<p style="text-align: justify;"><strong>指南者学员投稿</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">X同学</p> <p style="text-align: justify;"><span style="color: #1890ff;"><a style="color: #1890ff;" href="https://www.compassedu.hk/activity_173" target="_blank" rel="noopener">南京大学</a></span></p> <p style="text-align: justify;">GPA88.8 语言104</p> <p style="text-align: justify;">哥伦比亚大学管理科学理学硕士</p> <p style="text-align: justify;">纽约大学数据科学理学硕士</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">因为我主要申请了三个方向的专业&mdash;&mdash;Data Science、Business Analytics、IE/OR（运筹学和工业工程），所以今天先和大家分享一些我在专业选择方面积累的经验。主要是这三个热门大类专业之间的区别、就业情况、美国院校的申请情况。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>共同点和区别概述</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">申请Data Science和Business Analytics这两个项目的同学在逐年增加，而业界对于这两个专业所培养出来学生的专业技能也有很大的需求缺口，且这方面因为和大数据人工智能或商业结合得非常紧密，所以能够吸引很多同学申请这个方向。美国的很多院校也都因此开设了这方面的专业，希望能够培养既懂得商业分析，又懂得如何运用量化工具的专业人才，来解决工业界遇到的实际问题。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">这三类专业的共同点是：它们都关乎社会的现实问题，都以商业或者工程应用为背景来解决实际问题。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><img style="width: 728px; height: 598px;" src="http://info.compassedu.hk/sucai/content/20191129/1574996698726.jpg" alt="" width="728" height="598" /></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">上图主要是我们解决问题的一个过程。首先认识问题，在生产或者是在商业世界中发生了什么问题，其次分析为什么会发生这样的问题，再做预测，最终再来改进或者解决这个问题。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">那么我们认识问题、改进问题、解决问题的过程，其实是分别应用到这三个专业的。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">识别问题、认识问题，更多是商业分析所涉及的内容。如何改进和解决问题，更多是运筹学工业工程所涉及的内容。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">因为我们现在有更多的数据可以进行判断，那么Data Science其实是涵盖和覆盖在认识问题的整个过程中的。所以这三类方向其实都是以量化和基本的数学训练为核心的。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><img src="http://info.compassedu.hk/sucai/content/20191129/1574996715004.jpg" alt="" width="728" height="495" /></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">Data Science相对来讲对数学和计算机的要求比较高，因为它需要我们不仅要学会去识别问题，通过例如Causal Inference或者是比较基本的Data Analysis之类的一些工具，还需要我们在识别问题之后解决问题，这里又会涉及到算法来做优化改进，提出一个可行解。这就是Data Science比其他两个专业方向范围更广，和学生会觉得比较难的原因。它看重的经历和技能，一方面是概率论和统计，第二方面也就是最基础的&mdash;&mdash;计算机。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">商业分析则更多是和商业，比如商业金融和社会学相结合，运用一些量化工具来分析问题的一些方式，所以它不会像Data Science那样对CS要求那么高，你只要掌握一些量化的工具就可以了，比如R之类比较基本的编程语言。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">IE/OR更多是做最优化，也就是我们所熟知的运筹学&mdash;&mdash;怎样用最优化数学工具、用量化分析的手段来解决一些工程上的问题。虽然现在它也应用到了一些其他的商业领域，但是它的核心仍然是最优化，以工程问题居多。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">总之，这三者的核心其实都是怎样量化地解决一些实际中的问题，怎样运用一些基础的数学方法把现实世界建模，然后怎样去识别问题，解决问题。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">下面，我将依次为大家介绍这三个专业方向的申请院校情况和就业情况。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>Data Science</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">Data Science是什么？Data Science其实就是以数学和编程为基础，对其他不同领域细分知识的了解推动整个专业知识体系的建立。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><img src="http://info.compassedu.hk/sucai/content/20191129/1574996743500.jpg" alt="" width="528" height="503" /></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">如上图分别就是编程能力、数学统计知识、以及你在其他细分领域使你和其他工程师产生差异的一些专业技能。比如NYU提供的Data Science的硕士项目其实分为很多个check。虽然你选择了Data Science，但其实有不同的侧重点。你可能会做NLP就是自然语言处理，也可能主要集中在生物方面，运用一些生物统计知识，也有可能是直接解决一些Big Data的问题，还有可能是应用在物理、数学上面。所以实际上我们可以看到，Data Science的应用范围是非常广的，而且它所需要掌握的专业知识的技能会很深。因为你不仅需要计算机和数学的基础，同时你也需要对细分领域比如数学、自然语言处理的基础知识有所了解，你才能成为一个比较合格的Data Scientist。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">正是因为Data Scientist的培养，以及它覆盖面的广泛，所以各大类型的行业都对数据科学家的需求存在很大的缺口。而其中比较主要的毕业后的职业类型去向都会集中于工程师分析师和数据科学家里面。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><img src="http://info.compassedu.hk/sucai/content/20191129/1574996758649.jpg" alt="" width="659" height="270" /></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">毕业生的平均年薪也都比较高，可能都在10万美元左右。不同职业的title也都不一样，但是作为master毕业的话，可能相对来讲比较少会接触到Data Scientist的东西，因为Data Scientist不仅仅是对你的职业技能要求比较高，同时它也会要求你有比较深的钻研精神，所以它可能会更偏好于PhD毕业的同学。所以有很大一部分在Data Science Programme毕业的同学，之后会去做Data Analytics，也就是我接下来会介绍的和Business Analytics 比较接近的一个部分，但是他们这个项目培养出来的毕业生，会有更深厚的量化和计算机的基础。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">现在的申请情况也是越来越多院校有开设Data Science的项目，而且大部分都是设立在工学院或者数学学院下面，项目时间一般都是两年左右，比较好的像Stanford、NYU，他们一直都是有Data Science的项目，毕业生的去向也都很好。这些项目整体来说也是偏爱有数学和计算机背景的申请同学。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>开设的院校：</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">M.S. in Statistics: Data Science,StanfordUniversity</p> <p style="text-align: justify;">MS in Data Science, New York University</p> <p style="text-align: justify;">MS in Data Science,University of Pennsylvania</p> <p style="text-align: justify;">MS in Data Science,HarvardUniversity</p> <p style="text-align: justify;">MS in Computational Data Science,Carnegie Mellon University</p> <p style="text-align: justify;">MS in Machine Learning, Carnegie Mellon University</p> <p style="text-align: justify;">MS in Data Science, Columbia University</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>Business Analytics</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">也有很大一部分同学，又想做比较solid的，像数据分析的东西，但同时对商业问题更感兴趣。那么其实在这个基础上，Business Analytics这个项目也是很多同学会选择，也能给大家提供一个比较宽广的职业发展路径的一个专业。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">商业分析其实也是以量化分析为基础，结合金融社会学之类的各行业细分知识来解决商业中的实际问题。同样地和Data Science一样，也可以化作三个元交合在一起，就是对计算机的计算机基本知识的储备和应用的了解，对数学基本数学的掌握，以及你的Business Sense，所以它其实和Data Science的主要区别也在这里。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><img src="http://info.compassedu.hk/sucai/content/20191129/1574996776800.jpg" alt="" width="665" height="590" /></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">BA相对来讲，一般而言会处理体量相对比较小的数据。实际中比较少涉及自己进行编程的工作。就不像Data Science一样，它要开发一些数据管理的工具，或者是一些包。作为BA你更多是怎样知道问题的存在，怎样使用这些工具来解决这个问题，所以Data Science更像工具的创造者，而Business Analytics 更像工具的使用者。BA其实就是以统计或者是以编程作为基础来接触数据分析的整个过程，在一些像金融、市场营销，或者是供应链之类的商业背景下，应用数据分析来解决实际的商业问题。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><img src="http://info.compassedu.hk/sucai/content/20191129/1574996786432.jpg" alt="" width="728" height="638" /></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">这个专业方向未来的去向也非常广泛，目标的行业也很多样化，比如银行、快消、能源、政府、医疗等各行各业。有市场的一些购物行为、欺诈或者是犯罪检查，也有一些金融的基本分析，还有一些健康科学或者是类似于生物统计，但是不需要处理那么大体量的数据的一些工作。因此，大家可以看到BA这个项目毕业之后平均工资也相对来讲比较高，只比Data Science稍微低一点，可能在8万左右。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">现在美国越来越多的院校把BA开设到商学院下面，其实开设到商学院和开设到工程管理学院是完全不同的两个概念。商学院更多是培养学生对于商业分析的知识，也就是BA的这个项目或者是BA的这些职位需要大家培养的是如何去识别一些商业中的问题，也就是需要solid 的Business Sense。这些项目时间普遍在一年到两年左右。这个项目对商学院背景的同学比较友好，也有一些其他背景，比如说社会学、新传之类的，就是只要你有一些商学基础的背景，例如实习或者研究经历，然后先修数学，编程基础课程，都可以去尝试申请这个方向。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">现在美国开设了BA专业硕士项目的学校也越来越多，主要是MIT，但是MIT的这个项目其实更偏好于数学、物理、工程背景的学生，它在自己项目主页里面也有做到一些介绍，它其实是主要面向于理科背景的同学的，所以这个项目相对来讲对于商学院背景的同学没有那么友好。但是像NYU、哥大、卡梅和西北，还有其他地区学校，他们都有开设BA的项目，只是他们的名字可能不一样。这些项目也都是非常就业导向的，就是为了培养学生非常深厚的Business Sense，所以它的career service也都非常好，毕业生的就业情况也都很好，起薪也相对来讲比较高，所以这些商学院开设的BA项目，对于各位想要同时解决商业问题，又想了解一些量化工具的学生而言，是一个比较好的选择。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>运筹学或者是工业工程</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">第三个方向就是运筹学或者是工业工程，它其实是以优化为基本思想，需要同学在经济学、管理学、工程建模仿真之类的学术训练背景下应用这些工具，解决一些生产和运营的问题，所以它的应用领域其实相对来讲也比较广泛，可以解决供应链管理的问题、运营管理的问题。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">随着各个行业中数据分析和应用的增加，这个方向其实已经突破了它原来传统的应用，在工业上，比如像富士康制造业的一些应用的小圈子，更多地进入了算法优化；互联网的项目管理之类更广泛的就业领域，比如快消，像宝洁、巴黎欧莱雅、联合利华之类比较大的快消公司，他们都会有一些相应的供应链管理的职位。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">IE和OR这两个专业进入咨询行业的也非常多，因为咨询行业有一些和物流、机场流程、设计之类紧密相关的项目，所以会需要懂得优化的些人才来解决这些问题，然后为他们的项目提供一些基本数学背景的指导，或者是方法论的指导。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">在互联网方向，这个领域的应用也很广，不仅是项目管理（PM），还有在人工智能算法发展到瓶颈的时候，也可能会引入运筹学优化的算法，提升整体的算法效率，这些都是它在于互联网行业中的一些应用。同时还有一些传统的物流制造业的管理和应用。所以它相对来言也是职业选择比较广泛的一个就业领域。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">IE和OR在美国一直是一个传统的工学院项目，每年都会招收一部分有非常好工程和数学训练背景的学生。在MIT、乔治亚理工、密歇根大学、哥大之类，他们都有开设一些运筹学或者是工业工程专业相关的项目。毕业生之后的背景其实也都千奇百怪，有同学去做咨询，有同学去金融，也有同学去快消互联网，所以这个专业其实可以称得上是万金油，就是你掌握了一定的数学仿真和建模的一些基础之后，你其实可以到很多的企业进行实际的应用。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">以上就是我要分享的关于这三个热门大类专业的内容。下次我会分享下我在这几个专业方向的申请和录取经验。希望能更好地帮助到大家。</p>