今天，小编要为大家介绍的是一个当下留学圈相当新潮的专业BA(Business Analytics)，中文翻译为商业分析又和传统的商业分析（Business Analysis）不一样的专业。它主要是以商业知识为基础，数理编程为手段，从数据分析出发，以决策优化来创造价值的新兴专业。其核心是数据挖掘和数据分析，与现在的互联网及大数据（Big Data）相关联，主要是利用高深的技术、模型和算法进行数据挖掘和商业分析，服务的公司都是像IBM、Google、百度、腾讯、阿里这样的互联网公司。随着数据的收集与分析越来越重要，以及大数据时代的到来，我们不难看出BA这个专业虽然新，但其发展前景和潜力是巨大的。更因为大多数的BA专业还是STEM专业，有三年的OPT时间，是的更多的申请者为之向往。
就业前景
就目前的情况来看，BA专业的就业前景还是很好的。
互联网和智能手机产生的数据“大爆炸”催生了提取和解读海量数据的新工作岗位——“数据科学家”。《华尔街日报》日前报道称，3年前数据科学家这个职业头衔基本还不存在，如今已成为高科技劳动力市场上最热门的职位之一。
在很多企业，由于有巨量数据需要分析，数据分析员成为一个必须的职位，连一些看上去和数据毫不相关的企业，也需要数据分析员进行数据分析，帮助做出更好的决策。巨大的用人需求之下，数据科学家成了“香饽饽”，一场寻找或培训“数据科学家”的争夺战正在美国掀起。大数据需要大分析，大分析需要新技术，但企业还需要新人才。在大数据时代，数据科学家等分析人才的需求将激增，尽早开始人才储备将是企业稳步发展的优势之一。
麦肯锡的《大数据》报告显示至2018年美国大数据资深分析专家存在14万至19万缺口，决策经理和分析师缺口将达到150万人。美国各大学的大数据硕士课程从2011、2012年开始大量招生，对于报考学生的教育背景和知识结构要求比较高，但要成为真正的数据科学家，如果没有数年的内在数学能力训练和行业实践磨练，难以成为合格的数据科学家，因此，报告也强调即使在加快开展专业教育和职业培训的前提下，未来仍然存在人才缺口，那么吸引海外技术人才就是一个必然，中国是赴美留学生最多的国家，所以商业分析专业的学生回国之后的就业机会是比较多的。
就业介绍
职业范围定位丨商业领域
就业方向丨数据分析师、程序设计师、风险分析师、信用分析师
职业类型丨商业分析师、市场分析师、风险分析师、模型分析师
职业类型丨finance、marketing、information technology、healthcare、entertainment、consulting
目前来看就业竞争不算激烈，高就业率、高回报率。
图示为UMN的就业情况，而UT Austin 就业率高达96%，Rochester就业率100%，RPI的平均起薪更是达到了达到$7100。
开设院校
目前美国大约有30所学校开设了Business Analytics这个专业。从专业名称来看，大部分学校都是叫Business Analytics，有些直接叫Analytics，还有些叫Predictive Analytics。
从院系设置来看，多数设置在商学院下，如UT Austin, Rochester, MSU, GWU等；北卡罗来纳大学教堂山分校开设在统计与运筹系。
有些设置在工程学院下，如Northwestern、Cornell University；也有设置在信息学院下的，如CMU；一般设置在工程学院及信息学院下的项目，对数学背景和计算机背景要求都很高。
另外如MIT，弗吉尼亚大学，罗切斯特大学，维克森林大学，纽约大学，凯斯西楚大学，加州戴维斯分校，加州圣地亚哥分校、哥伦比亚大学、康奈尔大学、南加州大学等均设有商业分析项目。BA硕士绝大多数都是以就业为导向的，从贴合就业实际的Big Data-analytical work角度来培养学生。
值得注目的是，许多美国院校的MS in Business Analytics是属于STEM（Science, Technology, Engineering and Math）专业，如德州奥斯丁大学，本特利大学，康涅狄格大学等。STEM专业的留学生毕业后可获得36个月的OPT（Optional Practical Training，毕业后的实习期），而一般的商科专业只有12个月的OPT。这无疑为将来有志于留美工作的学生提供了更多获取工作签证的机会。如果打算申请商科方向，又觉得12个月的OPT时间太短的同学们可以考虑一下申请商业分析这个专业。
申请攻略
由于BA是一个极具技术性和专业性的交叉类学科，所以也要求申请者具备丰富的知识和技能的。
我们先来看看该专业对课程学习的要求：
1.数学：微积分和线性代数是大多数数据挖掘应用程序需要矩阵计算的基本算法。
2.统计学：掌握相关性分析、多元回归，柔和各种数据，从不同的角度进行预测性和指导性建模，会使用SAS\SPSS\SciPy\Stata等统计工具软件。
3.编程和写脚本：掌握编程语言可以更具有竞争力，如：Python\R\C\C++\Java\Ruby\Perl\MATLAB\Pig等。
4.数据库：熟练掌握SQL，关注NewSQL这类高扩展、高性能数据库，如：C楼的人啊 Impala\Clustrix\VoltDB等。
5.分布式计算系统：熟悉Apache产品族，钻研NoSQL平台，了解了解Apache Cassandra和MongoDB的优缺点，动手实践Hadoop、HBase、Cassandra、MapReduce、Hive等不断出现的新系统。
6.数据挖掘：数据挖掘是跨学科的，借鉴人工智能和机器学习、统计数据和数据库系统等。
7.数据建模：从ERWin、Agile Data Modeling、ORM Diagrams、UML class diagrams、CRC cards、Conceptual/logical/physical schema、DDL、Bachman diagrams、Zachman Framework等数据建模工具开始，掌握建模技术和方法。
8.数据可视化：选择掌握Flare、HighCharts、AmCharts、D3.js、Processing、Google Visualization API、Raphael.js、Tableau等其中一些可视化工具。
然后在来看看硬件要求：
1.GRE\GMAT：在上面开设院校里我们也介绍了，BA专业并不是所有的都开设在商学院下，并且开设在商学院下的BA专业也接受GRE，所以，建议在申请的时候，同学们可以根据自身的英语水平和准备的时间以及院校的偏好要求来准备。但是从目前的申请状况来看GRE的适用性比GMAT高很多。
2.TOEFL\IELTS：考雅思还是托福呢？针对这个问题，目前大部分同学还是抱着申请英国要考雅思，申请美国才考托福的理念，这里我要特别提出来，现在大部分院校（美国几乎top100的学校）雅思和托福都接受的。所以在选校的时候要查好相关要求。当然对于分数的要求，好的学校托福100+，雅思7.0+，这是没有上限的。
3.GPA：成绩可以分成很多种方式来看待，有overall的，有major的，或者是成绩单上的以及简历上的，并不是我们通常在成绩查询系统里看到的那个死成绩总数和绩点。一般是3.0+的同学都是可以很好的美化的，如果说是3.5+的那可以说已经具备很好的竞争力了，在往上就是4.0了，那就是学霸大神了！
4.Work Experience：这一部分对于申请商科或者偏商科类的专业的同学来说是很重要的，这不仅是你获取推荐信的重要途径，也是收集PS和CV素材的来源，更是你锻炼能力的机会。任何申请的背景提升都是需要花费精力的，只有你付出了相应的努力才能获得回报，行动才是一切好offer的生产力。
最后，我们再来了解一下关于BA的学位设置：
1.Master of Science in Analytics(MSA)分析硕士：是综合应用数学、统计、计算机和各种商业定律的交叉学科专业。部分学校也称其为预言分析和数据分析。2007年北卡州立大学是最早开设此项目的，典型的美国学校还有西北大学。
2.Master of Science in Business Analytics(MSBA)商业分析硕士：这个是兴起于2013年的商学院项目，有的学校是商学院和其他系科联合形式的授课。此学位和分析硕士比较像，课程设置技术类课程少，学费贵。设置该学位的典型的美国学校有罗切斯大学、密歇根州立大学等。
3.Master of Science in Data Science(MSDS)数据科学硕士：兴起于2013年，课程设置非常接近分析硕士，常开设在单独的研究所或是工程学院，有些项目叫数据科学与工程或是信息与数据科学。典型学校有哥伦比亚大学、纽约大学等。
正是由于每个学校设置专业和培养目标的不同，所以在学位和课程安排上也会不太一样，因此建议打算或正在申请商业分析专业的同学，在选校的时候一定要仔细的查看学校的信息，不仅要看自己是否能达到这些学校的招生要求，更要看看自己是否感兴趣和适合该学校的风格。
好啦~由于篇幅的限制今天的介绍暂且到这里啦！如果还想了解更多关于BA专业的学校信息以及申请难度的同学，关注我们的微信公众平台和微博，私信我们就可以啦！
也请大家继续关注我们，并把我们分享给身边也怀有留学梦的朋友哦~
还没有结束哦~关注我们，然后在后台回复“GRE”，即可获得我们为你准备的超值福利哦！
