<p style="text-align: justify;"><strong>指南者學(xué)員投稿</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">X同學(xué)</p> <p style="text-align: justify;"><span style="color: #1890ff;"><a style="color: #1890ff;" href="http://identitytheftpreventionsite.com/activity_173" target="_blank" rel="noopener">南京大學(xué)</a></span></p> <p style="text-align: justify;">GPA88.8 語(yǔ)言104</p> <p style="text-align: justify;">哥倫比亞大學(xué)管理科學(xué)理學(xué)碩士</p> <p style="text-align: justify;">紐約大學(xué)數(shù)據(jù)科學(xué)理學(xué)碩士</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">因?yàn)槲抑饕暾?qǐng)了三個(gè)方向的專業(yè)&mdash;&mdash;Data Science、Business Analytics、IE/OR（運(yùn)籌學(xué)和工業(yè)工程），所以今天先和大家分享一些我在專業(yè)選擇方面積累的經(jīng)驗(yàn)。主要是這三個(gè)熱門(mén)大類專業(yè)之間的區(qū)別、就業(yè)情況、美國(guó)院校的申請(qǐng)情況。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>共同點(diǎn)和區(qū)別概述</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">申請(qǐng)Data Science和Business Analytics這兩個(gè)項(xiàng)目的同學(xué)在逐年增加，而業(yè)界對(duì)于這兩個(gè)專業(yè)所培養(yǎng)出來(lái)學(xué)生的專業(yè)技能也有很大的需求缺口，且這方面因?yàn)楹痛髷?shù)據(jù)人工智能或商業(yè)結(jié)合得非常緊密，所以能夠吸引很多同學(xué)申請(qǐng)這個(gè)方向。美國(guó)的很多院校也都因此開(kāi)設(shè)了這方面的專業(yè)，希望能夠培養(yǎng)既懂得商業(yè)分析，又懂得如何運(yùn)用量化工具的專業(yè)人才，來(lái)解決工業(yè)界遇到的實(shí)際問(wèn)題。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">這三類專業(yè)的共同點(diǎn)是：它們都關(guān)乎社會(huì)的現(xiàn)實(shí)問(wèn)題，都以商業(yè)或者工程應(yīng)用為背景來(lái)解決實(shí)際問(wèn)題。</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;">上圖主要是我們解決問(wèn)題的一個(gè)過(guò)程。首先認(rèn)識(shí)問(wèn)題，在生產(chǎn)或者是在商業(yè)世界中發(fā)生了什么問(wèn)題，其次分析為什么會(huì)發(fā)生這樣的問(wèn)題，再做預(yù)測(cè)，最終再來(lái)改進(jìn)或者解決這個(gè)問(wèn)題。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">那么我們認(rèn)識(shí)問(wèn)題、改進(jìn)問(wèn)題、解決問(wèn)題的過(guò)程，其實(shí)是分別應(yīng)用到這三個(gè)專業(yè)的。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">識(shí)別問(wèn)題、認(rèn)識(shí)問(wèn)題，更多是商業(yè)分析所涉及的內(nèi)容。如何改進(jìn)和解決問(wèn)題，更多是運(yùn)籌學(xué)工業(yè)工程所涉及的內(nèi)容。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">因?yàn)槲覀儸F(xiàn)在有更多的數(shù)據(jù)可以進(jìn)行判斷，那么Data Science其實(shí)是涵蓋和覆蓋在認(rèn)識(shí)問(wèn)題的整個(gè)過(guò)程中的。所以這三類方向其實(shí)都是以量化和基本的數(shù)學(xué)訓(xùn)練為核心的。</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相對(duì)來(lái)講對(duì)數(shù)學(xué)和計(jì)算機(jī)的要求比較高，因?yàn)樗枰覀儾粌H要學(xué)會(huì)去識(shí)別問(wèn)題，通過(guò)例如Causal Inference或者是比較基本的Data Analysis之類的一些工具，還需要我們?cè)谧R(shí)別問(wèn)題之后解決問(wèn)題，這里又會(huì)涉及到算法來(lái)做優(yōu)化改進(jìn)，提出一個(gè)可行解。這就是Data Science比其他兩個(gè)專業(yè)方向范圍更廣，和學(xué)生會(huì)覺(jué)得比較難的原因。它看重的經(jīng)歷和技能，一方面是概率論和統(tǒng)計(jì)，第二方面也就是最基礎(chǔ)的&mdash;&mdash;計(jì)算機(jī)。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">商業(yè)分析則更多是和商業(yè)，比如商業(yè)金融和社會(huì)學(xué)相結(jié)合，運(yùn)用一些量化工具來(lái)分析問(wèn)題的一些方式，所以它不會(huì)像Data Science那樣對(duì)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之類比較基本的編程語(yǔ)言。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">IE/OR更多是做最優(yōu)化，也就是我們所熟知的運(yùn)籌學(xué)&mdash;&mdash;怎樣用最優(yōu)化數(shù)學(xué)工具、用量化分析的手段來(lái)解決一些工程上的問(wèn)題。雖然現(xiàn)在它也應(yīng)用到了一些其他的商業(yè)領(lǐng)域，但是它的核心仍然是最優(yōu)化，以工程問(wèn)題居多。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">總之，這三者的核心其實(shí)都是怎樣量化地解決一些實(shí)際中的問(wèn)題，怎樣運(yùn)用一些基礎(chǔ)的數(shù)學(xué)方法把現(xiàn)實(shí)世界建模，然后怎樣去識(shí)別問(wèn)題，解決問(wèn)題。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">下面，我將依次為大家介紹這三個(gè)專業(yè)方向的申請(qǐng)?jiān)盒Ｇ闆r和就業(yè)情況。</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其實(shí)就是以數(shù)學(xué)和編程為基礎(chǔ)，對(duì)其他不同領(lǐng)域細(xì)分知識(shí)的了解推動(dòng)整個(gè)專業(yè)知識(shí)體系的建立。</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;">如上圖分別就是編程能力、數(shù)學(xué)統(tǒng)計(jì)知識(shí)、以及你在其他細(xì)分領(lǐng)域使你和其他工程師產(chǎn)生差異的一些專業(yè)技能。比如NYU提供的Data Science的碩士項(xiàng)目其實(shí)分為很多個(gè)check。雖然你選擇了Data Science，但其實(shí)有不同的側(cè)重點(diǎn)。你可能會(huì)做NLP就是自然語(yǔ)言處理，也可能主要集中在生物方面，運(yùn)用一些生物統(tǒng)計(jì)知識(shí)，也有可能是直接解決一些Big Data的問(wèn)題，還有可能是應(yīng)用在物理、數(shù)學(xué)上面。所以實(shí)際上我們可以看到，Data Science的應(yīng)用范圍是非常廣的，而且它所需要掌握的專業(yè)知識(shí)的技能會(huì)很深。因?yàn)槟悴粌H需要計(jì)算機(jī)和數(shù)學(xué)的基礎(chǔ)，同時(shí)你也需要對(duì)細(xì)分領(lǐng)域比如數(shù)學(xué)、自然語(yǔ)言處理的基礎(chǔ)知識(shí)有所了解，你才能成為一個(gè)比較合格的Data Scientist。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">正是因?yàn)镈ata Scientist的培養(yǎng)，以及它覆蓋面的廣泛，所以各大類型的行業(yè)都對(duì)數(shù)據(jù)科學(xué)家的需求存在很大的缺口。而其中比較主要的畢業(yè)后的職業(yè)類型去向都會(huì)集中于工程師分析師和數(shù)據(jù)科學(xué)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;">畢業(yè)生的平均年薪也都比較高，可能都在10萬(wàn)美元左右。不同職業(yè)的title也都不一樣，但是作為master畢業(yè)的話，可能相對(duì)來(lái)講比較少會(huì)接觸到Data Scientist的東西，因?yàn)镈ata Scientist不僅僅是對(duì)你的職業(yè)技能要求比較高，同時(shí)它也會(huì)要求你有比較深的鉆研精神，所以它可能會(huì)更偏好于PhD畢業(yè)的同學(xué)。所以有很大一部分在Data Science Programme畢業(yè)的同學(xué)，之后會(huì)去做Data Analytics，也就是我接下來(lái)會(huì)介紹的和Business Analytics 比較接近的一個(gè)部分，但是他們這個(gè)項(xiàng)目培養(yǎng)出來(lái)的畢業(yè)生，會(huì)有更深厚的量化和計(jì)算機(jī)的基礎(chǔ)。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">現(xiàn)在的申請(qǐng)情況也是越來(lái)越多院校有開(kāi)設(shè)Data Science的項(xiàng)目，而且大部分都是設(shè)立在工學(xué)院或者數(shù)學(xué)學(xué)院下面，項(xiàng)目時(shí)間一般都是兩年左右，比較好的像Stanford、NYU，他們一直都是有Data Science的項(xiàng)目，畢業(yè)生的去向也都很好。這些項(xiàng)目整體來(lái)說(shuō)也是偏愛(ài)有數(shù)學(xué)和計(jì)算機(jī)背景的申請(qǐng)同學(xué)。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>開(kāi)設(shè)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;">也有很大一部分同學(xué)，又想做比較solid的，像數(shù)據(jù)分析的東西，但同時(shí)對(duì)商業(yè)問(wèn)題更感興趣。那么其實(shí)在這個(gè)基礎(chǔ)上，Business Analytics這個(gè)項(xiàng)目也是很多同學(xué)會(huì)選擇，也能給大家提供一個(gè)比較寬廣的職業(yè)發(fā)展路徑的一個(gè)專業(yè)。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">商業(yè)分析其實(shí)也是以量化分析為基礎(chǔ)，結(jié)合金融社會(huì)學(xué)之類的各行業(yè)細(xì)分知識(shí)來(lái)解決商業(yè)中的實(shí)際問(wèn)題。同樣地和Data Science一樣，也可以化作三個(gè)元交合在一起，就是對(duì)計(jì)算機(jī)的計(jì)算機(jī)基本知識(shí)的儲(chǔ)備和應(yīng)用的了解，對(duì)數(shù)學(xué)基本數(shù)學(xué)的掌握，以及你的Business Sense，所以它其實(shí)和Data Science的主要區(qū)別也在這里。</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相對(duì)來(lái)講，一般而言會(huì)處理體量相對(duì)比較小的數(shù)據(jù)。實(shí)際中比較少涉及自己進(jìn)行編程的工作。就不像Data Science一樣，它要開(kāi)發(fā)一些數(shù)據(jù)管理的工具，或者是一些包。作為BA你更多是怎樣知道問(wèn)題的存在，怎樣使用這些工具來(lái)解決這個(gè)問(wèn)題，所以Data Science更像工具的創(chuàng)造者，而B(niǎo)usiness Analytics 更像工具的使用者。BA其實(shí)就是以統(tǒng)計(jì)或者是以編程作為基礎(chǔ)來(lái)接觸數(shù)據(jù)分析的整個(gè)過(guò)程，在一些像金融、市場(chǎng)營(yíng)銷(xiāo)，或者是供應(yīng)鏈之類的商業(yè)背景下，應(yīng)用數(shù)據(jù)分析來(lái)解決實(shí)際的商業(yè)問(wèn)題。</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;">這個(gè)專業(yè)方向未來(lái)的去向也非常廣泛，目標(biāo)的行業(yè)也很多樣化，比如銀行、快消、能源、政府、醫(yī)療等各行各業(yè)。有市場(chǎng)的一些購(gòu)物行為、欺詐或者是犯罪檢查，也有一些金融的基本分析，還有一些健康科學(xué)或者是類似于生物統(tǒng)計(jì)，但是不需要處理那么大體量的數(shù)據(jù)的一些工作。因此，大家可以看到BA這個(gè)項(xiàng)目畢業(yè)之后平均工資也相對(duì)來(lái)講比較高，只比Data Science稍微低一點(diǎn)，可能在8萬(wàn)左右。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">現(xiàn)在美國(guó)越來(lái)越多的院校把BA開(kāi)設(shè)到商學(xué)院下面，其實(shí)開(kāi)設(shè)到商學(xué)院和開(kāi)設(shè)到工程管理學(xué)院是完全不同的兩個(gè)概念。商學(xué)院更多是培養(yǎng)學(xué)生對(duì)于商業(yè)分析的知識(shí)，也就是BA的這個(gè)項(xiàng)目或者是BA的這些職位需要大家培養(yǎng)的是如何去識(shí)別一些商業(yè)中的問(wèn)題，也就是需要solid 的Business Sense。這些項(xiàng)目時(shí)間普遍在一年到兩年左右。這個(gè)項(xiàng)目對(duì)商學(xué)院背景的同學(xué)比較友好，也有一些其他背景，比如說(shuō)社會(huì)學(xué)、新傳之類的，就是只要你有一些商學(xué)基礎(chǔ)的背景，例如實(shí)習(xí)或者研究經(jīng)歷，然后先修數(shù)學(xué)，編程基礎(chǔ)課程，都可以去嘗試申請(qǐng)這個(gè)方向。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">現(xiàn)在美國(guó)開(kāi)設(shè)了BA專業(yè)碩士項(xiàng)目的學(xué)校也越來(lái)越多，主要是MIT，但是MIT的這個(gè)項(xiàng)目其實(shí)更偏好于數(shù)學(xué)、物理、工程背景的學(xué)生，它在自己項(xiàng)目主頁(yè)里面也有做到一些介紹，它其實(shí)是主要面向于理科背景的同學(xué)的，所以這個(gè)項(xiàng)目相對(duì)來(lái)講對(duì)于商學(xué)院背景的同學(xué)沒(méi)有那么友好。但是像NYU、哥大、卡梅和西北，還有其他地區(qū)學(xué)校，他們都有開(kāi)設(shè)BA的項(xiàng)目，只是他們的名字可能不一樣。這些項(xiàng)目也都是非常就業(yè)導(dǎo)向的，就是為了培養(yǎng)學(xué)生非常深厚的Business Sense，所以它的career service也都非常好，畢業(yè)生的就業(yè)情況也都很好，起薪也相對(duì)來(lái)講比較高，所以這些商學(xué)院開(kāi)設(shè)的BA項(xiàng)目，對(duì)于各位想要同時(shí)解決商業(yè)問(wèn)題，又想了解一些量化工具的學(xué)生而言，是一個(gè)比較好的選擇。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><strong>運(yùn)籌學(xué)或者是工業(yè)工程</strong></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">第三個(gè)方向就是運(yùn)籌學(xué)或者是工業(yè)工程，它其實(shí)是以優(yōu)化為基本思想，需要同學(xué)在經(jīng)濟(jì)學(xué)、管理學(xué)、工程建模仿真之類的學(xué)術(shù)訓(xùn)練背景下應(yīng)用這些工具，解決一些生產(chǎn)和運(yùn)營(yíng)的問(wèn)題，所以它的應(yīng)用領(lǐng)域其實(shí)相對(duì)來(lái)講也比較廣泛，可以解決供應(yīng)鏈管理的問(wèn)題、運(yùn)營(yíng)管理的問(wèn)題。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">隨著各個(gè)行業(yè)中數(shù)據(jù)分析和應(yīng)用的增加，這個(gè)方向其實(shí)已經(jīng)突破了它原來(lái)傳統(tǒng)的應(yīng)用，在工業(yè)上，比如像富士康制造業(yè)的一些應(yīng)用的小圈子，更多地進(jìn)入了算法優(yōu)化；互聯(lián)網(wǎng)的項(xiàng)目管理之類更廣泛的就業(yè)領(lǐng)域，比如快消，像寶潔、巴黎歐萊雅、聯(lián)合利華之類比較大的快消公司，他們都會(huì)有一些相應(yīng)的供應(yīng)鏈管理的職位。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">IE和OR這兩個(gè)專業(yè)進(jìn)入咨詢行業(yè)的也非常多，因?yàn)樽稍冃袠I(yè)有一些和物流、機(jī)場(chǎng)流程、設(shè)計(jì)之類緊密相關(guān)的項(xiàng)目，所以會(huì)需要懂得優(yōu)化的些人才來(lái)解決這些問(wèn)題，然后為他們的項(xiàng)目提供一些基本數(shù)學(xué)背景的指導(dǎo)，或者是方法論的指導(dǎo)。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">在互聯(lián)網(wǎng)方向，這個(gè)領(lǐng)域的應(yīng)用也很廣，不僅是項(xiàng)目管理（PM），還有在人工智能算法發(fā)展到瓶頸的時(shí)候，也可能會(huì)引入運(yùn)籌學(xué)優(yōu)化的算法，提升整體的算法效率，這些都是它在于互聯(lián)網(wǎng)行業(yè)中的一些應(yīng)用。同時(shí)還有一些傳統(tǒng)的物流制造業(yè)的管理和應(yīng)用。所以它相對(duì)來(lái)言也是職業(yè)選擇比較廣泛的一個(gè)就業(yè)領(lǐng)域。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">IE和OR在美國(guó)一直是一個(gè)傳統(tǒng)的工學(xué)院項(xiàng)目，每年都會(huì)招收一部分有非常好工程和數(shù)學(xué)訓(xùn)練背景的學(xué)生。在MIT、喬治亞理工、密歇根大學(xué)、哥大之類，他們都有開(kāi)設(shè)一些運(yùn)籌學(xué)或者是工業(yè)工程專業(yè)相關(guān)的項(xiàng)目。畢業(yè)生之后的背景其實(shí)也都千奇百怪，有同學(xué)去做咨詢，有同學(xué)去金融，也有同學(xué)去快消互聯(lián)網(wǎng)，所以這個(gè)專業(yè)其實(shí)可以稱得上是萬(wàn)金油，就是你掌握了一定的數(shù)學(xué)仿真和建模的一些基礎(chǔ)之后，你其實(shí)可以到很多的企業(yè)進(jìn)行實(shí)際的應(yīng)用。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">以上就是我要分享的關(guān)于這三個(gè)熱門(mén)大類專業(yè)的內(nèi)容。下次我會(huì)分享下我在這幾個(gè)專業(yè)方向的申請(qǐng)和錄取經(jīng)驗(yàn)。希望能更好地幫助到大家。</p>