BA申请总结（AD：UC Berkeley Fintech | CMU BIDA | Columbia BA | Duke MQM）
82649
是20年的申请总结了，Defer了一年最近要入学了，入学了再写写就读体验吧~从自我背景介绍、选校、timeline、录取项目、补课、中介等几个方面进行一个全方位商科申BA/IEOR 的申请总结，希望会对即将申请的小伙伴们有帮助！
一、背景介绍（申请时候的）
1）三维：GPA 90.3(wes 3.91) |
托福109（S27）| GRE330(160+170+3.5)
在这里要说明的是我虽然GPA高，但是专排并不高（专排30%）
2）软实力：
实习四段 - 一段审计| 两段互联网（战投）| 一段四大咨询（risk consulting）
商赛-两段国家级有奖
海外经历-UC Berkeley暑校
创业经历、学生社团等折腾相当丰富
3）申BA比较大的缺点：
-编程背景不够强：强相关实习经历只有一份 and 校内没有修过计算机语言的课程
在这里我想说，三维、软实力、相关课程背景和经历是可以互补的，比如如果三维不太高，但是相关课程背景以及经历很硬完全可以弥补这个差距。
二、选校
说实话，我是没有保底校的，这一点用我一位前辈的话来说就是：
“我不是为了出国而出国 如果读不到真正想读的项目 我宁愿全聚德不去”
再加上我个人是有一些名校情结的，所以当时的选校是这样：
MIT BA | Stanford MS&E
Columbia BA | CMU BIDA
Berkeley IEOR Fintech
Cornell Tech ORIE | Duke MQM
UCLA BA | IC BA
（以下三所后来因为各种原因没有申请了）
USC BA | JHU BA | Upenn MCIT
其实在选校上我还是有一点后悔自己没有去多看看信息的，这一点其实也不能怪中介，中介也是鼓励我申各种项目，像哥大的Marketing、西北的Analytics等等项目我当时都不知道。
三、申请timeline
准备简历、WES认证8-9月
General文书9-10月
10月下旬开始网申
12月收到Duke offer
12月底基本写完所有文书
1月7日前基本完成所有网申
2月-3月初面试
3月集中收到剩下的offer
我其实是一个有点拖延症的人，为了克服这种拖延症，我会用一些硬性的DDL要求自己，比如Duke MQM R1的DDL很早，10月23日，我当时为了push整个申请进程，所以逼着自己赶时间投了第一轮。
事实证明这样的策略在2020fall申请中很正确！一是让我在12月初就有一个自己会很开心去读的项目，丢了好几个保底项目。二是心态也平和了很多（除了交了2000刀的deposit），我看21falBA的申请也是异常激烈 建议大家一定要尽可能早提交网申，这样即便被拒也是早出结果，后面也有补申的空间。
四、文书
我虽然写了一版general版本的文书，上面包含了我所有重要经历，可以提取各种段落组成新的文书，但是在更改的细节上还是本着“字字珠玑”和“每句话都要有意义不然就删掉”的理念，每个学校的文书差异还是很大的。每版文书不包括我自己更新的版本，与中介的讨论修改基本都是在5遍以上，有时候定稿了，给native speaker修改后我也会挑出问题要求重新润色语言。因此在一定程度上我觉得我的文书和面试是弥补我编程背景不足而被录取的重要原因。
五、录取的项目
Duke MQM：10.23网申提交-11.18通知面试-11.26面试-12.11 offer
Berkeley IEOR Fintech：11月中旬寄送GT-12.30网申提交-2.26通知面试-3.11 offer
CMU BIDA：1.3提交网申-1.5提交video面试-3.20 offer
Columbia MSBA：2.13提交网申-2.26video面试-4.2 offer
说一说对这几个项目的个人理解吧（仅仅是个人理解，说的不对的大家不要在意哈）
Duke MQM：全称Master of quantitative management：Business analytics，看重文书，喜欢leadership和diversity多一点的学生；项目课程设置应该是BA里最不tech的，但Fuqua商学院的network非常强，如果是想要回国从事咨询或者金融的话，这个项目应该是非常适合了。缺点是只有10个月，没有暑期实习，想留美需要比较努力和早准备。
Berkeley IEOR Fintech：全称industrial engineering & operation research concentration on Fintech，这个项目是在工程院下的，就业数据挺不错的，并且选课自由且多选课不多收学费。唯一的缺点就是项目只有9个月，但可以extend一学期！！！有没有很香！瞬间带上一个暑期实习；跟硅谷科技公司的network机会挺多的，并且据说Fintech track的capstone是和JP Morgan合作的。我个人是想要给自己到底去金融行业还是科技行业一个option，所以最后选了这个项目。（现在看来是想回金融，特别庆幸自己选了这个项目）
CMU BIDA：全称Business intelligence and Data analytics， 这个项目应该算是BA中最tech的那几个了，比如先修课程要求要有Java。这个项目就业率没得说，16month还有实习，比较坚定毕业想去做BA/DS应该是很好的项目了，要说缺点的话就是传说中workload太大？（好像对好学的人来说也不算缺点）And匹兹堡太冷了！
Columbia MSBA：全称Master of Business analytics，也是在工程院IEOR系下，是哥大工程院与商院合办的项目。这个项目评论差异比较大。从我的角度来看，优势的地方就在于，哥大牌子好，纽约金融机会资源很丰富，并且也是项目时间长有机会做summer intern；缺点就是career service比较差以及哥大乃至整个纽约金融相关项目太多了，内卷比较严重。
六、补课
其实在我看来做相关的数据实习（能运用到sql python这些语言）=(重要性）=本科学校课程>网课，为什么呢，其实我知道大家上网课的也不过就是水一水，拿个certificate（hh我也是）；可能对于找实习有点帮助，对于申请的帮助真的很小。为什么一定要做数据相关实习，因为你不去看看商业分析数据分析到底做什么，写出来的文书真的很肤浅。我当时申请的时候严格来讲是没有数据相关实习的，现在回看也是没脸看。21fall有学弟学妹找我帮忙看文书，我也能明显感觉有过相关实习的同学文书写出来的思想和深度，是没有相关实习的同学编都不出来的，最后的申请结果也普遍更好。
话说回来，我的相关课程就是人均的cousera python for everybody，然后在实习中运用到了一些去做金融数据分析和建模，我是5月份开始补课的，补到了8月份，上完了 cousera的5门网课，其实上了感觉就忘了。真正熟练掌握是在录取之后去互联网做了一段数据分析的实习才掌握的
七、中介
说实话，市场上的中介真的鱼龙混杂，我当时签中介也是费了很大的精力，但总的来说我是对我中介很满意的，因此现在跟大家分享下我选择中介的经验。
1. 首先要对自己有一个清晰的认知，如果你是一个强信息搜集者、有时间（语言成绩都考出来了）、英语好，ok，那别给中介交智商税了Baby，完全可以花中介五分之一甚至十分之一的钱找一个精品文书工作室写几篇重要文书，学习学习下，品质绝对吊打99%的中介；如果你像我虽然有时间、英语不错，但不算是一个强信息驱动者（需要有人提供信息），那可以签半DIY；如果你可能要到12月1月才能考出语言成绩，那还是签全包吧，不然确实是很累。
2. 然后要去分析自己的专业和中介的优势是否匹配
我当时关注市面上比较有名的五家大中介，遍历了他们的公众号，了解服务模式和所谓“战绩”，反复沟与实际带你的老师通，判断是否专业，我当时通过电话沟通、咖啡厅面基、office与负责人聊细节，并且reach到一些签过的学长学姐了解真实评价，才最终做了决定。
最后这位优秀的candidate有两点打动了我：
一是在我犹豫全包和半包的时候，老师主动让我签半包，她说按照经验来说，半包学员参与更深，往往会取得更好的成绩—让我觉得她并不是一味为了赚钱 确实有在为学员着想
（另外 签中介其实最重要的一点是，不管这个中介整体声誉怎么样，一定要考察具体带你的老师，哪怕遇到不负责老师的几率只有1%，到了你身上就是100%)
所以第二点就是，这位老师在我几次交流下来感觉很靠谱，上一届正好有学姐是她的学员拿到了很好项目，并且对她评价很好。以上是我签中介的历程，希望能够给大家一些参考。
然后在这里也给大家搬运一个黑中介的防雷指南：
1. 排名费陷阱：“申到前30学校加**钱”
2. 申请专业陷阱：“加申专业加**钱”—这里注意的是BA的项目名字可能是不同的，跨度大的专业加申加钱也还行，但是像Operation research与business analytics以及data analytics 其实差不多，完全就是一个方向。
3. 选校太多名校水项目
4. 不给邮箱账号
5. 不准私申请其他学校
6. 劝退申请/一大堆保底校
八、写在最后
Defer的这一年，又见证了一届申请，其实反而觉得所谓项目的录与不录没有那么重要，重要的是在取得结果之前要把每一步都踏实走好，不要天天想为什么”这个三维录了“”我能不能录上“这些有的没的，回顾20年的申请，我觉得自己做的比较好的就是这一点吧，心态一直很平和，每一个步骤确实都做到自己的极致了。因此不要在意身边的人，或者论坛上微博上播报的人去了哪里，只要从现在开始，实习、考语言、网申、搜集信息、改文书，每一步都踏踏实实走好，那就不会有什么遗憾了。祝大家都能去到自己心仪的学校~也欢迎大家跟我交流！
一、背景介绍（申请时候的）
1）三维：GPA 90.3(wes 3.91) |
托福109（S27）| GRE330(160+170+3.5)
在这里要说明的是我虽然GPA高，但是专排并不高（专排30%）
2）软实力：
实习四段 - 一段审计| 两段互联网（战投）| 一段四大咨询（risk consulting）
商赛-两段国家级有奖
海外经历-UC Berkeley暑校
创业经历、学生社团等折腾相当丰富
3）申BA比较大的缺点：
-编程背景不够强：强相关实习经历只有一份 and 校内没有修过计算机语言的课程
在这里我想说，三维、软实力、相关课程背景和经历是可以互补的，比如如果三维不太高，但是相关课程背景以及经历很硬完全可以弥补这个差距。
二、选校
说实话，我是没有保底校的，这一点用我一位前辈的话来说就是：
“我不是为了出国而出国 如果读不到真正想读的项目 我宁愿全聚德不去”
再加上我个人是有一些名校情结的，所以当时的选校是这样：
MIT BA | Stanford MS&E
Columbia BA | CMU BIDA
Berkeley IEOR Fintech
Cornell Tech ORIE | Duke MQM
UCLA BA | IC BA
（以下三所后来因为各种原因没有申请了）
USC BA | JHU BA | Upenn MCIT
其实在选校上我还是有一点后悔自己没有去多看看信息的，这一点其实也不能怪中介，中介也是鼓励我申各种项目，像哥大的Marketing、西北的Analytics等等项目我当时都不知道。
三、申请timeline
准备简历、WES认证8-9月
General文书9-10月
10月下旬开始网申
12月收到Duke offer
12月底基本写完所有文书
1月7日前基本完成所有网申
2月-3月初面试
3月集中收到剩下的offer
我其实是一个有点拖延症的人，为了克服这种拖延症，我会用一些硬性的DDL要求自己，比如Duke MQM R1的DDL很早，10月23日，我当时为了push整个申请进程，所以逼着自己赶时间投了第一轮。
事实证明这样的策略在2020fall申请中很正确！一是让我在12月初就有一个自己会很开心去读的项目，丢了好几个保底项目。二是心态也平和了很多（除了交了2000刀的deposit），我看21falBA的申请也是异常激烈 建议大家一定要尽可能早提交网申，这样即便被拒也是早出结果，后面也有补申的空间。
四、文书
我虽然写了一版general版本的文书，上面包含了我所有重要经历，可以提取各种段落组成新的文书，但是在更改的细节上还是本着“字字珠玑”和“每句话都要有意义不然就删掉”的理念，每个学校的文书差异还是很大的。每版文书不包括我自己更新的版本，与中介的讨论修改基本都是在5遍以上，有时候定稿了，给native speaker修改后我也会挑出问题要求重新润色语言。因此在一定程度上我觉得我的文书和面试是弥补我编程背景不足而被录取的重要原因。
五、录取的项目
Duke MQM：10.23网申提交-11.18通知面试-11.26面试-12.11 offer
Berkeley IEOR Fintech：11月中旬寄送GT-12.30网申提交-2.26通知面试-3.11 offer
CMU BIDA：1.3提交网申-1.5提交video面试-3.20 offer
Columbia MSBA：2.13提交网申-2.26video面试-4.2 offer
说一说对这几个项目的个人理解吧（仅仅是个人理解，说的不对的大家不要在意哈）
Duke MQM：全称Master of quantitative management：Business analytics，看重文书，喜欢leadership和diversity多一点的学生；项目课程设置应该是BA里最不tech的，但Fuqua商学院的network非常强，如果是想要回国从事咨询或者金融的话，这个项目应该是非常适合了。缺点是只有10个月，没有暑期实习，想留美需要比较努力和早准备。
Berkeley IEOR Fintech：全称industrial engineering & operation research concentration on Fintech，这个项目是在工程院下的，就业数据挺不错的，并且选课自由且多选课不多收学费。唯一的缺点就是项目只有9个月，但可以extend一学期！！！有没有很香！瞬间带上一个暑期实习；跟硅谷科技公司的network机会挺多的，并且据说Fintech track的capstone是和JP Morgan合作的。我个人是想要给自己到底去金融行业还是科技行业一个option，所以最后选了这个项目。（现在看来是想回金融，特别庆幸自己选了这个项目）
CMU BIDA：全称Business intelligence and Data analytics， 这个项目应该算是BA中最tech的那几个了，比如先修课程要求要有Java。这个项目就业率没得说，16month还有实习，比较坚定毕业想去做BA/DS应该是很好的项目了，要说缺点的话就是传说中workload太大？（好像对好学的人来说也不算缺点）And匹兹堡太冷了！
Columbia MSBA：全称Master of Business analytics，也是在工程院IEOR系下，是哥大工程院与商院合办的项目。这个项目评论差异比较大。从我的角度来看，优势的地方就在于，哥大牌子好，纽约金融机会资源很丰富，并且也是项目时间长有机会做summer intern；缺点就是career service比较差以及哥大乃至整个纽约金融相关项目太多了，内卷比较严重。
六、补课
其实在我看来做相关的数据实习（能运用到sql python这些语言）=(重要性）=本科学校课程>网课，为什么呢，其实我知道大家上网课的也不过就是水一水，拿个certificate（hh我也是）；可能对于找实习有点帮助，对于申请的帮助真的很小。为什么一定要做数据相关实习，因为你不去看看商业分析数据分析到底做什么，写出来的文书真的很肤浅。我当时申请的时候严格来讲是没有数据相关实习的，现在回看也是没脸看。21fall有学弟学妹找我帮忙看文书，我也能明显感觉有过相关实习的同学文书写出来的思想和深度，是没有相关实习的同学编都不出来的，最后的申请结果也普遍更好。
话说回来，我的相关课程就是人均的cousera python for everybody，然后在实习中运用到了一些去做金融数据分析和建模，我是5月份开始补课的，补到了8月份，上完了 cousera的5门网课，其实上了感觉就忘了。真正熟练掌握是在录取之后去互联网做了一段数据分析的实习才掌握的
七、中介
说实话，市场上的中介真的鱼龙混杂，我当时签中介也是费了很大的精力，但总的来说我是对我中介很满意的，因此现在跟大家分享下我选择中介的经验。
1. 首先要对自己有一个清晰的认知，如果你是一个强信息搜集者、有时间（语言成绩都考出来了）、英语好，ok，那别给中介交智商税了Baby，完全可以花中介五分之一甚至十分之一的钱找一个精品文书工作室写几篇重要文书，学习学习下，品质绝对吊打99%的中介；如果你像我虽然有时间、英语不错，但不算是一个强信息驱动者（需要有人提供信息），那可以签半DIY；如果你可能要到12月1月才能考出语言成绩，那还是签全包吧，不然确实是很累。
2. 然后要去分析自己的专业和中介的优势是否匹配
我当时关注市面上比较有名的五家大中介，遍历了他们的公众号，了解服务模式和所谓“战绩”，反复沟与实际带你的老师通，判断是否专业，我当时通过电话沟通、咖啡厅面基、office与负责人聊细节，并且reach到一些签过的学长学姐了解真实评价，才最终做了决定。
最后这位优秀的candidate有两点打动了我：
一是在我犹豫全包和半包的时候，老师主动让我签半包，她说按照经验来说，半包学员参与更深，往往会取得更好的成绩—让我觉得她并不是一味为了赚钱 确实有在为学员着想
（另外 签中介其实最重要的一点是，不管这个中介整体声誉怎么样，一定要考察具体带你的老师，哪怕遇到不负责老师的几率只有1%，到了你身上就是100%)
所以第二点就是，这位老师在我几次交流下来感觉很靠谱，上一届正好有学姐是她的学员拿到了很好项目，并且对她评价很好。以上是我签中介的历程，希望能够给大家一些参考。
然后在这里也给大家搬运一个黑中介的防雷指南：
1. 排名费陷阱：“申到前30学校加**钱”
2. 申请专业陷阱：“加申专业加**钱”—这里注意的是BA的项目名字可能是不同的，跨度大的专业加申加钱也还行，但是像Operation research与business analytics以及data analytics 其实差不多，完全就是一个方向。
3. 选校太多名校水项目
4. 不给邮箱账号
5. 不准私申请其他学校
6. 劝退申请/一大堆保底校
八、写在最后
Defer的这一年，又见证了一届申请，其实反而觉得所谓项目的录与不录没有那么重要，重要的是在取得结果之前要把每一步都踏实走好，不要天天想为什么”这个三维录了“”我能不能录上“这些有的没的，回顾20年的申请，我觉得自己做的比较好的就是这一点吧，心态一直很平和，每一个步骤确实都做到自己的极致了。因此不要在意身边的人，或者论坛上微博上播报的人去了哪里，只要从现在开始，实习、考语言、网申、搜集信息、改文书，每一步都踏踏实实走好，那就不会有什么遗憾了。祝大家都能去到自己心仪的学校~也欢迎大家跟我交流！
- 119
9条回复