数据科学和商业分析,傻傻分不清楚……

本篇微信主要包括如下内容:

1、数据科学和商业分析从课程设置、申请难度、就业分析三方面对比分析

2、2007年-2018年陆续开设BA、DS、Analytics专业,共计193个专业的官网课程链接

小库需要提醒各位同学:

因为信息太过庞大,小库力求提供更多信息给同学们参考,但难免会有遗漏或者错误,同学们一定要根据自身情况,有选择的借鉴。

因为微信篇幅限制,小库将部分内容做成彩蛋。彩蛋获取方法见文末。

Analytics,Business Analytics,Data Science是目前美研申请中热度非常高的项目,不同于会计、金融、CS这些老牌热门专业,Analytic相关专业的master项目到今天才仅仅只有10年的历史,这些专业的出现是大数据时代的来临,企业职业需求倒逼美国高校开设相应的专业的结果。

Data Science和Business Analytics区别

他们是谁?

商业分析师

从结构化和非结构化的来源研究和提取有价值的信息,解释过去的、现在的和将来 的经营业绩,确定最佳分析模型和途径,为商业用户提供和解释解决方案。

数据科学家

借助统计编程,设计、开发和运用算法来支持商业决策制定工具,管理海量数据, 创建可视化以帮助理解。

课程设置

一个叫Science,一个叫Business,可见数据科学肯定是更偏技术一些。

大部分Data Science项目都设置在Engineering学院下,或独立成院,而Business Analytics则一般设置在商学院下,属于商学院的一个分支。Data Science更像一个完整独立的学科,集统计学、数据分析、机器学习等学科为一体,正在迅速发展形成体系;

而Business Analytics则更像是为了就业而设置的一个专业,加上商学院本身比较重视职业发展,因此授课重点是能在实际工作中用到的商业数据分析和决策辅助技能。

比方说我们看Columbia University的Data Science硕士项目,必修课程如下:

STAT W4203 PROBABILITY THEORY

CSOR W4246 ALGORITHMS FOR DATA SCIENCE

STAT W5703 STATISTICAL INFERENCE AND MODELING

COMS W4121 COMPUTER SYSTEMS FOR DATA SCIENCE

COMS W4776 MACHINE LEARNING FOR DATA SCIENCE

STAT W4701 EXPLORATORY DATA ANALYSIS AND VISUALIZATION

ENGI E4800 DATA SCIENCE CAPSTONE AND ETHICS

是不是看着就很高级?— algorithms, machine learning, computer systems, 如果本科阶段没有编程基础,读起来肯定很吃力。但相对于传统的Computer Science项目,我认为对编程的要求还是低很多的,主要差别在代码量以及对系统的理解。数据科学一般编的程序不会太长,很少有那种一个模块几万行代码的项目,一般都可以划分为比较清晰的小功能模块,很多时候几百行代码就可以干很多事情,而且不涉及到底层操作系统、文件系统、服务器这个层面的编程,good news!所以其实是比较适合半路出家的同学们学习的,尤其是数学和逻辑比较好的同学。还有就是,在数据科学领域,大家比拼的一般不是谁的程序运行效率更高,而是谁能提出更好的利用数据解决问题的方案,至于程序本身的实现一般不是重点。

如果对自己能否应付课程持怀疑态度,强烈建议上一下相关的网课,国内的小象学院,国外的Coursera、Udacity等都有很多相关课程,行不行别问其他人,上一门课就知道自己几斤几两了。

再来看看Business Analytics的课程设置,以USC为例:

DSO 510 Business Analytics 1.5

GSBA 545 Data Driven Decision Making 1.5

GSBA 542 Communication for Management 1.5

DSO 530 Applied Modern Statistical Learning Methods 3

DSO 545 Statistical Computing and Data Visualization 3

DSO 570 The Analytics Edge: Data, Models, and Effective Decisions 3

DSO 573 or DSO 599

Data Analytics Driven Dynamic Strategy and Execution/ Getting the

Organization Ready for Big Data

INF 559 Introduction to Data Management 3

是不是看起来就没那么码农了?— decision making, management, strategy,有点做咨询的感觉。这个项目更适合商科背景的同学就读,不需要什么编程基础,玩过Excel建模、上过统计课程就能应付。但是,因为设置在商学院下,所以项目对同学的语言能力、表达能力要求都比较高,比方说USC录取的学生,据我观察都是托福110分左右的,而且很大一部分是美本,上课的时候也有一部分美国人,不像Data Sciecne都是中国人和印度人。

讲完课程设置,我们来看申请难度

Data Sciecne项目的选择更多,尤其是名校里面开设这个项目的学校数目相对多一点。这几年Data Science的申请难度越来越大,好学校的录取率在20%左右,也就是5个人里面才录取一个,所以托福100分以上,GRE 320+,GPA 3.5+差不多是标配,在这个基础上,再比拼软实力,主要是相关的课程和实习,因此多选相关课程以及做一两个有分量的相关实习是核心竞争力,实习不在多,而在深度和相关性,大部分中国学生的实习都很水,因此一个有深度的实习就能打败80%的申请者。

再说Business Analytics,项目选择较少,而且设置在商学院下,因此对托福要求一般更高,像USC, Rochester录取的申请者,托福一般在110分左右。而排名稍后一点的学校,像Fordham, Pepperdine,要求就低不少,托福100分左右,GRE 310多,GMAT 680左右就有不少拿到录取的。因为项目选址太少,所以如果数学或编程背景好点的同学可以跟Data Science, Applied Statistics一起申请,理科背景弱点的可以考虑跟Marketing Research, Master of Public Policy这种项目一起申请,扩大自己的选校范围。

  • 发表于:
  • 原文链接:http://kuaibao.qq.com/s/20180117G0370500?refer=cp_1026

同媒体快讯

相关快讯

扫码关注云+社区