科是什么专业,转专业申请 BA 的话要看先修课是否满足。 : t0 m+ n, h9 B' Y
如果是专业前五十、理工科、又是美国本地其实是比较有优势的。
- c4 P$ {1 {- n8 x1 Q4 S6 a4 H7 j6 _/ [: ~* C& K
) | Y, d% U6 a
$ y1 Z: j ~% M! r1 k
1 P/ n5 @+ x4 V- }8 G
/ b/ n9 F9 \: s' O
5 g7 m9 Z3 x! N7 L+ B/ m2 b: y1 z2 j0 D
7 R" o u4 b6 n' L9 z
( V. Y$ n1 K5 o, j( S+ v' j$ }
5 C! Q% J3 u) U
: a: I8 s! }# Q+ Q& v( J |