考研商业计划书(考研app商业计划书)

 

01 什么是BA专业？

BA专业全称 Business Analytics，商业分析。从专业名称上有些学校的叫法也有所不同，比如芝加哥大学称BA为Analytics，还有个别院校称BA为Applied Analytics。

商业分析是近几年来出现的新兴学科，核心是利用分析数据与互联网大数据相联，通过精准的算法，建模对企业进行商业分析和数据处理来对企业未来的商业策略做预测。

大部分学校的BA专业开设在商学院下，也有少数的学校开设在其他的学院，例如康奈尔大学和西北大学的BA专业开设在工程学院下，卡耐基梅隆开设在信息管理学院下。

BA作为一门交叉学科，需要学生掌握基础的商科，统计和计算机的知识。课程设置上基本课程包括：统计学，概率论，微积分，编程，数据分析，商业决策等。拓展课程包括：数据库管理，网页分析，Python等。

*需要注意的是BA专业在不同院校，主修课程设置的方向是不同的。比如JHU的主修课程大多以商科为主，而MIT的主修课程大多以理工科为主。

02 就业前景

BA的就业方向主要是数据分析师和程序设计师，在大数据时代是高科技公司及很多传统企业最热门及高新的岗位之一，最近几年各名校商业分析硕士毕业后的就业率和薪资还是非常可观的。

根据Glassdoor目前公布的数据，该专业毕业生在美国的平均年薪达到近8万美元，很多回国的同学在国内大厂也可以达到50w+人民币的起薪。毕业生常见就业公司：麦肯锡，BCG，亚马逊，谷歌，Amazon及四大等。

03 热门院校推荐

麻省理工学院MIT

Master of Business Analytics

项目时长为1年。开设的商业分析硕士项目主要是培养学生运用和管理现代科学解决商业问题的能力。MIT商业分析硕士申请条件较高，往年申请者平均录取成绩为GPA3.9分以上；托福往年平均录取成绩为110分以上，雅思平均录取成绩为7.0分。最好有专业相关的工作经验，如果是大学生，建议有全球知名咨询公司的实力经历。

南加州大学USC

Master of Business Analytics

项目时长为18个月。BA的课程设置比较完善，主要专注于大数据分析，整体课程偏向于数据科学与信息技术方向。对于偏技术类的课程都是由浅入深。课程中最大的亮点就是注重商业实际，基本所有的课都能找到合作企业，用真实的商业数据做project，和实习非常相似。

哥伦比亚大学 Columbia

Masterin Business Analytics

哥大的BA学习是两学期的项目，核心课程包括：概率论，算法，统计推理和建模，计算机系统（数据科学），机器学习（数据科学），探索性数据分析和可视化等。

埃默里大学Emory

MS in Business Analytics

为期10个月的项目。此专业属于STEM专业，STEM专业毕业生在美国OPT时间可达36个月，而非STEM专业学生的OPT时限为一年。埃默里大学的商业分析专业也有背景要求：必须要修过微积分以及统计学的课程。课程设置偏向技术，所有的课程都是project-based，所以能够将学到的技能很好地应用起来。

纽约大学 NYU

MS in Business Analytics

NYU商业分析硕士项目在TFE排名第1名。其具备极其优越的地理位置——纽约曼哈顿，毕业后就业机会会相对较多。纽约大学商业分析硕士申请条件为，GPA平均录取成绩为3.7分以上；托福平均录取成绩要求达到105分以上，雅思平均录取成绩要求达到7.5分以上；GMAT和GRE成绩无最低分数线限制；对申请有最低5年全职工作经验要求。

04 申请条件

硬性条件：

总体往年录取情况来看：

对想要申请top20美国大学的同学们，建议：托福：110+， 雅思：7.5+， GPA：3.7+，GRE：325+， GMAT：720+。

对想要申请top20-30美国大学的同学们，建议：托福：105+， 雅思：7+， GPA：3.5+，GRE：320+， GMAT：700+。

申请准备：

大部分没有明确给出要求的本科背景，但是偏好本科专业为数学，经济，工程，统计，计算机等的学生。

老板处理失败产生的指责，领导处理失败本身。老板说，“去”（GO），领导说，“我们一起去” （Let’s Go!).

实习建议：

大部分的商业分析硕士的项目不强制需要有工作经验。建议学生有数据分析，金融分析，市场分析方面的实习经历。能够在四大的咨询岗位或是审计，知名社交媒体公司的市场分析部门，证券公司的私募分析等实习是加分项。

05 商业分析分类

商业分析专业分支一般分两类，一类是偏商业（Business）的，一类是偏技术（Technology）的。

偏商业的商业分析更加致力于用商业的眼光分析大数据并且运用于解决复杂的商务决策中，思考和分析的高度比偏技术方面的商业分析高，这种商业分析专业一般开设在商学院下，对学生的本科专业背景几乎没有什么要求。

例如：例如杜克大学商业分析硕士（MQM: Business Analytics ）录取者的本科专业统计，商科将近一半，其他工科、经济学、文科等均有录取。

来源：杜克大学官网

而偏技术的商业分析更偏向针对某个公司产品，进行分析建模，驱动增长。偏技术的商业分析一般开在工程学院和继续教育学院。申请这种类型的商业分析专业需要申请者有比较好的量化背景，招生办比较喜欢申请者的本科专业为统计学、数学、计算机科学、物理学、工程学等。

从经济学来看，正常利润属于成本的一种。利润最大化的原则是边际收益等于边际成本。

例如：由MIT斯隆商学院开设的Master of Business Analytics（商业分析硕士）项目，其录取的学生商科极少（仅占总录取人数的2%），大部分以数学、科学、工程、经济学和计算机科学等强调数学和量化背景的专业为主。

来源：MIT官网

▶具体的偏商业方向分支有:

Customer Analytics 客户分析、Healthcare Analytics 医疗保健分析、Supply Chain Analytics 供应链分析、Financial Technology Analytics 金融科技分析和 Marketing Analytics 市场营销分析。

▶偏技术方向分支有：

Analytics on the Cloud 云分析、Algorithms and Data Analysis 算法和数据分析、Systems Analysis and Design 系统分析和设计和 Machine Learning 机器学习 等等。

06 商业分析、数据科学和数据分析的区别

商业分析 Buesiness Analytics（简称BA）

数据科学 Data Science (简称DS）

数据分析 Data Analytics (简称DA）

商业分析（BA）和数据分析（DA） 是由统计学（Statistics） 下的应用统计学（Applied Statistics） 分支发展进化而来。而数据科学（DS） 的原型是计算机科学（Computer Science）。从学科领域来说，区别还是挺大的。但大家只要了解到他们的原型，就会很好的理解每个专业的侧重点的不同。

数据分析（DA）

理论基础是统计学，也包含了数据挖掘（Data Mining） 和 回归模型（Regression Model） 的运用。典型的数据分析研究生项目大致上离不开数据挖掘、定量分析法、预测分析、预测模型以及数据可视化。

▶数据分析对能力的要求包括：

良好的数学和统计基础

计算机和编程技术

数据库技术

商业决策管理

数据分析的主要工作内容是从大量复杂零散的数据中， 分析出资讯、趋势，进而作出或者帮助管理层作出最有利的经营决策。总体来说，数据分析项目专注在培养申请者的量化能力（Quantitative Skill），统计能力（Statistics）和数据挖掘能力（Data Mining）。

例如：利用不同的数据库整理出所需要数据，用 统计学建模技术（Statistical modeling Techniques）,概率矩阵（ Probability Matrixes）分析数据。

另外，沟通能力在数据分析项目里面也非常重要。课程也会设置这方面的要求。因为在工作中，呈现数据给非理工对象并帮助做决策也是一项很重要的工作。在目前的就业市场，科技，金融，保险，咨询等行业大量需求 数据分析毕业的人才。福布斯（Forbes） 预测，未来2年数据分析和数据科学的需求将会上涨28%。

如果你想投入到科技行业，但又没有计算机科学的背景， 数据分析的研究生项目将是你的到科技行业的不错途径。

商业分析（BA）

随着大数据时代的来临，商业社会对数据分析的需求越来越大，商业分析专业逐渐独立于应用统计学。商业分析专业大多是在商学院或者继续教育学院（Professional School) 下。在一个偏商科的项目中里，学生也能学到数据挖掘, 预测建模和分析编程等课程， 只不过课程比重相对数据分析和数据科学相对较少

▶商业分析更多地会侧重于：

风险评估和缓解

绩效报告

效率最优

供应链管理

市场营销和决策

因为是商科比重较重，分析互联网用户行为，经济学，会计等都会涉及到。总的来说，你可以认为商业分析相较没有那么的理工。

数据科学（DS）

数据科学是以计算机科学的课程为基础分化而来。与商业分析不同，其理论基础包括工程学、计算机工程和计算机科学。数据科学涉及到的专业知识还包含了机械学习、云计算、最优化（Optimization） 等。数据科学相对来说对编程能力的要求是比较高的。

举例来说，商业分析和数据分析很多时候是拿现有的工具和程序去应用，但是如果遇到一些相对很复杂的数据问题，需要开发程序，建模的话，那就是需要数据科学人员去写出来和调模型。

▶数据科学的课程注重于：

机械学习和人工智能

云计算

回归分析和时间序列分析

软件工程

掌握和工作生活息息相关的财经常识，其实不需要花费太多的时间和精力。