商业分析专业缘何升温迅猛？
当大量的消费数据已无法用传统的模式来统计时，必然会催生一个新的模式出来，回想近十年，“大数据”三个字已比人们预想更快的速度覆盖到了人常生活中，这便要求这一模式需要的是Business商业+Statistic统计+Computer Science计算机科学的跨学科领域结合。
目前，在商学院和部分工程学院，商业分析专业在几乎所有这些学校都是1年的项目。该专业分为两个研究方向：一是偏数据量化计算科学的，如麻省理工MIT，卡梅CMU；二是偏商业管理研究，如罗彻斯特Rochester，布兰迪斯Braneis，当然，也有两者结合的，如埃默里Emory和加州洛杉矶UCLA。
MIT的培养目标： 毕业生进入数据科学产业，以及适合那些工程师、数学家、物理学家、计算机程序员和高科技产业从业人员职业转换。专业引导学生应用数据科学解决商业挑战问题。说通俗点，就是在商业领域运用统计、编程和量化工具来分析商业大数据并做决策。
近几年世界产业进入数据、IT，并且向人工智能AI方向发展，以Facebook和Instagram为代表的社交网络平台，以阿里和Amazon为代表的电商消费平台，以Uber和Airbnb为代表的共享商业平台，从最基础的医疗、消费、广告行业，到金融、社交媒体、创新型产业，都因为积累了大量的、动态的消费者行为数据，因此这些行业急需数据分析人才来从大数据分析角度来改进改善企业的商业模式和市场策略。
麦肯锡报告显示：目前美国急需15～19万具有分析专长的人才，以及150万能够基于大数据做决策的管理人才。根据领英的数据：商业分析的平均年薪是7.2万美元，最高年薪可达10.4万美元。热门的企业包括顶尖咨询公司、IT以及商业企业，热门的行业包括信息产业、金融服务、银行投行、软件、管理咨询和市场营销等。
也就是说，从MSBA毕业，今后或许就是介于CS程序猿和公司高管经理之间的职位，为公司做商业决策。可选择的行业不再局限于专业领域，而是各行各业，只要有需要做客户分析、咨询、决策的岗位都可以胜任。重点是，这是STEM专业，那就意味着可以在美国有3年的OPT实习，同时，起步年薪将高达10万美元。
申请商业分析硕士专业需要哪些条件？
该专业对申请者本科背景限制不大，学过高数微积分Calculus、统计Statistics、线性代数Linear Algebra，都可申请，当然有编程数据库知识，例如Matlab、SAS、SPSS、SQL等更好，当然这不是硬性要求。
如果是申请麻省MIT，卡梅CMU这类计算机顶尖学校的MSBA，那就还需要编程及量化知识，包括面向对象的编程（Java/C++）以及概率与统计课程。因为这些课程偏向于编程和数据科学。
所以，建议那些非常文科的同学（语言学、公共管理、传媒等非常文科，没有修过微积分、统计和概率），在申研之前先补修这些课程。近几年我们有政治国际关系本科背景的同学，也申到了不错的MSBA项目，也是因为在实习工作中积累了相当多的量化知识，来弥补本科缺失背景课程。
与MSBA最相关的硕士专业当然属于更偏向于量化的MS Data Science 数据科学，因此MSBA非常欢迎具有量化背景的同学，包括数学、计算机、物理、统计、金融、会计、经济、运筹学等。当然也有同学拿环境科学、土木工程等背景申到了不错的Offer。
在MSBA硕士阶段会学到一些编程知识，因此在此前，最好有一些编程背景，包括常用的Python，R，Tableau，SQL，SAS，SPSS或Matlab，以及其数据视觉化工具Data Visuliazation Kit。也别担心，这些知识完全可以自学，或者通过网络课程（例如Coursera.com）弥补，更高级的算法背景要求，可以有Machine Learning机器学习，以及高级数据库编程，如Java/C++。不过。商学院并没有具体要求，只要有一些背景知识就是加分的。
除此之外，有分量的实习非常重要，因为MSBA是一门实操学科，希望学生具有分析实战经验。因此如果能利用暑假在知名的电商企业、TMT公司、四大的审计或咨询岗位、市场分析、证券私募分析、社交媒体、医药行业的市场分析部门实习，那就再好不过了。
MSBA如何定位？
虽然在网上也有MSBA专业的相关排名，但留学港顾问看来这份榜单相对还是随性了一些。因为，事实上很多学校都是这几年新开的，并没有大量毕业生进行对比。留学港团队结合QS世界商学院/TFE的商业分析，以及就业情况，录取难度，结合实战案例以及在读学生反馈等，做出如下专业建议排名：
表中越是MSBA专业排名高的学校，对于三维以及背景的要求越高。通常专排TOP15的要求是：GMAT720/GRE325，T100-105，GPA3.6+，专排越靠后，三维的要求就随之降低。这还要匹配实习实践经历、面试发挥、推荐信、文书以及是否满足必修课程。
专业所学课程有哪些？
1.传统商业课程：
课程包括：金融、会计、市场营销、策略、管理优化、商业模型、供应链、定价分析、商业智能等。
2.统计课程：
主要是学习如何建立和评估多变量的统计模型，最典型的例子就是回归分析模型。课程包括：数学与统计、时间序列分析、商业管理统计、说明性模型、优化模型、预测模型等。
3.编程课程
主要有：Python、R、Haoop、SAS和基础数据库SQL，这是需要通过编写代码来完成数据的查询、提取和分析。高级一点的MSBA专业（例如Emory）还需要学习Machine Learning，或者Minitab。
其实很多学校的课程都是将编程直接融入商业和统计课程，例如罗村UR的大部分课程是XXX using R，XXX using Python（例如：Core Statistics Using R，Marketing Analytics Using R，Preictive Analytics Using Python），也就是把R和Python编程应用到这个传统的学科中。
4.数据类课程
很多学校将数据挖掘、数据存储、数据分析作为很重要的课程，因此就有数据挖掘、数据管理、大数据、数据可视化、数据分析等课程。
5.部分学校开设特色课程
例如马里兰UMD开的Google online Challenge Analytics 谷歌在线挑战分析，SMU南卫理公会开的Web an Social Meia Analytics网络与社交媒体分析等，都非常有趣而且使用。
6.特色实践课程
一些学校为了给学生准备毕业前的实训，包括Capstone Project、Practicum和Internship等。
【微语】愿你的留学之旅充实而愉快，每一刻都充满收获和成长。
