主讲人：Emily Education MIT Master of Science in Business Analytics 美国Top30本科，专业数学与经济，辅修统计 Professional Experience Nordstrom Data Scientist internship; National bureau of Statistics of China, etc. 01 BA是什么？ 第一是skills能力，包括逻辑分析能力、学习能力和数据分析能力等。
第二条是technical，这个专业对技术有一定的要求，也就说你要懂最新的技术，就算你不精通，你也要知道它是干什么的。
第三个是应用，就是要用统计的模型或者你学过统计的知识，应用到实践问题里。
第四个是practice，你给出来的解决方式要非常的实用，不是局限于一个学术水平。
第五个是investigation，BA要求有创造力，你必须要通过现有的问题或者说现有的数据，去挖掘到他内在的问题，而这个是没有人会教你的。
最后一个是drive business planning, 就是通过一个数据的提取、转换和分析，来帮助解读一些商业的问题。
从实际的提出解决的方案到最后的实施过程中，BA都是要参与到里面的，应该说数据是一个哑巴，而BA的主要的工作就是让这个哑巴开口说话。
02
BA到底是一个专业还是一个职业？ 说实话我自己申请甚至我现在就读，我也不好去给一个非常明确的定义。
从我的角度来说，我更倾向于说BA是一个职业而非一个专业，而现在的它确实又是一个非常流行的一个趋势，因为这个职业在各个行业中的需求量非常高，是一个新兴的行业，也演变成了一个专业。
应该说BA和DS非常的类似,都是从统计衍生而来的一个分支，但是因为两个track有稍稍的不太一样，以至于现在每个学校program的命名上可能有那么一些差异。
这个专业主要有三个组成部分：一个是business，一个是statistic和mathematics，最后一个就是computer science，它是一个非常多样的、多栖的一个专业。
以上三个部分都是需要有一定的了解，但不需要你非常精通，而BA就是要求你在这三个领域里面能够自由的切换，同时能够把你这三个领域中学到的知识结合到一起运用。
03 DS和BA的区别和联系 许多人除了对BA非常感兴趣以外，也对DS也非常感兴趣，我在这里着重给大家做一下介绍DS。
首先我并不认为这两个专业有什么特别大的差异，如果你广泛来定义的话他们是一样的，甚至将来你们在求职过程中这两个title下面干的活都可能是一样的。
所以我把它们拆分成两部分：一个是学术方向和就业方向，来跟大家说一下区别。
首先学术方向，BA是绝对要偏商科的，很多学校把这个学科给设置在商学院底下。
比如说MIT就在斯隆商学院底下。
DS大多数是在engineering下面，也就是说它是会偏工科一些。
像哥伦比亚的DS或者NYU的DS。
在course的安排上，BA方向会多一些商业性质的课，比如说我们就会多上一些marketing或者是供应链管理之类的课；而DS都会偏向于computer science之类的课，或者engineering或者python。
所以在申请的时候，一定要着重去看一下课程描述，它的课程都有哪些，是不是你感兴趣的，是不是你想要学的。
然后就业方向来说，BA比较着重于做前端的。
所谓的前端是说你会直接的跟公司内部的产品的team或者是marketing的team 或者是finance的team去交流，要及时的沟通和对接，了解到他们的需求，帮助他们了解你做出来的分析怎么应用；同时要去跟engineering配合，指导他们完成各种实验，或者怎么去调整。
那么DS就可能是偏中后端一点，尤其在一些high tech的公司里，可能着重在后台去做一些研发，更好的衡量公司的performance。
不需要直接跟其他的team密切的沟通或者去做汇报。
04
MIT BA项目介绍 MIT BA我想很多人应该听说过，因为这个专业今年真的是非常火。
这个专业是设在了斯隆商学院底下，但是它其实的是跨在了两个管理层面上，一个是商学院，一个是operation research center底下。
它的前身其实就是OR的master。
这个专业要求你必须一年毕业，有84个必修学分，48个选修学分。
关于招生情况，第一届只有16个人，中国人只有五个人。
所有的中国人都是有海外背景的，包括从欧洲来的学生也都是必须有海外背景的工作或者实习的经历。
大多数找的是咨询公司和科技公司会比较多一点。
专业的课程设置 The analytics edge是一门project的课，基本上上课实践很短，主要做项目，以team的形式为主，这个课程主要是作业和项目，类似于工作中会遇到的情况，会不停的赶进度。
Applied probability and stochastic modles，应用概率与随机模型，将来面试对这项能力的考察是非常严格的。
Analytics capstone是去做一个实习，给一个公司做项目，有非常详细的project planning，要定期跟学校和项目汇报，提交结果。
Optimization methods学校都在开，这门课比较重要的原因在于，各行各业都需要找到最优解，是理论和实践结合的课程，最终通过project和作业模拟解决一些实际的问题。
Analytics lab课程会邀请一些大公司给你一些非常实际的案例，而这些案例可能将来在你求职的时候非常有优势。
Machine Learning是当前比较热门的课程，如果对programming有兴趣是一定要学的，也非常有用。
最后from analytics to action是我们专业特有的，一般开设在假期集中培养。
选修课只能选三个，同时你自身也非常忙，因此你选择的课程一定要match未来想要的就业方向和自身的兴趣。
关于这个项目的学习，上课是一部分，你要听老师讲他们对于产品的想法，或者怎么分析问题，他们很多都是来自于一些大公司，担任课作教授。
其次最重要其实去做作业，你会发现这里面没有一门课是专门教你program的，所有的program的练习都是在你实际的作业和project当中自己去学习。
同时这个专业对program的要求还是非常高的，因为你需要自己去提取data，自己去做转换，自己去做一些run going，这些都是需要program作为一个工具和手段来帮助你。
05
申请准备 BA专业的要求是非常多样化的，就学术背景来讲，以下几个背景是非常适合申请的，包括数学、经济、金融、统计、计算机科学和EE等。
如果你不是这些专业背景的话，需要自己补充这些先修课程，同时在你申请的时候，你一定要列出来你上过哪些相关的课程。
这些课程不要求你非常精通，但一定要会用。
同时我建议大家如果还有时间的话要去做一下intern，申请这个专业的很多人都是有工作经验的，如果你没有工作经验，会成为你一个短板或者一个劣势。
我建议大家可以去做一下比较实际的project，并不在于说你实习公司的title有多高，更重要的是你工作实习的内容。
最后一方面是skill sets，首先是你的批判性思维能力、逻辑分析能力，将来你面试的时候或者你要进入这个专业，是非常重要的衡量标准。
第二个是programming，包括python、R、SQL、EXCEL和C。
最后就是统计和数学知识需要有非常坚实的知识基底，在你申请的时候一定要写清楚你曾经上过这些课，取得了怎样的成绩。
06
申请感悟 首先在申请时一定要了解每个专业的培养方向，一定要清楚这个专业的培养目标和你自身的兴趣和方向是否匹配，同时申请时一定要将自己的长处和这个专业match。
其次要有充足的信息，要了解到各个学校和项目的课程设置和就业情况，以及它的专业背景的要求和成绩要求。
关于简历，CV不是每个专业都需要，但是最好是准备起来，作为补充材料非常有用，能够展现你这个学生的闪光点。
申请截止之后如果有任何学术或者研究上的进步，都可以随时更新给学校，及时和学校沟通，这方面会让学校看到你的重视程度。
最后在申请的时候建议大家要多多申请其他相关的项目，比如统计、金融等，同时申请只是开端，当你成功拿到offer，就业就会接踵而至，要两手抓。
