加州大学戴维斯分校商业分析项目
就读于该项目22Fall的Joy老师认为该项目地理位置好,课程设置科学,关键是一年期的Practicum项目给实习就业开了外挂!话不多说,一起来听听老师怎么说!
学员介绍
本科:UC Irvine
专业:Business Economics
GPA:3.4+
TOEFL/IELTS:无
GRE/GMAT:325+
老师怎么说?
加州戴维斯BA项目整体课程设置都还是比较硬核的,再加上有一个Practicum项目给就业打基础,学校就业服务和地理位置这些客观条件也不错,结果就是就业数据非常可观!
同学背景多样,可以和各个行业已经工作过的同学建立联系。课堂上不仅能从老师身上学到东西,还能在同学那里得到启发,课堂氛围很不错!
项目概况
UC Davis的BA光听项目名字,可能很多人会以为是在Davis小镇上,但是其实这个项目是不和本校在一起上课的。
学校就在旧金山的市中心,距离Twitter、Uber、Airbnb和Facebook全球总部也就只有步行的距离。这个地理位置和其他BA项目相比是绝对挑不出毛病的,实习就业有大把的机会。
UCD的MSBA学制是10个月,时间还是比较短的。与其他项目差别较大的是,为了让本部的教授过来上课,这个项目是周五、周六上课,每天6个小时。
项目最大的亮点是从入学贯穿到毕业的Practicum。一共是8学分,占了总学分的五分之一,也足以见得项目对于实习的重视程度。
Practicum的企业大多都是大企业,比如Google、GE、EA和Visa等,内容的话是我们组成小组,给企业提供数据分析服务。
具体一点就是利用Python、R和BA常见的模型与算法加生成数据架构,并在最后以PPT报告的形式展出。在项目进行期间我们需要至少每个月和企业联系一次,并不断完善他们的需求。
我感觉如果认真去做的话Practicum还是可以学到很多的,能够深入了解以后要工作的行业,积累相关的经验,还有一些数据分析的小技巧等等,这些都是在普通的课程中学不到的。
大多数的BA都是一年制的项目,没有时间去实习,而BA大多数又是以就业为导向的,所以Project就显得非常重要,如果简历里有相关经历的话毕业找工作会容易很多。
申请难度
陆本和海本都招,比较看重工作经验。应届生的三维成绩肯定比有工作经验的bar更高。
每年的class size都在90-100人左右,分为两个班上课。由于教学空间限制,未来很大概率也会保持这个size。
这届中国学生大约36人,美本陆本一半一半,陆本学生大多来自中上游985和第一梯队211,美本学生基本来自美国Top50院校。
从专业上看,大家背景各异,主要来自工程(40%)和商科(30%)和经济学(15%)。
同学背景
本届项目的90余人分两个班错开上课,但是上课时间一样。从国籍来看,三分之二中国人,三分之一印度人,不到10个美国本地人(含ABC),还有菲律宾/巴西/巴勒斯坦的。
从工作经验来看,三分之二是没有工作经验的应届生,三分之一有各行各业的有工作经验的同学。这三分之一里又有一些是以前读过MBA或其他Master学位的。
项目的同学有很多是印度小哥哥小姐姐,他们大多是有过工作经验的人,不少还是在全球公司比如PayPal,VISA,还有咨询公司工作过的,很多都有读MBA的经历。
所以他们能够在课上结合自己的工作经历能提出很多有价值的问题,让我们这些应届小青瓜非常受启发。我觉得优质的同学带给项目的价值,并不亚于好的课程和教授。
课程设置
本项目除了Practicum外一共有13门课,分为Data、Analytics和Business三个部分。
而且在正式开始上课之前会有一个Programming Camp,主要是教我们Python等编程技能,为以后的学习奠定基础。
Data部分有四门课:
● Data Management一方面是教我们用SQL处理结构化数据,另一方面还讲了关于文本分析和多媒体数据处理的非结构化数据。
● Big Data讲了基于Hadoop的大数据处理,涉及到了现在数据分析的必备技Mapreduce/Pig/Hive。
● Data Design and Representation是学习数据库的设计、组织与呈现。
● Data Visualization教我们用Python和R做一些标准格式的图表,还会讲web前端可视化技术和html和css。
Analytics部分有五门课程:
●Statistical Exploration and Reasoning其实就是基础的统计学,涉及到了统计推断、概率抽样和回归分析等内容。
●Advanced statistics则是前一门课程的进阶,学习的是比较难的统计模型,比如非参数估计、贝叶斯、时间序列、模型选择和维度消减。
●Analytic Decision Making讲了数学优化和更加高级的统计技术,这三门课由表到里,渐渐地让我们的统计学知识从入门到精通,接触到了数据科学的核心领域。
●Machine Learning这门课基本涵盖了机器学习的各类算法,常见的有聚类、分类、决策树、神经网络等。
●Application Domains是对数据分析应用领域的介绍,如社交网络、供应链、物联网、市场分析和医疗健康等领域。
Business部分有四门课程:
●Introduction to Business Analytics
●Problem Structuring
●Organizational lssues in lmplementing Analytics
●Organizational Effectiveness Workshop
Business不详细展开说了,总之我觉得这部分的课程与传统的商科项目有所区别,不是简单地教我们一些市场和金融的知识。而是教我们怎样去商业分析、怎样根据数据做出决策,让我们去真正了解一个商业数据分析项目的流程。
所有的课程都在不断完善中,尤其是实习项目相关的课,每年都会不一样。
就业情况
当初选择这个项目的主要原因就是看中了它的就业,由于离硅谷很近,再加上项目还设有Practicum,就相当于有了一段实习经历。
可能会有人担心湾区竞争激烈,UCD的名气可能不够响亮,如果你的目标是Facebook和Google这些公司的话,确实在学校这方面我们没有优势,但是对于初创公司来说,UCD还是可以的。
前一届的就业数据很好,留学生留美比率达到了100%,就业方向一般都是BA和DA。
学校提供的就业资源主要包括:
一对一简历修改:主要是Amy和Shachi在负责,她们会一直放出slot出来,只要有空的slot可以一直约改简历。
学长老师经验分享:我们项目一直和往届的学长老师保持了很好的联系,所以从开学到现在,学长老师的经验分享会已经开过十多场了。
Career Fair:有很多大名头的公司过来,先分享从公司角度对应聘者的期待和求职经验,结束了之后是酒会,可以自由和recruiter交流,结束之后可以保持和这些recruiter的关系。
客座演讲和参观:项目还会时不时从公司请人过来给我们做讲座,分享analytics具体在他们公司的应用,有些课上老师也会邀请自己在公司的朋友过来分享,之前来过的公司有Google, Uber等等。
项目解析
UC Davis
M.S. in Business Analytics
申请条件
申请背景:
● 完成以下相关课程:计算机、数学、统计数据;
● 本科平均GPA为3.5,GRE Quant 166+更有优势,平均GMAT分数为716;
● 录取的学生平均有2年工作经验
申请材料:
●本科成绩单
●简历
●文书
●2封推荐信
●GRE/GMAT分数
●TOEFL/IELTS分数
面试一般分为两轮,第一轮是在Interview Platform上机面,建议多看CD面经。第二轮是项目老师来Zoom真人面,每个老师风格不同,建议准备一些基础的统计和高数知识。
课程设置
该项目需要在一年内完成44个学分的课程,课业量偏重。春季学期的时候学生必须通过综合考试,检测自己在关键学科领域综合学习的能力。
核心课程有以下几个分类:
●商业:培养领导力、战略思维、沟通和项目管理能力。
●数据:学习获取、存储、处理和表示数据的核心方法。
●分析:发现、解释有意义的数据模式。培养学生在核心统计和计算技术方面的技能,例如数据建模、数据库、回归、数据挖掘、机器学习和运筹学方法。
●实践:在项目导师的指导下,学生组成小组,解决从真实行业数据中提取的业务问题。
课程总体来说很强调实践性,不会过于深究理论或者数学推导。同时课程非常注重培养学生将技术应用到商业场景的能力。
课程主要涉及技能包括R、Python、SQL、NoSQL。为和业界需求接轨,学校还加设了AWS Cloud的课程,鼓励大家考取AWS的证书。
就业去向
学院对学生的就业支持十分强大,有专门的职业发展团队给学生提供就业指导,学生有很多机会和行业内的精英进行交流。
科学的课程设置和实习计划为毕业之后找工作打下坚实基础。加之学校的声誉、绝佳的地理位置和强大的校友网络,毕业生的走向非常可观。
●薪资:
年工资中位数达到$99,918,平均bonus达到$15,048。
●公司:
亚马逊,ebay,Facebook,Google,微软,麦肯锡,Paypal,特斯拉,腾讯等。
●职位:
分析师,业务分析师,商业智能工程师,数据工程师,数据科学家,运营分析师,产品分析师,风险分析师,高级数据科学家,高级风险分析师等。
以上就是Joy老师在加州大学戴维斯分校商业分析项目的全部就读体验啦!