ChaseDream
搜索
返回列表 发新帖
查看: 69285|回复: 573

[申请总结] 【带图长文慎点】学渣的MSBA心路【不点抱憾终身】

[精华]   [复制链接]
发表于 2017-3-8 22:07:13 | 显示全部楼层 |阅读模式
防尘!!:
没有BG,但依然愿你度过快乐的一天!

还剩下一个不会去的彩票校没出结果,交完了5000刀押金(UCDavis MSBA),申请季也算告一段落,想写点作为学渣这一年来申请MSBA感受,回馈给下一届的CDers。当然这些观点只是基于我自身的体验与观察,肯定存在不少的局限。

1.      考GT是申请的第一件事,但绝不是最重要的一件事
今年MSBA的申请十分激烈,一些传统项目的申请者人数甚至超过了2000人,大家的三维背景也都水涨船高,托福挣扎了一整年始终100出头,GMAT也是700出头,大概低于接近70%的申请者。所以一直担忧自己的会失学,于是列了大串保底校名单(还好第一个AD来得早,节约了大量的申请费)。但经过了整个申请季自己和其他同学交流下来的感受是,三维不是一切甚至不那么重要。我觉得招生官在决定录谁的时候考虑的是“谁更有机会在我们的项目里成功并且毕业后找到一份好工作”,GT是一个重要的indicator,但肯定不是唯一的甚至也不是一个优先的。大家会妖魔化GT的原因是因为很多人专业类似,实习类似又略水,文书又千篇一律不太走心,实在分不出什么区别,别人就只能按照分数筛人吧。其实这里就是想告诉很多和我当年一样挣扎在100+/700+出头的同学,既然已经过了线,不必优先持久的把宝贵的时间与GT继续挣扎,而把时间放在从其他能够提高自己的上面性价比会更高,比如下面这段讲的。

2.      探索自己并探索专业
我一直是个比较理想主义的人,觉得以后毕业了一定要从事一份自己喜欢的工作。现在一般有些学弟学妹问我BA申请的时候,我一般也会劝退,因为我觉得他们不适合或者没有思考过自己适不适合BA。所以我觉得比起看到高就业率/STEM/高薪就一窝蜂的去转BA,还是应该好好思考一下自己适不适合/喜不喜欢/擅不擅长,毕竟什么类型的工作也很大程度上决定着生活的状态,况且这还是笔将近10W刀的大投资。
在决定转向这个专业之前,1)不妨问问自己是否喜爱与满屏幕的数字打交道,2)不妨思考下自己学概率论/统计学/计量经济学这样的课程时候是否有兴趣或是否吃力,3)不妨去上上最最简单的coursera上的pythonfor everybody (https://www.coursera.org/learn/python)是否能comfortablewith code.
另外这篇文章非常郑重得推荐给大家,可以帮助大家了解下这个领域,商业分析到底在做什么:http://www.mastersindatascience.org/blog/prescriptive-analytics-interview/?platform=hootsuite
比如我一直挺喜欢编程也学过很多CS 专业的课,但也不知道自己是否对business有sense,是否喜欢这种data-driven-business-decision,所以去了一家电商公司做了一份businessanalyst的实习,当自己做完一个promotioncampaign,看到自己能够借助data analysis的帮助,让卖家多卖了200%的东西,会真切的感受到BA的作用,也了解整个商业数据分析的流程,也觉得这份工作很有成就感。其实我觉得经历了这样的过程,你的文书也就不会千篇一律了。

然后说说选校,第一件事,抛开FT的BA专业排名,抛开USNEWS的本科综合排名,当然不是说这两个排名对于BA选校没有价值,而是觉得着重关注这两个排名对于BAmaster来说太懒了。之前在quaro上看到一个USFAnalytics的professor对于这个问题的答案之后觉得很有启发:https://www.quora.com/What-are-the-best-schools-for-data-science-programs/answer/Nicholas-Ross

总结下来就是适合自己的才是最好。


当然怎样才是最适合自己的,问自己这几个问题:

1) 你为什么要读MSBA,留美还是回国?如果想要留美,就业关注一下学校的地理位置(非常重要!!!,这决定着是否好就业?进入怎样的行业?毫无疑问地理位置上SF湾区肯定是机会最多的,其他像NY/LA/Dallas/Seattle/Boston/Austin等等也不少),另外与其关注综合排名不如关注下项目的历史就业数据等等,如果你读master是为了找个好工作的话。


2) 你想进入什么行业?金融、市场分析还是互联网?如果选择互联网行业,就要思考一下这个这个学校在BayArea(硅谷)的就业是不是有比较好的传统?这个项目能否提供这个行业足够的技能?(这一点下面展开说)
全文最后是我在linkedin上找到的datascientist/data analyst/business analyst三个岗位在旧金山湾区的毕业生学校分布,大家可以作为参考。


关于课程:我觉得学弟学妹要学会从官网上分析一个学校的课程,并且分析是否合适自己,概括刚刚那个Quora答案里说的,

1)     是否提供了实现就业目标的足够的tech技能
比如以希望在硅谷的科技公司做一名dataanalyst为例,应该具有python这样的脚本语言/SQL这样用于提取结构化数据的语言/Hadoop这样处理bigdata的技术/推断统计 假设检验 优化 和machine learning这样建模的知识/用pythonR 甚至d3.js实现数据可视化的能力等等,大家可以去linkedin上看看这些岗位的jobdescription。比如:https://www.linkedin.com/jobs/view/249774783/

你可以看看每个项目的每门课是否能够提供这样的足够的技能。当然很多更business向的企业/行业不需要这么多tech的技能,也可以从linkedin上看看这些企业/行业需要什么技能,而你选的学校能否提供。

2) 是否提供了足够的实践机会,比如实习或者一个足够有分量的practium,可以去看看project是否是一个真实企业的正在面对的真实问题/project时间比较长能够获得足够锻炼?(比如像USC/WashU就提供了实习的时间,UTAustin/UCDavis/USF这些学校因为与生俱来的地理优势,提供了至少时长数月的真实企业的practium)

3) 课程体验:比如有些项目的课程是固定的,不能选修而且所有的课程也是为BA专门开设的;而有些项目特别是在比较大的bschool有很多和其他master一起上的很多很商科的elective,这个各有利弊,大家自己选择。而我自己比较倾向前者,因为我觉得这样的话business的部分会与analytics结合得更好,毕竟以前在国内也是读的经管类,结合自身的就业目标,不想再去美国学一遍econ/marketing/accounting/finance这些东西。

关于如何看学校的课程,以我决定去的UC Davis的为例,简单的介绍(http://gsm.ucdavis.edu/msba-course-offerings):

UCD的项目除了practium的部分共13门课,分为data/analytics/business三个stream,其实这样是businessanalytics的三个核心构成:获取、管理、处理data,利用统计理论、优化理论、机器学习等方法对其进行analytics,然后帮助business决策:


首先会有一个Programming Camp,会在所有的课程开始之前集中的教授Python等编程技能,为后面奠定基础!


DATA模块有四门课:
Data Management: 这门课涉及数据的提取、存储和组织;教了SQL这个处理结构化数据最实用的技能,无论是在互联网领域还是传统领域!除此之外还讲了现在很火的非结构化数据(比如NoSQL,文本分析,多媒体数据的处理)。
Big Data:这门课讲了现在最流行的基于Hadoop的大数据的处理,涉及的技术包括Mapreduce/Pig/Hive,这几乎是湾区科技公司的必备技能!
Data Design and Representation: 这个课程主要是关于数据库的设计、组织与呈现,为数据的处理与分析打下基础。
Data Visualization:数据可视化,这个很通俗易懂了。这门课深度也很高,不仅仅是用python/R做一些标准格式的图标,还会讲一些web前端可视化技术,做一些动态的很fancy的东西,会涉及到html/css/d3.js


然后是Analytics模块,有五门课程,很全面涉及到了数据分析的方法:
Statistical Exploration and Reasoning:这门可以理解为比较基础的统计学,包括统计推断、抽样、概率、回归分析这些基础话题。
Advanced Statistics:这门课就是一些比较高级的统计模型了,包括非参数估计、贝叶斯、极大似然估计、时间序列、模型选择、维度消减,这门课已经渐渐触及数据科学的核心领域
Machine Learning:机器学习可以说是真正DataScience的核心,一个以湾区公司为目标的项目肯定必不可少。基本覆盖了机器学习的各类算法,监督学习,无监督学习,加强学习,大家常见的聚类、分类、决策树、神经网络等算法就是这门课程的内容。
Analytic Decision Making:这门课主要是讲了数学优化和更多的高级统计技术,像蒙特卡洛、启发式算法。
Application Domains:这门课就是数据分析具体的应用领域介绍,像社交网络分析、供应链分析、healthcare、物联网、市场分析等等。


另外就是四门Business 模块的课程,
• 401 – Introduction to Business Analytics (2 units)
• 411 – ProblemStructuring (2 units)
• 402 –Organizational Issues in Implementing Analytics (2 units)
• 403 –Organizational Effectiveness Workshop (2 units)
(楼主写累了,不展开说了,但是我觉得UCD的business部分不同于有些项目,并不是上些accounting/marketing/finance的课程,而是真正讲在一个商业数据分析项目中的流程,和商业决策的关系,详细的大家自己看官网吧)加上干货满满的Practium总得来看UCD的课程很tech很intensive!
给大家列出来的目的不是介绍UCD这个项目,而是希望学弟学妹们能够仔细得研究好你要申请的学校的课程,看看这些课程能给你带来什么,能否满足自己和市场的需要!

关于UC Davis的BA项目多安利两句:
1)     项目的位置是旧金山市区,而不是main campus,这大概和其他在湾区的BA项目一样是地球上位置最好的BA项目了吧!
2)     10个月毕业,practium长度10个月,目前第一届practium的企业暂定有Google/GE/EA/Visa等各类bigname,因为现在申请成为practium的企业多于实际需要的数量,所以还没最终确定,之后给大家更新
3)     目前17Fall录取群里有23个小伙伴(R1+R2),虽然是第一届,但大家背景都很优秀,基本以top985/211、美本为主,也有不少有美国工作经验的同学;已经决定去了的小伙伴们也纷纷放弃了各类所谓女神校像Gatech、USC、WUSTL、USF、帝国理工、Columbia、UMN、UCSD等等等等,所以也希望更多学弟学妹加入

毕竟这个帖子目的不是安利UCDavis,所以就不多说我们项目了,大家可以看看之前几个已经决定去UCD学长学姐的帖子了解我们项目:
《尽管第一年,我依然放弃了Gatech和帝国理工》
《录了emory和usc的我差点悔憾终身》
《适合自己的才是最好的,我站UCDavis》



总而言之,没有最好的课程,只有最合适自己的课程,也没有最好的项目,只有最适合自己的项目。希望学弟学妹们可以自己多做点research,不但是对学校做research,还应该对自己、对这个行业、对就业市场做research,去找出真正适合自己的学校,最后借这个公共场合感谢申请道路一直支持自己的家人、家属,帮助过自己的老师、老板,16FallBA群里的学姐学长们,cd版主hzdy1994学长和她的同伙姐姐们,盖盖群主群里认识的小伙伴们。祝学弟学妹们好运!



本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
发表于 2017-3-8 22:10:07 | 显示全部楼层
看一下!               
发表于 2017-3-8 22:11:21 | 显示全部楼层
看一下!               
发表于 2017-3-8 22:12:15 | 显示全部楼层
看一下!               
发表于 2017-3-8 22:13:10 | 显示全部楼层
点进来一看是你,必须手动回复
 楼主| 发表于 2017-3-8 22:13:41 | 显示全部楼层
oskird 发表于 2017-3-8 22:13
点进来一看是你,必须手动回复

我特地提到了群主!
发表于 2017-3-8 22:15:39 | 显示全部楼层
同意!               
发表于 2017-3-8 22:19:07 | 显示全部楼层
感谢分享,正在准备申请davis,很受教
发表于 2017-3-8 22:19:08 | 显示全部楼层
peizhongxu 发表于 2017-3-8 22:13
我特地提到了群主!

然而我是先回后看23333。。
发表于 2017-3-8 22:20:46 | 显示全部楼层
看一下!               
您需要登录后才可以回帖 登录 | 立即注册

Mark一下! 看一下! 顶楼主! 感谢分享! 快速回复:

近期活动

正在浏览此版块的会员 ()

手机版|ChaseDream|GMT+8, 2024-3-29 06:27
京公网安备11010202008513号 京ICP证101109号 京ICP备12012021号

ChaseDream 论坛

© 2003-2023 ChaseDream.com. All Rights Reserved.

返回顶部