美国Business Analytics(商业分析)研究报告

大数据时代催生了Business Analytics（商业分析）这个新兴专业，其是以商科知识为基础，数据编程与分析为手段，核心是将大量数据转化为清晰、可使用信息，目的是帮助企业进行合理预测，并引导决策，优化实现价值最大化。简单理解就是将Big Data应用在商业领域。

随着大数据时代发展，商业环境愈发复杂、市场需求变大，BA自出现以来，就一直火到现在，「高薪资水平」+「就业率几乎 100%」，BA就是王道。 很多商科/非商科同学都想要选择这个专业方向，作为新兴专业，开设的学校虽然整体数量不如传统商科专业多，但随着近两三年的发展，开设院校也是在逐年增加。 人气高热度=申请高难度美国开设BA专业比较早，项目也比较成熟。BA到底是一个怎样的专业？申请BA需要具备哪些条件？如何进行选校？就业发展如何？今天小编就跟大家详细聊聊美国BA专业申请解析~ 

一

BA简介

1、BA特点

Business Analytics是一门新兴学科，核心是数据挖掘和数据分析，与现在的互联网及大数据（Big Data）相联，主要是利用高深的技术、模型和算法进行数据挖掘和商业分析，目标是进行预测，引导决策。BA的特点是：它介于纯商业与数据学科之间，比纯商业学科更数理，也比纯数理学科更偏应用。它是商科和计算机科学交叉的学科，融合了统计、计算机、商科知识，也使得这个学科的人才能够在非常广泛的领域创造价值。 作为新兴学科，这个行业目前还非常具有发展空间，每年都有一些学校新开设此专业。BA人才在各行各业都比较急缺，除了传统的金融行业、销售行业、制造行业，新兴的互联网行业等等，在大数据与互联网的浪潮下都急需专业深入的数据分析，来帮助做优化决策。 

2、BA学什么？

可以掌握不少职场技能（商科+计算机+统计）：尽管各个学校的BA学位培养目标可能不尽相同，但其课程设置大同小异，基本上都是涵盖数理编程和管理科学类的课程，包括：统计学、数据分析、数据可视化、商业决策等；拓展课程包括数据库、数据挖掘、机器学习等。 

3、BA与金融的区别

同为量化商科项目，BA与金融看似都是利用数据去分析商业操作来使利益最大化，但两者还是有很大区别的。 金融的量化是更细分领域的分析，集中于对金融市场的观察与研究，用数据、工程手段解决金融问题或开发金融产品，就业方向也主要是投行、证券等金融机构或企业的投资、财务部门。 但BA相对来说就更为宽泛，学的量化课程则是更泛化更通用的统计、计算机知识，不局限于任一行业，所以就业范围相对来说也更广，可以做管理咨询，或者任何一个行业的运营、市场类部门，当然同样也有进金融机构。有的在阿里巴巴、大众点评之类的互联网公司，也有在耐克、联合利华等消费品行业做市场运营，还有在四大做管理咨询等，各种各样的都有。 就业就是BA和金融最直观的差别。 

二

BA项目分类

目前美国TOP100学校里，大约有接近60个Business Analytics相关专业。除了常规的BA项目外，还有一些课程设置与就业方向都与BA 相似的专业也可以纳入BA 的申请范围，比如Information System Management、Analytics、Customer Analytics、Marketing Analytics等。 正因BA属于商科和计算机科学交叉性学科，所以不同院校开设此项目设置在了不同学院下，主要可分三两类：① 商学院：大部分BA项目都设置在商学院下，如UT Austin、Emory、USC、UCLA、Duke、WUSTL、WM、Rochester、WFU、Miami、MSU、GWU等② 工程学院/计算机学院：如Columbia、Northwestern、Cornell等

③ 信息学院：如CMU等

 一般设置在工程学院/计算机学院/信息学院下的项目，对数学和计算机背景要求都很高。BA硕士绝大多数都是以就业为导向，从贴合就业实际的Big Data-Analytical Work角度来培养学生。 从学院分配角度看，也能大概看出各个项目的侧重和录取偏好。商科背景的同学，一般建议申请商学院下的BA，不要盲目选取工程、计算机、信息学院下的项目；后者会比商学院项目更考察申请者在计算机、数理上的课程背景和学术能力，不太建议纯商科背景的同学去申请。 BA项目除基础课程之外，也有各种不同的concentration，或者发展方向。如Big Data、Marketing Analytics、Customer Analytics、Strategy Analytics等等，在选择的时候最好能够结合自己的兴趣和背景找到最适合的。例如Duke的MQM: Business Analytics下设有Finance、Marketing、Strategy、Forensics 4个不同的concentration。WUSTL的Business Analytics下也设有Customer Analytics、Healthcare Analytics、Supply Chain Analytics、Financial Technology Analytics 4个不同的concentration。 最适合自己的这点，不仅是和你的期望发展方向契合，一定还要注意自身的学术背景和专业匹配度，这一点是学校在录取学生的时候非常在意的，因为学校要确保你有足够的基础能完成硕士阶段的学习。所以在选校和选项目的时候，一定要兼顾自己的过去和未来，不要盲目选择。 

三

申请攻略与建议

1、专业背景及申请方向选择

 【商科背景】

大部分项目都可以考虑，但需考量自己课程与申请方向的相关程度，越高越好，最好选商学院下面的项目。 除了基础了数学课：高数、微积分、概率论、统计外，需要着重准备数据库、SQL、R、Python、C++、数理统计、随机过程等数学、计算机相关课程。 如果是大一大二的同学，最好是之后的学习中学习一些相关课程。当然要保证能够跟得上，避免选了一些很难的，到时候学不过来，拉低GPA。 如果现在已经大三，没有时间去选修课程，可以考虑在Coursera这类网课平台学习相关课程。时间充足的情况下，还是更建议在学校选课，因为可以出现在课程单上，帮忙更大；如果是网课，考察没有比较立体的呈现，这个作为备选，优先还是学校选课。 

【文科转专业申请】

项目选择上一般只能申请商科的BA项目，不能选择偏纯理科的某些项目，比如西北大学的Analytics。需要极强的数学、统计、计算机、编程、信息系统等相关背景。 必须学过包括：高数、微积分、概率论、统计等基础数学课程，还需要着重准备数据库、SQL、R、Python、C++、数理统计、随机过程等数学、计算机相关先修课程。 而Business方向的先修课则不需要太多，可以的话最好再先修一些宏微观、计量经济学、Finance、Accounting、Marketing相关课程。 有少部分学校可以给数理背景较弱的学生提供暑期数学课程，但仅限于背景特别优秀的学生。 

【理工科】

BA项目比较偏爱理工科背景的同学，如计算机、数据科学、数学等相关专业，但并不仅局限于这些学科。 大部分项目都可以申请，比商科/文科同学好申请很多，但是理工科重点在数学和计算机这类学科；如果是化学，也需要先看计算机和数学基础，以这个为标准看是否需要选修相关课程。 2、硬性成绩 

【GPA】

成绩方面，如果考虑申请前50的学校，GPA需要达到3.3以上，如果想要申请TOP30的学校，至少3.5+，建议3.8的水平。 

【IBT/IELTS】

申请美国BA建议准备托福。虽然大部分项目对语言的要求不算太高，甚至有minimum仅IBT90的，但建议至少还是要准备100左右成绩，TOP院校建议110左右。 如果英语基础较差的同学可以考虑考IELTS，一般条件是6.5和7，仅少数学校不收雅思。但如果是申请排名高的学校，建议还是考IBT，部分学校对IBT的小分要求比IELTS要宽限很多。

【GMAT/GRE】

申请BA更推荐考GRE，且近来GRE分数越来越高。 最低GRE300/GMAT600即可；申请TOP50建议320+/700+；申请TOP30建议325+/720+，这只是比较基础的要求，像TOP学校（如Columbia、UCLA、Duke等）最好有330/730+的水平。 3、软性背景 

【实习】

尤其对于申请商学院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：券商：投行部/行业研究部

互联网金融：百度金融数据分析…

四大：战略咨询、管理咨询等偏数据岗

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…

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…

电商：京东数据分析实习生…

快消：联合利华市场部、宝洁市场部…

大数据公司：BBD数据分析岗…

等等

【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、数据分析学术活动等也可以参加。 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。 

【学术课题研究】

参与优质的课题/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。 参加学术项目选择上，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。甚至能有论文发表的话也会有一定优势。 

【交换】

① 2+2国内现在不少院校都有挺多美国2＋2交换项目，参加这样的项目国内和海外的学位都可以拿到，这对于申请美国来说是个天然优势，美本申请一般事半功倍。大一大二的同学如有条件可以参加，都建议参加2＋2项目：一方面给自己更好的学位背景，可以主修辅修相关专业课程，并且好好学的话能拿到不错的GPA；另一方面在美国有更好的平台和资源优势，可以接触到当地实习等。 ② 学期交换如果没有办法参加2+2项目，1年或者1个学期的交换也是建议尽量去参加，有当地的学习经验对申请帮助也比较大，能够提前适应国外教育环境，还能够要国外教授推荐信。 ③ 暑校如果前面两种都没有办法参加的话，建议可以考虑一些暑校项目，能参加尽量参加，增加海外交流背景。如果在暑校表现很不错的，可以和那边的老师或者教授达成很好的沟通，也许会有愿意给你做推荐人的，帮助也很大。 

四

申请难度

虽然开设BA相关项目的学校不少，但美国前50的BA项目应届本科生能申请到的只有二十多个，且大部分的项目总体招收人数偏低。尤其是从2017年开始，BA项目在国内外大火，有部分学校增开了新的BA 项目，但同时申请的人数翻了好几番，竞争很激烈。 名校整体录取偏好：对于TOP30的项目，3.5+/720+ or 320+/100+的三围属于标配要求，且之前录取的顶级项目的学生大部分都有丰富的课外软性背景经历。如出国名校交换、顶级大公司实习与实习推荐信、高质量学术研究课题、高含金量比赛获奖等等；TOP30-50区间的项目录取条件也仅仅降低一点点，大部分项目都对应届生比较友好，不要求要有全职工作经验，但是有的话必然是非常大的加分项。 下面我们对相关学校申请难度区间做个划分： 

① 顶级难度学校：Harvard、Chicago…能够申请到这些学校的学生，其实已经非常优秀了，不需借用外力也能申到，各方面材料准备好就行，都是大神，不用来找我们也能申到。

② 比较困难学校：MIT、Columbia、WUSTL、UCLA、Cornell…普通211和985偶有个把录取，能申到的都是GPA超级高，GRE/GMAT和IBT超级高（4 / 330 or 750 / 110）, 并且有非常Big Name、内容丰满的实习（如四大咨询等，且绝对不是水实习）。PS：水实习是指不是自己亲身经历的，或者去实习没有很认真的参与核心项目的。在BA申请中比较有含金量的实习，一个是实习的Title比较大一定是Big Name公司，实习内容一定是和数据分析工作比较契合的，不能每天只是录表格、填数据、找数据，需要涉及处理数据、数据分析，并运用一些比较专业的分析软件，或者能跟进到某个项目中。

③ 高级学校（我们常常用来冲刺的项目）：Duke、USC、WFU、WM…需要基本条件GPA 3.5+，GRE320+/GMAT700+，IBT100+；有大量优质经历（高质量比赛，高质量实习，国际交流等等）。

 ④ 中级学校（约从综排40-80）：Southern Methodist、Syracuse、Connecticut…需要基本条件GPA3.2+，GRE300+/GMAT650+，IBT100，正常经历包装即可。 

⑤ 保底考虑（综排80之后，以及商学院排靠前的学校）：Temple，Denver，UTD…供硬件条件很一般的学生参考。总结下，申请建议考虑学校的申请难度匹配自己的三维和实习等软性背景达标与否。申请难度整体来说美国录取条件随排名降低，排名越高的申请难度越大，越低的越容易。五

就业情况

在美国BA专业大多数都是STEM项目，意味着毕业生将拥有更长的OPT时间，可以在美国呆3年，普通OPT只有1年，所以这给了BA学生更多时间在美国实习或者工作。很多学校BA项目在就业服务上也做得很好。这对于毕业后想在美国实习工作，并最终有一席立足之地的同学来说提供了很大的方便。即便是部分地理位置偏僻，以及工作签越来越难拿的大环境下，BA找短期实习或工作还是相对轻松，因为市场缺口比较大，毕业后短期留在当地不是很难。根据学校大部分BA项目的毕业数据来看，3个月内就业率高达99%。BA目前的就业当然还是好于商科的大部分其他专业（ACCT、Finance…），并且越来越多的美国公司开始建设自己的Data Analytics团队。 从BA就业行业来看，非常宽泛，任何需要数据的地方都需要做分析。基本上BA可以适用于各类行业：咨询、金融、保险、证券、消费品、科技、互联网、零售、制造业、能源、医疗、娱乐业等各行各业，关键是公司有没有这方面的数据分析需求，只要有那就是需要的。 从BA就业工作来看，美国BA毕业生中，只有极少数去了金融行业，大部分都去了各行各业做Business Analyst、Data Analyst之类的工作。

职位主要是侧重于数据的整理性分析，a/b testing，data viz。具体又可以根据工作的部门/职能分类，比如Product Analyst，Customer Analyst，Marketing Analyst...，但是万变不离其宗，分析方法基本都是一致的，只是对于Domain Knowledge的要求有所不同。比如有Marketing经验的同学就比较容易拿到有Marketing Analytics方向的BA项目offer，也比较容易找到Marketing Analyst的工作，公司会看重你在这方面的商业经验。 具体工作内容在不同行业中专门从事行业数据搜集、整理、分析、并依据数据做出行业研究、评估和预测。例如：咨询领域Analytical Consultant（数据分析咨询师）负责团队咨询服务中的统计分析部分（数据准备、数据清洗、数据挖掘、预测分析），与其他咨询顾问合作，用预测模型进行数据挖掘和预测，提供技术支持，为客户提供优化解决方案。互联网领域Data Scientist（数据科学家）负责数据提取、挖掘、分析、数据可视化、转换，为客户提供商业决策方案。

金融领域Quantitative Risk Analyst（定量风险分析师）主要针对信用产品进行风险评估和管控，会经常用到SAS SAL这些统计软件，职业发展可以是金融机构内部风险内控方向。

还有市场分析：广告策略、广告投放、市场定位、整合市场营销；消费者分析：消费者画像、消费习惯分析、消费偏好；零售行业：产品分析、定价分析、渠道分析；等等。

 常见就业公司：IBM, AT&T, Google, Facebook, Microsoft, Twitter, EY, PwC, DTT, KPMG, Roland Berger, Bain, JP Mogen, Coca-Cola, Home Depot, Georgia Pacific, Fedex, AMEX, Wayfair, Volvo, Ford等等。 虽然这是一个较新的专业，但却有很好的就业前景。在大数据时代，很多行业都需要擅长挖掘和分析数据的人，而且薪资水平也较高。​