18Fall MSBA 申请季过半该总结一下了，希望对18、19Fall 的小伙伴们有所帮助
51636
楼主top5经济本加互联网金融双专业（本科学校在楼主的心目中真的是top5哈哈哈）三维是：wes gpa 3.75;tofel 111; gre 329 有四段实习经历，其中一段vc，一段咨询，一段互联网金融，一段amazon，后两段与数据分析比较相关。目前录取到的学校有Wfu MSBA; Duke MQM; Ucd MSBA; Emory MSBA, 还在等结果的学校有USC; UCLA; CMU; NW; UT Austin; MIT（估计凉了）
唔。。。。之前从来没有写过类似申请总结的东西，楼主就随心所欲的写了，我想分两部分写，第一部分是从决定出国到现在这样一个状态的心路历程，第二部分是出国的同学们都会遇到的一些困扰和问题，比如如何选择专业，如果选择学校，是不是应该找中介，我读了这个专业毕业之后究竟是做什么的，当然我的大部分经验仅适用于MSBA这个专业哈，希望这份总结能够帮助到正在申请的18fall 和未来的19fall的同学们。
1. 保研、工作、出国之间的纠结
楼主决定出国的时候已经是17年4月份了，当时我有很多种选择，保研、工作、出国都可以走得通，在这里要提醒一下19fall的同学们，在决定毕业去向的时候，一定要只选择一条路走，不要想着可以参加秋招的同时申请出国，甚至保研、工作、出国三件事一起做，这三件事每一件都需要花费巨大的精力和资源，能把其中一件事做好就很不容易了。楼主当时选择出国的原因是：我的成绩不算院里顶尖水平，虽然努努力能保到本校的研究生，但是外保到更好的学校就很困难了（楼主更倾向于外保）所以大三下一开始就放弃了保研；楼主也曾经想过工作，想拿到咨询的summer internship 然后争取拿到return offer 直接工作，但是后来发现MBB这种顶级的咨询公司很看重本科背景，就北京地区来说的话基本要清北背景＋做过他们家的PTA才比较有希望进到第二轮面试，再加上楼主的本科学校在咨询圈名气不算大（大多数校友都去做了金融）所以楼主准备了一段时间之后发现了这个事实也就放弃了咨询summer internship的准备，整个申请summer的过程中也收获了很多，练习了很多case interview，锻炼了分析问题、解决问题的能力，也非常开心和我一起准备的小伙伴拿到了心仪的summer internship和return offer。最后是出国，楼主在放弃了保研和工作这两个选项后，开始考虑出国，如果出国的话楼主希望在美国工作几年再回国，所以希望申请一些比较好找工作的项目，正好商业分析（BA）项目最近几年特别火，而且BA又是一个极其就业导向的STEM项目（BA究竟是什么，为什么这么火，这个项目毕业之后做的工作是什么，这一系列问题楼主会在第二部分谈到），在经过长时间的了解与权衡之后，楼主决定申请BA并且只申请这一类项目。
2. GT、实习、科研、补课同时准备——申请季前的疯狂
楼主在4月份决定出国申请BA，在做过一些了解之后发现申请这个项目最重要的四个方面就是三维、实习、项目经历和课程经历，从4月份到申请季其实只有6个月时间，这四件事情来不及一件一件做，楼主只能被迫同时开始这四个方面的准备。首先是三维，因为楼主的gpa基本已成定局。。。无法再改变了，就决定把g和t 刷的高一些，在这里稍微提一下，想申请不错的学校，gt最好在325，105以上，如果想申请最top的像MIT这种，gt最好在330，110以上。楼主报了6月份的gre和7月份的tofel，同时辞去了当时在咨询的实习，去了一家互联网金融公司做金融数据分析的实习，也就是边实习边复习gre，可以说是很痛苦了，每天上下班坐公交和晚上睡觉的时候都在背单词。。。一战的结果还不错，158+170，本来欢喜的以为不用再考了，结果aw分数只有3.5，之前听说过有的学校卡aw 4.0这个分数线，所以无奈又报了一次7月中旬的gre，最后二战考了159+170（4.0），还是比较理想的，我的gre也就告一段落。至于tofel一战只有104，没有达到自己预想的程度，又报了一次8月底的托福，最后考了111（24），也达到了自己的要求吧，总体来说gre和tofel都是二战解决问题，还是比较幸运的。楼主的女朋友从6月份到10月份考了4次gre，在这里心疼一波。。。其次是实习，楼主前两份实习是vc和咨询，跟数据分析扯不上关系，但恰巧做的实习内容都是和大数据领域相关的，所以也算略微相关吧。。在决定出国的BA之后，楼主立刻辞掉了当时咨询的实习，找了一份互联网金融创业公司做金融数据分析，基本工作内容就是根据公司财报和运营数据去预测下一季度的营收和利润，还有就是一些数据清洗和可视化的工作。因为自己前三份实习都算比较小的公司，楼主在申请季的时候还是希望有一份大公司的相关实习，这样会更有竞争力，一次偶然的机会进了亚马逊做数据分析实习生，也了解到了BA毕业之后的工作内容，具体内容楼主也会在第二部分谈一谈。项目经历方面，因为楼主本科是经济学，认识的教授都是从事经济学相关研究的，为了找到数据分析相关的项目，楼主几乎动用了自己所有的资源，甚至去旁听一门大数据分析的课，通过跟老师频繁的交流破例进入了这位老师的大数据实验室，跟着做了一个数据分析的项目。最后楼主在简历中有3个数据分析相关的项目经历，并且要到了其中两个项目导师的推荐信，也算有很大收获了。
最后是课程经历，BA是一个半理半文的专业，对于编程能力是有一定要求的，必备的课程有SQL, Python(R)和Tableau, 重要性依次降低，楼主本科没有上过任何编程课程，再选学校的课也来不及了，所以楼主在coursera和datacamp这种公开课平台上学了所有必备的课程，包括SQL,Python,R和Tableau,最后拿了11个证书，这些证书在申请的时候是可以作为additional material 提交上去的，所以楼主比较建议19fall的同学多去coursera上刷一些这种证书，对申请也会有帮助。
经过疯狂的5个月之后，楼主总算是在申请季之前让自己well prepared了，总体来说是很幸运了，楼主也很感激，比如2次就刷出了gt，偶然间有机会进入亚马逊工作，破例进了教授的大数据实验室...接下来迎接楼主的是更加疯狂的申请季
3. 选校、网申、文书、面试——申请季的战略布局
因为楼主在9月底把成绩都考了出来，也有了足够的实习和项目经历，也拿到了足够的网课证书，所以申请季开始的时候时间比较充裕并且可以一心一意的申请。在楼主看来申请学校很像作战时的战略布局，选校的梯度和申请的轮次都很关键（如何选校、选哪个轮次更好、什么是最好的选校策略也会放到第二部分来说），楼主当时收集了所有BA项目的信息，并且去每个项目的网站上仔细分析了项目的优势与劣势，结合它以往录取的难度，最后选了12所学校，分为三个梯度，第一个梯度是保底校，第二个梯度是跟自己水平相当的学校，第三个梯度是冲刺校，也就是抱着买彩票的心态去申的。在选校之后，楼主开始选择申请的轮次，大部分的BA项目都是有好几轮可以选择的，楼主把12所学校分成了三批申请，第一批是10月底，第二批是11月底，第三批是12月底和1月初，尽量都在每个学校的前两轮申请，因为到后来坑位越来越少，录取的bar也会越来越高，但这并不是鼓励大家无条件的尽早申请，原则是在自己totally well prepared 的时候，选择更早的轮次申请。楼主自认为在申请季保持了比较好的节奏，基本是在每所学校ddl前一个月寄送成绩，半个月前写书文书的初稿，5天前写出文书的终稿并填好网申，最后几天check网申信息并提前2天提交。目前楼主已经拿到了4个offer并且暂时决定去Emory 的MSBA项目，正在等大部分冲刺校的结果，预计到4月底能够尘埃落定。楼主会持续update录取信息的。
第一部分到此结束！！！也不知道楼主码了这么多的字是不是显得太啰嗦了，第一部分是想回顾一下楼主整个申请的历程，第二部分就是总结了一些楼主在申请季中思考的问题，这些问题也是大部分申请BA的同学们关心的问题，希望可以帮到大家。
-------------------------------------------------------------------------分割线--------------------------------------------------------------------------
1. 商业分析（BA）项目主要讲什么?为什么BA现在这么火?从BA项目毕业后可以从事哪些行业，具体的工作内容是什么?
商业分析也可以叫做数据分析，是互联网时代应运而生的一个专业，它的目的就是培养能够获取数据、清洗数据并且可以建模分析数据的商业人才，可以说职业导向性很强了，基本毕业了就是输送给各个行业各个公司去处理数据、分析数据的。从任何一个BA项目的课程设置都可以看出，它主要会讲数据的抓取、处理、可视化和建模分析，其中建模分析会包括时间序列分析、机器学习、神经网络这种比较高级的模型。项目还会讲很多数据分析在各个领域的应用，比如marketing, finance, healthcare, social network analysis 这些课程，具体讲哪些是因课程而异的。在整个项目中主要会用这些语言，SQL(抓取数据用的），Python/R(清洗数据、建模分析用的），Tableau（数据可视化用的），所以读BA这个项目还是要有较好的数学和编程基础的，当然商业分析最终的目的是通过数据分析解决实际的商业问题，所以在项目中不会一味地学数学模型、敲代码，会学习数据分析在商业中的应用，并且会有很多的案例和实际项目帮助你提高这方面的能力，所以商业方面的能力和直觉也挺重要的。那么为什么BA现在这么火呢，一方面是劳动力市场的需求增加，我之前也提到过互联网时代发展迅速，这就导致大多数公司都积累了很多数据并且希望很好的利用这些数据，这就造成了business analyst 或是 data analyst 的劳动力需求，需求大了，开设这个项目的学校就多了，申请这个专业的人也就多了。另一方面是项目本身的原因，现在美国的就业形势越来越严峻，就导致STEM专业的项目越来越受欢迎（大概意思是毕业后只要找到工作，即使抽不到工签也可以工作3年再回国，非 stem只有12个月），BA的STEM属性再加上这个项目对本科专业没有什么要求，任何专业都可以转成BA，门槛比较低，这就吸引了大量的人申请这个项目，造成了现在这个人尽皆知的局面。。。BA主要的就业方向就是去金融、咨询、互联网等行业做data analyst/business analyst/quantitative analyst，再tech一些的岗位包括data scientist这种，其实每个学校项目网站都有career report，可以看到历届学生都去了哪里工作，因为business analyst 是ba毕业之后的一大主要去向，楼主也在amazon做了半年多的business analyst intern，就聊一下自己的日常工作给大家提供一些借鉴。楼主的日常工作中SQL占据了60%的工作，基本每天都要用到SQL抓数，做数据处理的时候会用到Python/R，还会用Tableau做一些运营数据的可视化和自动化分析。楼主的工作可以分为三个部分，第一部分是监控并优化运营KPI，互联网公司每个组都有自己的KPI指标，楼主是在supply chain 的fufillment experience组，也有一些自己的指标，我们会设计一些metrics去监控这些指标，每周review一次，如果发现上周的kpi发生了比较大的波动，就要dive deep其中的原因并对我们的运营进行优化，这部分工作主要是用到SQL抓取数据计算kpi和用excel数据透视表和公式。第二部分是自己做的一些项目，楼主在的组的氛围特别好（在这里安利一波亚马逊哈哈），所以楼主可以根据自己的兴趣做一些项目改进亚马逊的运营效率，在做项目的过程中就会用到SQL,Python,R这些语言做数据抓取，数据处理和建模分析，最后得出的结论和建议经过组里的讨论就可以进行试运营，最后正式应用到实际运营中。第三部分就是support 其他组的工作，提供一些必要的数据支持，楼主在实习的过程中经常会和pm合作，支持pm做的一些项目，这就要求我们能够把pm的需求转化成实际的数据支持，并且用最有效的方式提供数据支持，因此在决定用哪种方式提供数据支持时就要求对数据结构和数据库的读取方式有很深的了解，举个例子来说，pm要求提供一系列数据，我们可以从原始的表里抓取，也可以新建一个数据库单独存储pm需要的数据，如果新建一个数据库，会占用资源，对公司来说一张表就是一部分成本呢，但是写的query跑起来就很快；如果直接从原数据库里抓数，由于原数据库的量级太大，跑一个query可能会很慢，有时候会跑2个多小时（楼主经常会碰到。。。）这个时候就要权衡两种方式的利弊，也就要对数据结构和数据库读取方式有很深的了解。同时我们不是单纯的听从pm的需求，机械地提供数据，我们会从数据支持的角度给出自己的想法，比如pm要的数据很难在短时间内抓到或者抓取的成本太高，再比如还存在一些pm没有意识到但是以后可能会需要的数据，这些都需要我们思考过后给出自己的解决方案。以上内容其实就是楼主实习中的日常工作，也算是一个full time的junior business analyst 的日常工作。
2. 是不是应该找中介？
找不找中介其实完全看个人需求，如果你在申请季之前自己的背景已经很well prepared了，并且自己的英语能力也不错，自主能动性还比较强，那其实完全可以自己申请。如果你决定找中介，那一定要看中介能不能做一些你自己无法做的事情，比如你申请季的时候时间很紧张，又要考gt又要实习，可能就没有时间做搜索项目信息、给学校发邮件这样的dirty work，再比如你的英语写作和创作能力太差了，可能就需要找一个特别好的文书老师帮忙写文书。楼主在找中介的过程中发现，大多数中介都很水，10个里面有一个好的就不错了，如果要找中介，首先要找一个好中介，评价的标准就是看中介能不能给你真正需要的东西，其次是找一个好的文书老师，其实抛开三维、实习、各种经历来看，最重要的部分就属文书了，文书也是我们能够控制的东西，所以好的文书老师是很重要的，一个口碑很好的中介里也有水平一般的文书老师，签约之前一定要保证文书老师水平高并且靠谱才可以。这是楼主关于中介的一些想法，不希望大家花了那么多钱找中介最后被坑了，希望可以帮到大家。最后楼主想说的是，再好的中介也只能做到锦上添花，不能雪中送炭，申请路上99%还是要靠我们自己。
3. 如何选校和项目的轮次
刚才楼主说过是否找中介要看自己的需求，那么选校阶段更加是看自己的需求了，一个好项目是能够帮助你实现未来的人生规划的项目，以楼主自己为例吧，楼主希望毕业之后在美国工作几年再回国工作，所以楼主倾向于找项目时间长（可以做summer intern），地理位置好（方便找实习和工作），学校在data相关的领域认可度高和历史career report 表现好的项目；而项目的课程设置就没那么重要，因为楼主觉得研究生阶段主要靠自学，对自己的学习能力也比较有信心。这是楼主对自己的一个分析，分析之后就要开始根据自我分析选校，选校的时候最好分三个梯度，分为“保底”、“普通”和“冲刺”校，楼主当时选了12所学校，有3所保底，5所普通和4所冲刺，选校之后就要开始选择申请哪个轮次，有的学校是只有一个ddl，并且ddl之后统一审核，比如mit、nwu、cmu等，有的学校是有好多轮次，可以根据自己情况选择，只有一个轮次的不用多说，楼主讲一下有多个轮次的申请原则，原则就是在自己所有都well prepared 的情况下尽量选择前两轮申请，到后面坑少了录取的bar也会变高，楼主就是按照这样的原则把12所学校的申请分成了三个时间点，分别是10月底，11月底和1月初，每个时间点都有3-4所学校。楼主认为这个选校和申请策略还是比较有逻辑的，有一个不足之处就是，原则上是先申请冲刺校，这样申请到了一所之后就不需要申请那些保底校了，但是楼主的冲刺校大多都只有一轮，并且ddl很晚，导致楼主的冲刺校都放在了最后一个时间点，导致楼主录了前面的学校时交deposit就很纠结。这部分就是楼主对选校和项目轮次的一点想法。
4. 如何准备面试
随着越来越多的学生申请MSBA项目，各个学校也开始用kira筛选学生甚至代替真人面试来节约招生官们的时间，像楼主知道的今年wfu，wustl，ucd，ucsd，cmu这些学校都有kira，所以准备kira也是一个重要的环节，kira和真人面试的准备方式基本是一样的，都是去各大论坛、微信群里找面经，把每道问题的答案写下来背下来，面试的时候搜索脑袋里的记忆库就可以了，还有一些面试时的小tips比较多，楼主就不在这里整理了，大家可以私信楼主。
5. 申请的四个重要环节的准备——三维、实习、项目经历、课程经历
先说说三维，随着国内各大教育机构的崛起，中国学生的gt成绩也水涨船高，4-5年前gre 320还是一个挺高的分数，现在gre 320已经变成最低要求了。楼主认为gt的最低标准是320+ 100+，一般来说，3.6+ 325+ 105+ 就可以申请大多数BA项目了，如果希望申请MIT这种顶级学校或者USC这种分控校的话，gt最好达到330+ 110+。
GRE小分方面，因为BA是对数理能力要求较高的项目，所以quant的小分很重要，比如UCLA就要求gre quant达到167以上，楼主认为quant最好达到170满分（这对中国学生应该不成问题hh），还有就是aw 最好要4.0以上，因为4.0是及格线，楼主也知道一些项目卡aw 4.0，像uw 的msis和msim项目，楼主就是因为第一次aw 考了3.5，本来总分已经够了(158+170)，无奈又刷了一次。
托福小分方面，口语一直是中国学生的软肋，楼主见过的大多数同学口语都在23，24左右，很多学校对于口语小分也有要求，比如cmu要求口语小分25，UCLA要求口语小分24，不过不是硬性要求，没达到也不意味着一定被拒。
Gre和托福相比的话，楼主认为gre比托福更重要，因为托福只是用于评价学生的英语水平，并且只有国际生才有托福考试成绩，没有很大的可比性。所以在托福和gre都没有达标并且时间紧张的情况下，楼主建议先把更重要的gre考出来。
实习方面，楼主在申请的时候，手上有4份实习，前两份实习是vc和咨询，和数据分析相关性不高，第三份是互联网金融公司的financial data analyst intern，现在在亚马逊做business analyst intern，后两份实习和数据分析相关度比较高。整体来说楼主对自己的实习经历还是比较满意的，4份实习，2份高度相关，其中一份还是big name。因为BA项目是职业导向性很强的项目，很多学校都偏好有工作经验的人，像CMU，UT，UCD等，对于我们这种没有工作经验的应届生，相关的实习经验就很重要啦，楼主认为比较理想的实习经历是，在简历中有3-4份实习经历，并且2份高度相关，最好有一份高度相关且big name的实习（这份实习最好做6个月以上，对申请和就业都有帮助）。如果达不到这个标准，至少也要有1-2份实习，其中1份高度相关的实习经历。关于如何找实习，楼主有一些方法推荐：在各大论坛搜索实习信息；找师兄师姐内推；去领英做networking（楼主有两次很好的实习机会都是在领英找到的，可惜最后水平不够，挂在了面试上，楼主也觉得很可惜）
项目经历方面，除了数据分析相关的实习，数据分析相关的项目还是要有1-2个的，这部分经历主要是写在简历中的“课外活动和项目经历”中的，有些很好的项目还可以作为文书的素材写进去，项目经历主要是在科研、实验室或者课堂大作业中做的一些数据分析的项目，楼主当时四处找项目做，最后做了5个数据分析类项目，写了3个到简历上，还通过做项目要到了两封推荐信。这部分虽然没有实习经历重要，但也是必要的一部分。
课程经历方面，BA对编程基础和数理基础要求比较高，比如数学三件套（微积分、线性代数、概率论与数理统计），数据库语言（SQL），编程语言（Python/R），这些课程最好在申请的时候都上过，并且最好是college-level的，能体现在成绩单上的；如果来不及选这些课程可以退而求其次去coursera上学，但最好拿到证书，在申请的时候作为附加材料提交更有说服力。楼主的SQL,Python,R都是在coursera上学的，并且拿了11个证书，还是有挺大帮助的。
在最后，楼主希望这份申请总结能够帮助到大家，有什么问题可以在评论区留言或者私信楼主微信都可以。每个人至少都怀揣着一个目标出国读书，有的人放弃了名校的推免，有的人放弃了可观的工作，楼主相信所有的坚持和努力都会化成一个满意的offer汇报给大家，最后希望所有18，19fall的同学都有一个难忘又圆满的申请季。
麻烦添加的时候备注一下
唔。。。。之前从来没有写过类似申请总结的东西，楼主就随心所欲的写了，我想分两部分写，第一部分是从决定出国到现在这样一个状态的心路历程，第二部分是出国的同学们都会遇到的一些困扰和问题，比如如何选择专业，如果选择学校，是不是应该找中介，我读了这个专业毕业之后究竟是做什么的，当然我的大部分经验仅适用于MSBA这个专业哈，希望这份总结能够帮助到正在申请的18fall 和未来的19fall的同学们。
1. 保研、工作、出国之间的纠结
楼主决定出国的时候已经是17年4月份了，当时我有很多种选择，保研、工作、出国都可以走得通，在这里要提醒一下19fall的同学们，在决定毕业去向的时候，一定要只选择一条路走，不要想着可以参加秋招的同时申请出国，甚至保研、工作、出国三件事一起做，这三件事每一件都需要花费巨大的精力和资源，能把其中一件事做好就很不容易了。楼主当时选择出国的原因是：我的成绩不算院里顶尖水平，虽然努努力能保到本校的研究生，但是外保到更好的学校就很困难了（楼主更倾向于外保）所以大三下一开始就放弃了保研；楼主也曾经想过工作，想拿到咨询的summer internship 然后争取拿到return offer 直接工作，但是后来发现MBB这种顶级的咨询公司很看重本科背景，就北京地区来说的话基本要清北背景＋做过他们家的PTA才比较有希望进到第二轮面试，再加上楼主的本科学校在咨询圈名气不算大（大多数校友都去做了金融）所以楼主准备了一段时间之后发现了这个事实也就放弃了咨询summer internship的准备，整个申请summer的过程中也收获了很多，练习了很多case interview，锻炼了分析问题、解决问题的能力，也非常开心和我一起准备的小伙伴拿到了心仪的summer internship和return offer。最后是出国，楼主在放弃了保研和工作这两个选项后，开始考虑出国，如果出国的话楼主希望在美国工作几年再回国，所以希望申请一些比较好找工作的项目，正好商业分析（BA）项目最近几年特别火，而且BA又是一个极其就业导向的STEM项目（BA究竟是什么，为什么这么火，这个项目毕业之后做的工作是什么，这一系列问题楼主会在第二部分谈到），在经过长时间的了解与权衡之后，楼主决定申请BA并且只申请这一类项目。
2. GT、实习、科研、补课同时准备——申请季前的疯狂
楼主在4月份决定出国申请BA，在做过一些了解之后发现申请这个项目最重要的四个方面就是三维、实习、项目经历和课程经历，从4月份到申请季其实只有6个月时间，这四件事情来不及一件一件做，楼主只能被迫同时开始这四个方面的准备。首先是三维，因为楼主的gpa基本已成定局。。。无法再改变了，就决定把g和t 刷的高一些，在这里稍微提一下，想申请不错的学校，gt最好在325，105以上，如果想申请最top的像MIT这种，gt最好在330，110以上。楼主报了6月份的gre和7月份的tofel，同时辞去了当时在咨询的实习，去了一家互联网金融公司做金融数据分析的实习，也就是边实习边复习gre，可以说是很痛苦了，每天上下班坐公交和晚上睡觉的时候都在背单词。。。一战的结果还不错，158+170，本来欢喜的以为不用再考了，结果aw分数只有3.5，之前听说过有的学校卡aw 4.0这个分数线，所以无奈又报了一次7月中旬的gre，最后二战考了159+170（4.0），还是比较理想的，我的gre也就告一段落。至于tofel一战只有104，没有达到自己预想的程度，又报了一次8月底的托福，最后考了111（24），也达到了自己的要求吧，总体来说gre和tofel都是二战解决问题，还是比较幸运的。楼主的女朋友从6月份到10月份考了4次gre，在这里心疼一波。。。其次是实习，楼主前两份实习是vc和咨询，跟数据分析扯不上关系，但恰巧做的实习内容都是和大数据领域相关的，所以也算略微相关吧。。在决定出国的BA之后，楼主立刻辞掉了当时咨询的实习，找了一份互联网金融创业公司做金融数据分析，基本工作内容就是根据公司财报和运营数据去预测下一季度的营收和利润，还有就是一些数据清洗和可视化的工作。因为自己前三份实习都算比较小的公司，楼主在申请季的时候还是希望有一份大公司的相关实习，这样会更有竞争力，一次偶然的机会进了亚马逊做数据分析实习生，也了解到了BA毕业之后的工作内容，具体内容楼主也会在第二部分谈一谈。项目经历方面，因为楼主本科是经济学，认识的教授都是从事经济学相关研究的，为了找到数据分析相关的项目，楼主几乎动用了自己所有的资源，甚至去旁听一门大数据分析的课，通过跟老师频繁的交流破例进入了这位老师的大数据实验室，跟着做了一个数据分析的项目。最后楼主在简历中有3个数据分析相关的项目经历，并且要到了其中两个项目导师的推荐信，也算有很大收获了。
最后是课程经历，BA是一个半理半文的专业，对于编程能力是有一定要求的，必备的课程有SQL, Python(R)和Tableau, 重要性依次降低，楼主本科没有上过任何编程课程，再选学校的课也来不及了，所以楼主在coursera和datacamp这种公开课平台上学了所有必备的课程，包括SQL,Python,R和Tableau,最后拿了11个证书，这些证书在申请的时候是可以作为additional material 提交上去的，所以楼主比较建议19fall的同学多去coursera上刷一些这种证书，对申请也会有帮助。
经过疯狂的5个月之后，楼主总算是在申请季之前让自己well prepared了，总体来说是很幸运了，楼主也很感激，比如2次就刷出了gt，偶然间有机会进入亚马逊工作，破例进了教授的大数据实验室...接下来迎接楼主的是更加疯狂的申请季
3. 选校、网申、文书、面试——申请季的战略布局
因为楼主在9月底把成绩都考了出来，也有了足够的实习和项目经历，也拿到了足够的网课证书，所以申请季开始的时候时间比较充裕并且可以一心一意的申请。在楼主看来申请学校很像作战时的战略布局，选校的梯度和申请的轮次都很关键（如何选校、选哪个轮次更好、什么是最好的选校策略也会放到第二部分来说），楼主当时收集了所有BA项目的信息，并且去每个项目的网站上仔细分析了项目的优势与劣势，结合它以往录取的难度，最后选了12所学校，分为三个梯度，第一个梯度是保底校，第二个梯度是跟自己水平相当的学校，第三个梯度是冲刺校，也就是抱着买彩票的心态去申的。在选校之后，楼主开始选择申请的轮次，大部分的BA项目都是有好几轮可以选择的，楼主把12所学校分成了三批申请，第一批是10月底，第二批是11月底，第三批是12月底和1月初，尽量都在每个学校的前两轮申请，因为到后来坑位越来越少，录取的bar也会越来越高，但这并不是鼓励大家无条件的尽早申请，原则是在自己totally well prepared 的时候，选择更早的轮次申请。楼主自认为在申请季保持了比较好的节奏，基本是在每所学校ddl前一个月寄送成绩，半个月前写书文书的初稿，5天前写出文书的终稿并填好网申，最后几天check网申信息并提前2天提交。目前楼主已经拿到了4个offer并且暂时决定去Emory 的MSBA项目，正在等大部分冲刺校的结果，预计到4月底能够尘埃落定。楼主会持续update录取信息的。
第一部分到此结束！！！也不知道楼主码了这么多的字是不是显得太啰嗦了，第一部分是想回顾一下楼主整个申请的历程，第二部分就是总结了一些楼主在申请季中思考的问题，这些问题也是大部分申请BA的同学们关心的问题，希望可以帮到大家。
-------------------------------------------------------------------------分割线--------------------------------------------------------------------------
1. 商业分析（BA）项目主要讲什么?为什么BA现在这么火?从BA项目毕业后可以从事哪些行业，具体的工作内容是什么?
商业分析也可以叫做数据分析，是互联网时代应运而生的一个专业，它的目的就是培养能够获取数据、清洗数据并且可以建模分析数据的商业人才，可以说职业导向性很强了，基本毕业了就是输送给各个行业各个公司去处理数据、分析数据的。从任何一个BA项目的课程设置都可以看出，它主要会讲数据的抓取、处理、可视化和建模分析，其中建模分析会包括时间序列分析、机器学习、神经网络这种比较高级的模型。项目还会讲很多数据分析在各个领域的应用，比如marketing, finance, healthcare, social network analysis 这些课程，具体讲哪些是因课程而异的。在整个项目中主要会用这些语言，SQL(抓取数据用的），Python/R(清洗数据、建模分析用的），Tableau（数据可视化用的），所以读BA这个项目还是要有较好的数学和编程基础的，当然商业分析最终的目的是通过数据分析解决实际的商业问题，所以在项目中不会一味地学数学模型、敲代码，会学习数据分析在商业中的应用，并且会有很多的案例和实际项目帮助你提高这方面的能力，所以商业方面的能力和直觉也挺重要的。那么为什么BA现在这么火呢，一方面是劳动力市场的需求增加，我之前也提到过互联网时代发展迅速，这就导致大多数公司都积累了很多数据并且希望很好的利用这些数据，这就造成了business analyst 或是 data analyst 的劳动力需求，需求大了，开设这个项目的学校就多了，申请这个专业的人也就多了。另一方面是项目本身的原因，现在美国的就业形势越来越严峻，就导致STEM专业的项目越来越受欢迎（大概意思是毕业后只要找到工作，即使抽不到工签也可以工作3年再回国，非 stem只有12个月），BA的STEM属性再加上这个项目对本科专业没有什么要求，任何专业都可以转成BA，门槛比较低，这就吸引了大量的人申请这个项目，造成了现在这个人尽皆知的局面。。。BA主要的就业方向就是去金融、咨询、互联网等行业做data analyst/business analyst/quantitative analyst，再tech一些的岗位包括data scientist这种，其实每个学校项目网站都有career report，可以看到历届学生都去了哪里工作，因为business analyst 是ba毕业之后的一大主要去向，楼主也在amazon做了半年多的business analyst intern，就聊一下自己的日常工作给大家提供一些借鉴。楼主的日常工作中SQL占据了60%的工作，基本每天都要用到SQL抓数，做数据处理的时候会用到Python/R，还会用Tableau做一些运营数据的可视化和自动化分析。楼主的工作可以分为三个部分，第一部分是监控并优化运营KPI，互联网公司每个组都有自己的KPI指标，楼主是在supply chain 的fufillment experience组，也有一些自己的指标，我们会设计一些metrics去监控这些指标，每周review一次，如果发现上周的kpi发生了比较大的波动，就要dive deep其中的原因并对我们的运营进行优化，这部分工作主要是用到SQL抓取数据计算kpi和用excel数据透视表和公式。第二部分是自己做的一些项目，楼主在的组的氛围特别好（在这里安利一波亚马逊哈哈），所以楼主可以根据自己的兴趣做一些项目改进亚马逊的运营效率，在做项目的过程中就会用到SQL,Python,R这些语言做数据抓取，数据处理和建模分析，最后得出的结论和建议经过组里的讨论就可以进行试运营，最后正式应用到实际运营中。第三部分就是support 其他组的工作，提供一些必要的数据支持，楼主在实习的过程中经常会和pm合作，支持pm做的一些项目，这就要求我们能够把pm的需求转化成实际的数据支持，并且用最有效的方式提供数据支持，因此在决定用哪种方式提供数据支持时就要求对数据结构和数据库的读取方式有很深的了解，举个例子来说，pm要求提供一系列数据，我们可以从原始的表里抓取，也可以新建一个数据库单独存储pm需要的数据，如果新建一个数据库，会占用资源，对公司来说一张表就是一部分成本呢，但是写的query跑起来就很快；如果直接从原数据库里抓数，由于原数据库的量级太大，跑一个query可能会很慢，有时候会跑2个多小时（楼主经常会碰到。。。）这个时候就要权衡两种方式的利弊，也就要对数据结构和数据库读取方式有很深的了解。同时我们不是单纯的听从pm的需求，机械地提供数据，我们会从数据支持的角度给出自己的想法，比如pm要的数据很难在短时间内抓到或者抓取的成本太高，再比如还存在一些pm没有意识到但是以后可能会需要的数据，这些都需要我们思考过后给出自己的解决方案。以上内容其实就是楼主实习中的日常工作，也算是一个full time的junior business analyst 的日常工作。
2. 是不是应该找中介？
找不找中介其实完全看个人需求，如果你在申请季之前自己的背景已经很well prepared了，并且自己的英语能力也不错，自主能动性还比较强，那其实完全可以自己申请。如果你决定找中介，那一定要看中介能不能做一些你自己无法做的事情，比如你申请季的时候时间很紧张，又要考gt又要实习，可能就没有时间做搜索项目信息、给学校发邮件这样的dirty work，再比如你的英语写作和创作能力太差了，可能就需要找一个特别好的文书老师帮忙写文书。楼主在找中介的过程中发现，大多数中介都很水，10个里面有一个好的就不错了，如果要找中介，首先要找一个好中介，评价的标准就是看中介能不能给你真正需要的东西，其次是找一个好的文书老师，其实抛开三维、实习、各种经历来看，最重要的部分就属文书了，文书也是我们能够控制的东西，所以好的文书老师是很重要的，一个口碑很好的中介里也有水平一般的文书老师，签约之前一定要保证文书老师水平高并且靠谱才可以。这是楼主关于中介的一些想法，不希望大家花了那么多钱找中介最后被坑了，希望可以帮到大家。最后楼主想说的是，再好的中介也只能做到锦上添花，不能雪中送炭，申请路上99%还是要靠我们自己。
3. 如何选校和项目的轮次
刚才楼主说过是否找中介要看自己的需求，那么选校阶段更加是看自己的需求了，一个好项目是能够帮助你实现未来的人生规划的项目，以楼主自己为例吧，楼主希望毕业之后在美国工作几年再回国工作，所以楼主倾向于找项目时间长（可以做summer intern），地理位置好（方便找实习和工作），学校在data相关的领域认可度高和历史career report 表现好的项目；而项目的课程设置就没那么重要，因为楼主觉得研究生阶段主要靠自学，对自己的学习能力也比较有信心。这是楼主对自己的一个分析，分析之后就要开始根据自我分析选校，选校的时候最好分三个梯度，分为“保底”、“普通”和“冲刺”校，楼主当时选了12所学校，有3所保底，5所普通和4所冲刺，选校之后就要开始选择申请哪个轮次，有的学校是只有一个ddl，并且ddl之后统一审核，比如mit、nwu、cmu等，有的学校是有好多轮次，可以根据自己情况选择，只有一个轮次的不用多说，楼主讲一下有多个轮次的申请原则，原则就是在自己所有都well prepared 的情况下尽量选择前两轮申请，到后面坑少了录取的bar也会变高，楼主就是按照这样的原则把12所学校的申请分成了三个时间点，分别是10月底，11月底和1月初，每个时间点都有3-4所学校。楼主认为这个选校和申请策略还是比较有逻辑的，有一个不足之处就是，原则上是先申请冲刺校，这样申请到了一所之后就不需要申请那些保底校了，但是楼主的冲刺校大多都只有一轮，并且ddl很晚，导致楼主的冲刺校都放在了最后一个时间点，导致楼主录了前面的学校时交deposit就很纠结。这部分就是楼主对选校和项目轮次的一点想法。
4. 如何准备面试
随着越来越多的学生申请MSBA项目，各个学校也开始用kira筛选学生甚至代替真人面试来节约招生官们的时间，像楼主知道的今年wfu，wustl，ucd，ucsd，cmu这些学校都有kira，所以准备kira也是一个重要的环节，kira和真人面试的准备方式基本是一样的，都是去各大论坛、微信群里找面经，把每道问题的答案写下来背下来，面试的时候搜索脑袋里的记忆库就可以了，还有一些面试时的小tips比较多，楼主就不在这里整理了，大家可以私信楼主。
5. 申请的四个重要环节的准备——三维、实习、项目经历、课程经历
先说说三维，随着国内各大教育机构的崛起，中国学生的gt成绩也水涨船高，4-5年前gre 320还是一个挺高的分数，现在gre 320已经变成最低要求了。楼主认为gt的最低标准是320+ 100+，一般来说，3.6+ 325+ 105+ 就可以申请大多数BA项目了，如果希望申请MIT这种顶级学校或者USC这种分控校的话，gt最好达到330+ 110+。
GRE小分方面，因为BA是对数理能力要求较高的项目，所以quant的小分很重要，比如UCLA就要求gre quant达到167以上，楼主认为quant最好达到170满分（这对中国学生应该不成问题hh），还有就是aw 最好要4.0以上，因为4.0是及格线，楼主也知道一些项目卡aw 4.0，像uw 的msis和msim项目，楼主就是因为第一次aw 考了3.5，本来总分已经够了(158+170)，无奈又刷了一次。
托福小分方面，口语一直是中国学生的软肋，楼主见过的大多数同学口语都在23，24左右，很多学校对于口语小分也有要求，比如cmu要求口语小分25，UCLA要求口语小分24，不过不是硬性要求，没达到也不意味着一定被拒。
Gre和托福相比的话，楼主认为gre比托福更重要，因为托福只是用于评价学生的英语水平，并且只有国际生才有托福考试成绩，没有很大的可比性。所以在托福和gre都没有达标并且时间紧张的情况下，楼主建议先把更重要的gre考出来。
实习方面，楼主在申请的时候，手上有4份实习，前两份实习是vc和咨询，和数据分析相关性不高，第三份是互联网金融公司的financial data analyst intern，现在在亚马逊做business analyst intern，后两份实习和数据分析相关度比较高。整体来说楼主对自己的实习经历还是比较满意的，4份实习，2份高度相关，其中一份还是big name。因为BA项目是职业导向性很强的项目，很多学校都偏好有工作经验的人，像CMU，UT，UCD等，对于我们这种没有工作经验的应届生，相关的实习经验就很重要啦，楼主认为比较理想的实习经历是，在简历中有3-4份实习经历，并且2份高度相关，最好有一份高度相关且big name的实习（这份实习最好做6个月以上，对申请和就业都有帮助）。如果达不到这个标准，至少也要有1-2份实习，其中1份高度相关的实习经历。关于如何找实习，楼主有一些方法推荐：在各大论坛搜索实习信息；找师兄师姐内推；去领英做networking（楼主有两次很好的实习机会都是在领英找到的，可惜最后水平不够，挂在了面试上，楼主也觉得很可惜）
项目经历方面，除了数据分析相关的实习，数据分析相关的项目还是要有1-2个的，这部分经历主要是写在简历中的“课外活动和项目经历”中的，有些很好的项目还可以作为文书的素材写进去，项目经历主要是在科研、实验室或者课堂大作业中做的一些数据分析的项目，楼主当时四处找项目做，最后做了5个数据分析类项目，写了3个到简历上，还通过做项目要到了两封推荐信。这部分虽然没有实习经历重要，但也是必要的一部分。
课程经历方面，BA对编程基础和数理基础要求比较高，比如数学三件套（微积分、线性代数、概率论与数理统计），数据库语言（SQL），编程语言（Python/R），这些课程最好在申请的时候都上过，并且最好是college-level的，能体现在成绩单上的；如果来不及选这些课程可以退而求其次去coursera上学，但最好拿到证书，在申请的时候作为附加材料提交更有说服力。楼主的SQL,Python,R都是在coursera上学的，并且拿了11个证书，还是有挺大帮助的。
在最后，楼主希望这份申请总结能够帮助到大家，有什么问题可以在评论区留言或者私信楼主微信都可以。每个人至少都怀揣着一个目标出国读书，有的人放弃了名校的推免，有的人放弃了可观的工作，楼主相信所有的坚持和努力都会化成一个满意的offer汇报给大家，最后希望所有18，19fall的同学都有一个难忘又圆满的申请季。
麻烦添加的时候备注一下
- 17
6条回复