身處在大數(shù)據(jù)時代之下，各行各業(yè)都需要數(shù)據(jù)分析人才，據(jù)統(tǒng)計，去年有70萬數(shù)據(jù)相關(guān)的崗位出現(xiàn)，這也意味著商業(yè)分析專業(yè)成為了當(dāng)下最熱門的學(xué)科，可國內(nèi)目前鮮少有大學(xué)開設(shè)此專業(yè)，而美國很多大學(xué)都開設(shè)了商業(yè)分析專業(yè)，杜克大學(xué)和南加州大學(xué)就包含其中，那么，問題來了，杜克大學(xué)和南加州大學(xué)商業(yè)分析碩士專業(yè)哪個好?接下來，就隨小編來看看吧，希望對大家有所幫助：

　　杜克大學(xué)

　　基本情況介紹

　　項目名稱：MQM - Business Analytics

　　所屬學(xué)院：Fuqua Business School

　　項目類型：STEM

　　項目時長：10個月

　　課程設(shè)置

　　該項目的課程主要在10個月之內(nèi)修完19門課程及完成一個Capstone Project，每學(xué)期的課程覆蓋了data, statistics, and analytics, business context, critical thinking, communication, 以及collaboration等內(nèi)容。

　　每年7月開學(xué)，所有學(xué)生必須參加Program Launch為之后的研究生課程學(xué)習(xí)做好準(zhǔn)備，國際學(xué)生需要參加一個額外的為期4天的International Student Bootcamp。接下來的學(xué)習(xí)將會被分成5個term，每個term為期6周。第一個term主要是學(xué)習(xí)基礎(chǔ)課程，從Term2開始，學(xué)生每學(xué)期必須從自己的track選擇至少一門課程，并從其他track選擇選修課程進(jìn)行修讀。

　　申請條件

　　語言要求：TOEFL/IELTS/PTE(建議TOEFL108+, IELTS7.5+)，GRE/GMAT(建議GRE325+)

　　背景要求：雖然不限專業(yè)，但比較看重申請者的數(shù)理背景，傾向于有經(jīng)驗的申請者

　　就業(yè)情況

　　杜克大學(xué)商學(xué)院具有強大的校友網(wǎng)絡(luò)，龐大的校友網(wǎng)絡(luò)也可以幫助學(xué)生更好地找到工作。比如在校期間，會給學(xué)生安排一些Networking的活動，在活動上可以接觸到很多行業(yè)大佬，得到職業(yè)發(fā)展的一些建議。并且設(shè)有就業(yè)指導(dǎo)中心，專門提供就業(yè)資源，97%的畢業(yè)生在畢業(yè)后的6個月內(nèi)拿到了工作offer，其中31%的畢業(yè)生是通過杜克大學(xué)的就業(yè)指導(dǎo)中心找到了工作。就業(yè)的崗位主要分布在商務(wù)管理、商業(yè)分析師、系統(tǒng)分析員以及項目分析管理等崗位，主要從事于市場分析、公司金融、產(chǎn)品開發(fā)、內(nèi)部審計分析以及風(fēng)險管理等行業(yè)。

　　南加州大學(xué)

　　基本情況介紹

　　項目名稱：Master of Science in Business Analytics

　　所屬學(xué)院：商學(xué)院

　　項目類型：STEM

　　項目時長：1.5-2年

　　課程設(shè)置

　　課程總計33學(xué)分，3學(xué)期項目，其中核心課程19.5學(xué)分，選修13.5學(xué)分，可見選課自由度還是很高的，學(xué)生可以根據(jù)自己的興趣選課。該項目強調(diào)project為基礎(chǔ)的學(xué)習(xí)，同時，項目本身與業(yè)內(nèi)有著緊密的合作，課程涵蓋了一些列的商業(yè)領(lǐng)域，包括財務(wù)、運營、營銷、管理、供應(yīng)鏈和人力資源。課程設(shè)置十分實用，包含計算機科學(xué)、統(tǒng)計/機器學(xué)習(xí)/優(yōu)化、商業(yè)策略三大核心內(nèi)容。

　　First Semester (Fall) ：

　　· GSBA 545: Data Driven Decision Making (1.5 units)

　　· DSO 510: Business Analytics (1.5 units)

　　· DSO 545: Statistical Computing and Data Visualization (3 units)

　　· GSBA 542: Communication for Management (1.5 units)

　　· DSO 552: SQL Databases for Business Analysts (1.5 units)

　　· Elective (optional)

　　Second Semester (Spring)：

　　· DSO 530: Applied Modern Statistical Learning Methods (3 units)

　　· DSO 570: The Analytics Edge: Data, Models, and Effective Decisions (3 units)

　　· DSO 553: NoSQL Databases in Big Data (1.5 units)

　　· Elective (3 units)

　　Third Semester (Fall):

　　· DSO 573*: Data Analytics Driven Dynamic Strategy & Execution (3 units)

　　· Elective (3 units)

　　· Elective (3 units)

　　· Elective (1.5 units)

　　申請要求

　　語言要求：TOEFL100(20)，IELTS6.5(6.0)

　　GRE/GMAT：錄取學(xué)生平均GRE324，GMAT726

　　背景要求：要求申請人在本科期間至少上過一門統(tǒng)計或統(tǒng)計相關(guān)的課程：概率論、概率分布(正態(tài)、指數(shù)等)

　　就業(yè)情況

　　就業(yè)指導(dǎo)方面，Marshall所有的研究生課程，包括MBA共享就業(yè)指導(dǎo)中心的就業(yè)資源;學(xué)院會不定期舉辦career event,項目本身還會有自己的career strategiest, 會要求你參加各類career workshop,以及非強制性的info session, alumni panel,同時提供resume polish, mock interview等服務(wù);除此之外，USC有著強大的校友網(wǎng)絡(luò)，對就業(yè)還是很有幫助的。

　　總結(jié)

　　BA項目絕大多數(shù)都是以就業(yè)為導(dǎo)向，課程也以實用多，基本就是以小而實用的編程+數(shù)據(jù)庫知識+統(tǒng)計分析+管理知識為主。大部分學(xué)校的課程上都會有 Data Analysis、Programming、Data Analytics、Optimization、Probability and Statistics、Calculus、Web Analytics 等。

　　雖然有點偏理科，但招生并不限專業(yè)，文科生和理工科學(xué)生都可以申請。所以沒有理科背景的同學(xué)也不用太擔(dān)心。

　　有一些BA項目是設(shè)置在商學(xué)院下面，有一些BA項目是設(shè)置在非商學(xué)院下面。大部分學(xué)校和項目是沒有明確本科申請人的背景，部分的學(xué)校會比較偏好有數(shù)學(xué)、計算機、統(tǒng)計等定量分析能力比較強的申請人。所以學(xué)過高數(shù)微積分Calculus、統(tǒng)計Statistics、線性代數(shù)Linear Algebra是加分項，當(dāng)然有編程數(shù)據(jù)庫知識，例如Matlab、SAS、SPSS、SQL等更好，不過這不是硬性要求。

　　在標(biāo)化成績上，建議同學(xué)們優(yōu)先準(zhǔn)備GRE，如果GRE325+，托福能考到100+，均分3.6+，基本就可以申請了(當(dāng)然了，是否有實習(xí)經(jīng)歷和是否滿足必修課程都是申請基礎(chǔ))。

　　綜上所述，以上講的就是關(guān)于杜克大學(xué)和南加州大學(xué)商業(yè)分析碩士專業(yè)的相關(guān)問題介紹，希望能給各位赴美留學(xué)的學(xué)子們指點迷津。近年來，赴美留學(xué)一直是廣大學(xué)生最熱門的話題，同時，很多學(xué)生對于簽證的辦理、院校的選擇、就業(yè)的前景、學(xué)習(xí)的費用等諸多問題困擾不斷，別擔(dān)心，IDP留學(xué)專家可以為你排憂解難，同時，更多關(guān)于赴美留學(xué)的相關(guān)資訊在等著你，絕對讓你“瀏覽”忘返。在此，衷心祝愿各位學(xué)子們能夠順利奔赴自己心目中理想的學(xué)校并且學(xué)業(yè)有成!