[UMN MSBA] 秋季學期半學期課程回顧

Henry Feng
10 min readNov 9, 2018

--

可以追蹤我喔!讓每次有新文章都可以得到貼心提醒 :)

久違的回顧文章,按照傳統(?),在半學期的回顧裡面,就先以中文為寫作語言,之後整個學期的在用英文結尾。讓在中文世界(?)對商業分析有興趣的同好可以一窺我從夏天到現在準備下雪的季節,我到底經歷過怎樣的磨難和成長。

這是我在明尼蘇達大學/卡爾森商學院/商業分析學程第二學期歷時一半的回顧,唯一的感想就是時間真的過得太快了,好像在短時間被打了增長劑,長成了現在有點面目可憎、蓬頭垢面的樣子。

這篇的架構應會和上一篇夏季的半學期回顧相去不遠,會先講講這學期修的五堂課,然後以最後一點篇幅分享在學程裡面求職的狀況 (或許這才是大家最感興趣的吧)。

秋季的五堂課,將其分為三大類。

主要為基礎商業分析技術課程兩門、專門商業分析課程兩門、還有一堂團隊管理的課程。前面四堂課的配置為一到四的早上下午各75分鐘,一門課一周總上課時數為150分鐘。

這個配置比夏天動輒一堂課就三小時的課程長度好上非常多,原因是秋季學期時程長,有14周,所以可以課程安排可以相對寬鬆一點。

“woman holding turned on white tablet computrer” by rawpixel on Unsplash

基礎商業分析技術課程 (2堂課,6學分)

  1. Data Management, Databases, and Data Warehousing

老師是夏季學期教我們Python的Ken Reily,主要的學習主軸為MySQL,資料庫的語言。課程架構和夏季學期相似,個人作業一兩周一個,有三個期考和學期末的新科技呈現。

這堂課不同於Python的繁重,而是有種頭輕腳重的感覺。Ken這學期不知道是不是因為上太多課,或對於SQL的教學嫻熟不若Python,一開始花了太多時間在一些相對簡單的Query技巧,在學期中後開始加快步伐,一次倒蠻多東西給我們,反而讓我們有點手足無措。

另外一個不太理解的地方是,教授花了很多課程時間讓學生自己做一道題,往往半節課就這樣過去了,反而重要的觀念都沒有教到,教授最後還得多錄影片讓我們在家自己看。

SQL對於商業分析師/資料科學家是非常基本且重要的技能,而SQL在日常生活中很難實際練習或透過專案實踐,現階段我也沒辦法特別抓出時間或找到很好的資源練習,只能透過老師偶爾延遲發布的作業非系統性的學習,所以還是很建議想要申請MSBA學程的同學,還是可以在來美國前多練SQL的手感。

2. Big Data Analytics

這堂課算是我這學期掌握度最低的課程了,但我在學期中才慢慢發現其重要性,但還是很難用一句話形容我到底學了什麼。

這堂課基本上帶我們淺淺的走過各項Big data的工具,形式為各項工具的導論+課堂實作+作業。

截至目前為止,我們學了Hadoop、Pig、Sqoop、Hive、Spark,學期中後則會碰觸到AWS等雲端計算的工具與平台。

這堂課重要的在於如果想要成為data engineer,這些平台與架構都是必須了解的,但對於想要成為產品分析師的我,在學期初有點難去連結到底這堂課所學和未來實際應用的關係。

然後,在和一個前輩聊完天之後,發現data engineer是現在產業的趨勢,未來只要在資料領域工作,或多或少一點會碰觸到,但得到這樣的分享,再去看我們的課程,又會覺得好像老師教得太少且太快,真的只能學到皮毛,還是無法以一個鳥瞰的視野看我所學的知識和整個資料生態系關係。

現在讀下來的感覺是,Big Data Analytics開啟我之於資料領域未知那一塊的了解,是有別於Python/R/SQL之外的世界,有點像是我第一次看到明州下雪的感覺,要怎麼在這樣白茫茫的世界裡前行踏步,真的得準備好自己,鼓起勇氣,踏出那一步之後才會知道。

雙城的雪

專門商業分析課程 (2堂課,6學分)

這兩門課有相同的模式,都是四次分組報告、兩個期考、和最後一個Live Case,這學期我們的客戶為明尼蘇達北邊的一個賭場/飯店。前三次作業的為一組,最後一次作業和Live case則為學程幫忙分組,以保持組內多樣性。

3. Predictive Analytics

這堂課主要就是教機器學習和監督學習(Supervised Learning)。老師是中國人,講英文帶有一點可愛的口音。Predictive的兩個領域為Classification和Regression,老師從學期一開始就非常精準的掌握上課節奏,非常緊湊,在短時間盡可能塞很多東西給我們,從Logistic、decision tree、KNN、SVM到神經網路等等,主要語言為Python。

作業非常繁重,往往就是給出一到兩個資料庫,必須去跑各種模型,去檢測分類的精準或是Regression的R-Square。

這學期的作業是兩堂課老師共同決議要用分組報告的形式,我個人覺得在Predictive Analytics這堂課,分組作業這個學習形式是非常失敗的。我個人歸納原因有二:

a. 由於每個資料集都要跑若干模型,分組的意義往往就是將模型分下去給大家做,所以其實每個人接觸全面的機會非常的少,往往大家就是各做各的,然後把結果丟到共同文件裡面編輯,學習機會少了,分組的意義也沒了。

b. 我們組還有另一個狀況,就是有人會搭順風車,我們組有六個人,往往有把模型完整跑完的就是三四個,我往往跑了所有的模型,花了幾個晚上,把結果帶去討論,但其他人如果沒做,那就完全沒有討論的意義,反而是浪費時間在會議室裡教別人怎麼做。

我總認為分組的意義是要達到一加一大於二的效果,這是我第一次在學程裡面體會到一加一會讓大家同歸於盡的結果。主要的原因是Predictive analytics這項學門的特質吧,它的結果單一不發散,往往每個模型都有最佳解,每個人各自跑模型,再把它們放在同一個報告裡面,每個人的認知水平不一,所以花時間統整報告完全降低時間的效率。

Live case中Predictive的部分為預測某幾間旅館的訂房,這部分就之後再和大家分享囉!

4. Exploratory Data Analytics and Visualization

這堂課主要在教非監督學習(Unsupervised Learning),涵蓋association rule、cluster、PCA、anomaly detection,主要語言為R。上課也是以老師講課搭配課堂實作。

這堂課最可怕的是四個小組作業,每個都是兩個禮拜為時長,遞交的項目有:R-Markdown文件、Executive summary、簡報、voice thread。為數眾多的項目、龐大且不乾淨的資料集非常可怕。

現在回望EDAV的四個作業和課程,仍有點困難去總結這堂課到底帶給我什麼。課程和作業是很密切絞合在一起的,但往往花了很多時間在R-Code的處理和debug,想要進行分析也是胡理胡氣的走過流程,而小組的效益在這邊也是有點曖昧,因為是探索性分析,大家丟出的成果是可以供大家互相學習,但為數眾多遞交項目很磨耗小組的效率,但遞交項目好像也隱隱然的訓練我們如何將分析有效率且清楚地傳達給批改者,因此現階段的我很難下一個定論說,這堂課的組織到底是否有效。

在這堂課裡,我的課題應該就是:我腦中往往有一條清晰的分析脈絡,但因為對於工具和模型的陌生,往往呈現出的結果不盡人意,但也真的沒有時間好好吸收消化模型跟知識,所以一直處於一種趕路的狀態。

現在回望過程,我覺得我成長最多的應該是團隊和專案管理的能力吧,我現在想想這個學習對於我應該是至關重要的,如何管理跨文化的團隊成員,並好好的在每一個階段裡面達成目標,我覺得在這一路的過程裡面,我自己走得滿遠的,也算是很享受,這部分之後應該會再找機會分享。

這堂課的Live Case也是同樣的客戶,而是要去用探索式和非監督學習的資料分析進行某旅館訂房率衰退的原因,並且給出建議。

團隊管理課程 (1堂課,1.5學分)

5. Building and Managing Teams

簡言之,一堂無用的課,兩個一整天的課程 (早上八點到下午五點)。簡單節錄和改寫同學講的一句話:上完這堂課,不會積極參與小組討論的人、搭順風車的人也不會因此改變,已經對於小組討論嫻熟的個體,也不會因此進步。

學習之外的求職

我們的Career coach不斷告訴我們說我們不應該現在求職,應該要二三月開始,但我始終不相信這個說法,我相信一定有人現在就已經在開始找了。

目前我們學程找到工作的人應該是零。而我現在準備的也是如何讓自己能在春天時更游刃有餘的找工作,以下分享我做的準備。

  1. Networking:自己的目標是維持一周聯絡兩到三人的頻率,並且更進一步連接相關產業的人,有時間就參加校內就業博覽會和career talk,我個人覺得networking真的沒有太早開始的說法。我覺得在這個過程中,自我有一些成長。每一次和產業的前輩們對話都是在練習如何用英文思考和更流利的表達自己,現在的networking也不要真的找工作,而是更了解整體產業趨勢和定位自己在產業中的位子,也是慢慢在消弭自己的緊張吧!(我是一個很容易緊張的人)
  2. 持續做專案和寫文章:寫文章算是我自己摸索出來建立自己特色的途徑,不一定適用在每個個體。透過寫文章,我慢慢建立自己的Medium,Medium則做為LinkedIn和GitHub的中介,也儲備自己的獨特性和能力,讓自己有作品可以呈現。我覺得這也是未來志在MSBA的學弟妹可以計畫在秋天做的事情:思索如何讓自己在其他競爭者中獨特起來吧!(這部分我也慢慢在摸索節奏,內心有一些分類和規劃,未來有機會也可以分享)。
  3. 練習面試:這件事也是我覺得可以在秋季開始做的,我大概維持一周練習一次小組面談的頻率,練習介紹自己、練習STAR的架構,練習怎麼把過去的經驗說得精彩,幾次練習下來,是可以緩慢感受到自己的進步。
  4. 刷一些題:關於刷題我也還沒有心得,也不知道刷題的必要性。我主要是把刷題看作先前觀念的複習,也慢慢從把題做對,漸進至如何改變程式寫法,除了作對、也要做得高效率和節省運算能力。
  5. 投一些工作:這部分完全是心理建設,讓自己接到多一點的拒信,讓自己在春天時可以有夠強的心理素質去面對音訊全無、石沉大海和接二連三的拒絕。

學程其他人有其他做法,也放在下面:

  1. 打商業/資料分析的競賽
  2. 參加Conference (也是networking的途徑)
  3. 擔任Teaching assistant / research assistant
  4. 參加社團
  5. 擔任活動的講者或籌畫

小總結

這半學期如果要用一句話來總結,應該就是:摸著石子過河吧!已經不下幾次和我的mentor們講說,我從來不會知道自己所做的A、B、C事項是否足夠,是否讓我能夠裝備好上戰場,但其實大家都是這樣子的,來到美國後,才真正體會到每個人都是獨特、且要為每個當下的選擇負責,你可以傾向不選擇,但如果你不選擇,代表的就是你把你的權利交給其他人,這不管在學習、求職,都完全適用,就繼續又哭又笑的前進吧!

--

--

Henry Feng
Henry Feng

Written by Henry Feng

Sr. Data Scientist | UMN MSBA | Medium List: https://pse.is/SGEXZ | 諮詢服務: https://tinyurl.com/3h3uhmk7 | Podcast: 商業分析眨眨眼

Responses (3)