[美國商業分析碩士申請] 4. 用各BA學程的課程設計來精準選校吧
一定有讀者會好奇為什麼現在才寫商業分析碩士申請的第四篇，而且是超出我兩年前訂定目標的順序，直接跳入講課程。怎麼說呢，這個題目一直是我非常想要寫的，但我知道要寫完這篇文章需要費一些力氣援引一些研究所課程，因此遲遲沒有動筆，單純就是太懶惰。
第二個原因是因為霸饅頭「我要去留學」的報名在這周日截止，想說可以趁機撰寫一篇和留學有關係的內容，藉此作為宣傳。
第三個原因是在亞馬遜工作已快邁入一年，有了工作上的實戰經驗，我或許相較於另外一些在就讀、剛畢業的MSBA學生，能提供另外一種視角進行商業分析研究所課程設計的邏輯。畢竟也在美國找過工作、也正式工作過，雖然不是多麼技術性、資料科學家導向的職位，但畢竟我的職稱是Business Intelligence Engineer，和Business Analytics Program關聯度也高 (只能自我安慰我不是就讀Data Science Program，不用越級打怪找Data Scientist Role)，現在回望母校明大的課程設計，並且對照其他學校的課程設計，我更可以知道甚麼樣課程設計對於找工作的進程、對於進入職場技能點的實用度更高。
我相信，現在大部分在台灣準備出來就讀商業分析研究所的學生，應該是跟我一樣只有在寫SOP最後一段的時候才會真正詳讀課程，想要找出哪個課程可以放在文章裡面，變成客製化的段落；而在選校時，或許會看課程，但更多人可能就直接以排名、學校名聲、地點、追夢網上的評價來做依據。因此，這篇文章希望可以帶領你以一個「純網頁瀏覽者」的角度，去拆解一個商業分析課程的扎實度、技術度、求職有效度。我希望當你閱讀完這篇文章，可以得到一種恍然大悟的感覺，原來短短一年的研究所，在課程設計上，就能決定你讀完這年的學程後，你到底有多大的概率可以找到好工作了！
適合對象
1. 想要申請在美商業分析研究所的同學們，如果打算開始選校，不妨讀讀這篇文章，用課程設計來洞悉拆解你未來可能的落腳之地。
2. 你已經申請上學校，因為疫情緣故考慮Defer者，或許你可以參考我這篇文章重新評估今年原本要來讀的學校，或許可以考慮重新申請也說不定。
免責說明
在正式進入視角分析之前，想要在這裡先聲明我沒有想要透過這篇文章得到哪些學校比較好、哪些學校比較不好的結論，我只有就讀過明大的商業分析研究所，我無法代表其他人論述其他學校的就讀體驗，我單純以課程安排加上我的經驗法則去闡述我的觀點。找工作和課程設計不純然是正相關，有人在頂尖名校、課程設計非常好的學校讀書找不到工作；也有人在課程設計相對不給力的研究所就讀，也落腳很好的職缺。如果你閱畢不認同的我的觀點也歡迎提出討論 😊
分析邏輯與視角
1. 商業課程與技術課程的比例
我覺得這是最直接可以看出一個課程設計水平的標準。先講結論的話，當商業課程佔比越低，該研究所能提供你找工作的技能可能性就越高。這就要探討商業分析學程的源起與組成，每間學校的做法不同，相信如果讀者常爬追夢網的學長姐心得就會知道，商學院裡面甚麼樣的系所主導商業分析研究所的成立可以直接或間接地反映在課程設計的邏輯上面。簡單來說，相對用心的研究所應該會是由商學院下的資管所帶領成立商業分析學程；而比較不用心的就是採用「大雜燴」的方法，將會計系、行銷系、財金系、MBA的課程拼湊再一起，堆砌出一個「商業分析學程」，然後將一些課程名稱改成帶有分析字眼的，作為主修，以此吸引學生申請。
而這種操作往往在課程網頁上看不出來，申請者是不太可能在沒有其他內線消息提供下，知道學程緣起，但商學領導課程與技術課程的比例往往是一個線索。商業分析學程畢竟隸屬商學院，有一些商業基礎課程無可厚非，但如果你發現，你想來美國學商業分析、資料分析的技術，學校課程網頁上面卻充斥很多「Marketing、Finance Analysis、Accounting、Communication、Leadership、Project Management」字眼的課程，你心中的小紅旗應該就要立起來，多去打聽打聽會是好方法！
2. 分析類型與分析技術
這邊就要講講四種類型的資料分析，分別是：Descriptive、Diagnostic、Predictive、Prescriptive，這四種分析類型在我就讀研究所的第一堂課老師就提到了，而且我們之後的課程設計是每種分析類型各三學分的課程，所以我會建議當你在查找課程網頁的時候可以細心地找找看，這四個分析類型有沒有被完整涵蓋在課程裡面，他們可能會用不同的名字出現。
Descriptive就是所謂的探索式分析 (Exploratory Data Analysis)，也有另一個名稱是非監督式學習 (Unsupervised Learning)，而視覺化也是Descriptive裡面相對重要的技巧。
Diagnostic則是因果式分析，大家熟知的實驗設計、A/B Testing、Causal Inference就是隸屬這塊。
Predictive則是很有名的預測分析，大部分監督學習的機器學習模型都是在這個領域裡面，包含到更高端的AI、CNN、RNN、圖像識別等等。
Prescriptive則是優化類的分析(optimization)。
講完分析類型，接下來很重要的也是分析技術的傳授。學程有沒有開設專門的課程來講授特定的分析技術，也能看出這個學程是否有用心規畫課程，這些技術包含但不限於：SQL、Python、R、Excel、Big Data Tool (Hadoop/Spark/Hive等)。
分析類型與分析技術二維交織成的面，若一個學程能涵蓋得越多，則代表這個學程設計上更加用心。
3. 各學期教甚麼/課程時程規劃
這是最後一個分析邏輯，也是身為留學申請者較難看出來的切角。剛剛在第一二點提到了商管與技術課程的分野，也帶到分析類型與分析工具的介紹。短短一年的學程，要怎麼把一二點妥善安排在各學期完成也是考驗各個Program director的智慧與經驗。
商業分析學程更多是在教學生怎麼釣魚，所以將分析工具的教學安排在比較早的學期會比安排再晚一點的學期還要好；而商業分析學程的慣例是最後一學期大家會瘋狂找工作、無心學習，所以到底哪些是比較重要、不能讓學生輕言放棄的分析類型課程，這樣的辨別就很關鍵，應該就要把這些課程安排在第一二學期教授完成；另外一個思考點則是，哪些分析類型與工具是學生在找工作時一定會被問到的，也應該放在第一二學期教完，讓學生有時間可以複習。最後一學期還是會教很重要的觀念，但可能是業界使用頻率較低、讓學生有印象，未來進入職場後，碰到類似問題，學生有印象可以找到方向重新拾起就好。
以上三點就是我接下來個案解析會帶大家逐步審視的點，希望能帶著大家以這樣的邏輯來看課程設計與選校的取捨。
個案探討
在最後這個區塊，我將檢視六間學校，分別是我的母校，明尼蘇達大學的商業分析學程，以此作為基準，因為我個人覺得我母校的課程設計很棒，或許以此看會有一些倖存者偏誤，但就請各位多多包涵啦！
接下來會帶大家看看排名第一的MIT的MSBA課程設計，還有最近排名衝得很前面的UCLA商業分析學程。再來是UC Davis的課程設計，他的排名跟明大接近一些，也很多人會糾結這兩間的選擇，所以也拿出來一併討論。再來會給大家看看在學校排名比較後面一點的UC Irvine的課程設計範例，最後以華盛頓大學，這間相對年輕的商業分析學程(目前第一屆還是第二屆剛結束)的探討收尾。相信這六間的案例探討能讓大家有更完整的概念：如何以課程設計判斷適合你的選校策略。
明尼蘇達大學 商業分析學程
二話不說，立刻來看看我的母校吧！
夏季學期Business Essential (3 credits) [商業]Introduction to Stat for DS (3 credits) [技術] — 統計Programming for DS (3 credits) [技術] — PythonIntro to Business Analytics in R (3 credits) [技術] — RData Management, Databases ,and Data Warehousing (3 credits) [技術] — SQL秋季學期Exploratory Data Analytics and Visualization (3 credits) [技術] — DescriptivePredictive Analytics (3 credits) [技術] — PredictiveBig Data Analytics (3 credits) [技術] — Hive/Spark/HadoopCausal Inference via Econometrics and Experimentation (3 credits) [技術] — DiagnosticBuilding and Managing Teams (1.5 credits) [商業]Ethics and Data Privacy (1 credits) [商業]春季學期Advanced Issues in BA (3 credits) [技術] — PredictiveOptimization and Simulation for Decision Making (3 credits) [技術] — PrescriptiveAgile Management of Analytics Projects (1.5 credits) [商業]Business Analytics Experiential Learning (6 credits) [技術]
商業課程佔所有核心學分比例：5/43 = 11.6%
技術課程佔所有核心學分比例：38/43 = 88.4%
分析類型與技術評測：可以看到基本上我母校的課程設計已經把我上面提出來的四大分析類型與幾大分析工具都完整涵蓋了，所以基本上真的沒有甚麼好抱怨的，就以課程設計上。
各學期課程安排評測與總評：首先我很驚豔的是明大的課程和我們兩年的課程設計又有一次正向的進化，很清楚的可以感受到整個學程上教授和行政方配合的用心程度，他們真的很完整的吸納我們過去給學程方的反饋，並且提供更好的課程設計給下一屆的學弟妹們。
首先可以感受到，商業課程所佔的比例進一步調降了，之前Business Essential其實是拆成行銷和會計兩堂共六學分的課程。現在直接砍半，因此可以把Data Management，即SQL語言的教學提到夏天，讓學生可以更早熟悉這個在面試中很常出現的項目。
而由於將SQL提前的空缺，則由原本在春季的Causal Inference提前至秋季遞補，這也是非常好的設計。A/B Testing是不管資料科學家、商業/資料分析師都常碰到的考題，過去我們是邊面試邊學校因果分析，而現在把四大分析類型的三種(Descriptive/Predictive/Diagnostic)一次在秋季完成，真的可以為學弟妹打下非常扎實的面試基礎。Prescriptive/Optimization仍放在最後一學期也是不錯，因為這方面的題目真的較少碰面，停留在相對介紹性的課程也就足夠，而且明大課程總算有選修了，應該可以給即將畢業的學生多一點選課與求職上的彈性。
簡單來說，我也是為了寫這篇文章才點進明大最新的課程架構，感受非常驚豔且激賞，真的可以是選校的好標的啊！(再次推坑)
麻省理工 商業分析學程
再來我們看看商業分析研究所排名第一的神校，但感覺MIT的課程設計有點特殊，他的課程核心課程較少，更多的是讓學生有選課的自由，但我還是簡單以他的核心課程來進行拆解分析吧！
秋季學期Analytics Edge (12) [商業]Optimization Methods (12) [技術] — PrescriptiveMachine Learning Under a Modern Optimization Lens (12) [技術] — Predictive/ DescriptiveAnalytics Lab (9) [技術]From Analytics to Action (6) [商業]Analytics Software Tools in R, Python, SQL and Julia (3) [技術] — R/Python/SQL/Julia一月+春季+夏季學期Analytics Capstone Project (24) [技術]Communicating with Data (3) [商業]Ethic and Data Privacy (3) [商業]
商業課程佔所有核心學分比例：24/84 = 28.5%
技術課程佔所有核心學分比例：60/84 = 71.5%
分析類型與技術評測：如果就單按課程名稱與內容，在類型的涵蓋層面MIT的課程並沒有涵蓋到Diagnostic類型的課程，我猜應該是放在選修課程裡面讓學生進行選擇；而技術的課程則用一個三學分的課程全部教授給學生，是否會太過緊湊，這部分可能也要真的詢問在校的學生才會知道，或者MIT招聘的標準畢竟比較高，可能已經預設招募的人已經對這些基本工具有一定的掌握，所以沒有設計太多的學分在此。
各學期課程安排評測與總評：我只能說MIT的課程設計於我真的蠻謎樣的。MIT MSBA是和Operation Research Center和商學院共同規劃的，所以不難想見Optimization Methods和ML都是很走Prescriptive路線，應該算是相對難且高階的分析類型。
此外，在課程設計上真的可以看出MIT Sloan與企業的好關係，總共有33學分的實務課程 (Analytics Lab + Capstone Project)，非常走應用面，而且是完整一整年學生都可以和企業有互動、累積實戰經驗和履歷。
同時也預留大量的選修空間在春夏的求職季，MIT也沒甚麼好講，申請就對了！
UCLA 商業分析學程
接下來我們來分析看看近期竄起的MSBA學程新秀，加州大學洛杉磯分析的課程設計。
秋季學期一Math & Stat for Analytics (Intro to ML) [技術] — 統計/PredictiveR Programming Essentials [技術] — RSQL and Basic Data Management [技術] — SQLOptimization [技術] — Prescriptive冬季學期Business Fundamentals for Analytics [商業]Data Management [技術] — SQL / Python / RPrescriptive Models [技術] — Prescriptive/ DiagnosticIndustry Seminar [商業]春季學期Customer Analytics [技術]Competitive Analytics [商業]Operation Analytics [商業]Industry Seminar [商業]秋季學期二Supervised Project [技術]
商業課程佔所有核心學分比例：4/13 = 30.8%
技術課程佔所有核心學分比例：9/13 = 69.2%
*由於UCLA課程網頁上沒有學分數，所以直接用課程進行計算，可能比例會失真
分析類型與技術評測：透過課程名稱，可以比較明顯看出來UCLA有涵蓋的的分析類型為Prescriptive、Diagnostic和部分的Predictive。我是挺訝異竟然沒有專門上ML的課程，而Descriptive我相信應該是把它拆分在不同的課程中，有可能是商業與技術的混合，用該分析職能在公司中的使用情境進行不同課程的介紹！而技術面上，可以清楚感受到有SQL，R的出現頻率比Python多一些，也是跟剛剛前面的UMN、MIT不太一樣的部分。
各學期課程安排評測與總評：延續剛剛講到的，UCLA的課程比較特別的是一些很商業導向結合分析的領域，例如顧客分析、競爭分析、營運分析，這些課程名稱與內容第一次審閱時會有點難以想像會是怎麼樣的課程內容，我感覺起來是點像是MBA課程的挪用與衍伸，並且加上分析層面，所以在我看來會沒有那麼高技術含量。
同時也可以觀察到由於UCLA是大於一年的學程，可以讓學生找暑期實習，在秋冬兩學期基本上已經把該教的技術、該帶到的分析類型都涵蓋了，應該也是為了讓學生裝備好面對冬天開始的實習求職。因此評判的標準會與一年的學程有些差異。然而，有實習的商業分析學程畢竟是少數，而且地段好、學校名聲高，UCLA近年來名聲鵲起也不是讓人太意外就是了！
UC Davis MSBA
想當年UC Davis也是我很想進的學校之一，可惜很早就被拒絕了。其實之後也有接觸一些朋友是UC Davis畢業或在學，他們反而聽到我念UMN露出很欣羨的的語氣，果然大家看到的重點都不盡相同啊！
秋季學期 (17 credits)Intro to BA [商業]Data Management [技術] — SQLData Visualization [技術] — DescriptiveStatistical Reasoning and Exploration [技術] DescriptiveFoundation of Analytics [技術] — SQL/RPracticum — Initiation [商業]冬季學期 (14 credits)Organizational Issues in Implementing Analytics [商業]Data Design and Representation [技術] — Database/SQL?Advanced Statistics [技術] — 統計ML [技術] — PredictiveTopics in BA [技術] — ?Practicum — Elaboration [技術]春季學期 (13 credits)Application Domain [商業]Big Data [技術] — Deep LearningAnalytics Decision Making [技術] — PrescriptiveTopics in BA [技術]Practicum — Analysis and Implementation [技術]
商業課程佔所有核心學分比例：4/17 = 23.5%
技術課程佔所有核心學分比例：13/17 = 76.5%
*由於UCD課程網頁上並沒有列出每堂課詳細涵蓋的學分數，所以就直接以課程數量來做計算
分析類型與技術評測：透過課程網站上的課程設計與介紹，在技術層面上，並沒有專門為Python開設一堂基礎課程，或許是預設大家能自學Python，唯一有提到Python的地方就是視覺化的課程裡面，但也是和其他工具並列，並不是非常確定到底涵蓋多深。至於分析類型上面，四大分析類型中核心課程獨缺Diagnostic，個人是覺得有些小可惜的地方，畢竟UC Davis位於舊金山市區，這麼網路產品公司在附近，沒有傳授實驗設計、因果關係等技能值，而是要學生自己額外掌握，或許或成為畢業生的弱勢。
各學期課程安排評測與總評：UCD的課程設計上是比較類似UMN的，面試中與職場上比較常會出現的Descriptive、Predictive的課程安排的早，可以讓學生提前涉獵與準備。然而，沒有特別著重Python技術這點還是有一些小可惜。此外我對於出現在冬季與春季學期的Topics in BA感覺也有點困惑，因為這堂課程只有出現在課程架構表上面，但在詳細的課程介紹裡面卻遍尋不著，他感覺也不是選修，但究竟是教甚麼也不太清楚，這部分會讓使用者如我投下一些小小的質疑。
另外UCD的Capstone/Practicum是橫跨一整年的實作，但仔細閱讀課程內容就會發現，第一學期比較多是溝通與專案管理的經驗分享，只有到二三學期才進入實作，但實際上課程體驗是如何我這邊也就不得而知，但明顯可以感覺出來和MIT一年的實戰經驗還是有些微小的差距的！
UC Irvine MSBA
最後一間加州大學體系的MSBA學程，相對於UCLA和UC Davis，UCI的名聲在追夢網上就相對小一些。因此將其提出來分析，也是希望看看能不能提供一個對照組，讓讀者就課程設計上有相對深刻的感受。
夏季學期Foundation of Business Analytics (2 credits) [商業]Stat for Data Science (4 credits) [技術] — 統計ProSeminar (0 credits) [商業]秋季學期Foundation of Marketing (4 credits) [商業]Data and Programming for Analytics (4 credits) [技術] — PythonML for Analytics (4 credits) [技術] — Descriptive / PredictiveProSeminar (0 credit) [商業]Elective (4 credits) *冬季學期Management Science for Analytics (4 credits) [商業]Customer and Social Analytics (4 credits) [技術] — More like DescriptiveCapstone Prep (2 credits) [商業]ProSeminar (0 credits) [商業]Elective (8 credits) *春季學期Capstone Project (4 credits) [技術]ProSeminar (0 credit) [商業]Elective (8 credits)
商業課程佔所有核心學分比例：12/32 = 37.5%
技術課程佔所有核心學分比例：20/32 = 62.5%
- 不包含選修的學分，純以核心學分數進行計算
分析類型與技術評測：在分析類型上，四個主要的分析架構中UCI只有涵蓋到兩個：Descriptive和Predictive，應該是目前看到比例最低的了。而在技術層面的包含範疇，有明顯標出的是Python，沒有R和SQL資料庫語言，這對我來說是一個蠻大的扣分項，畢竟我每天都在寫SQL，面試的時候也最常被考SQL，感覺這對學生來講會是一個損失，唯一讓我有感覺比較和SQL有關聯的是Sample Elective裡面的Business Data Management，但並沒有詳細介紹。
各學期課程安排評測與總評：UCI在課程網頁上顯示的課程，可以明顯的看出來和前面四個範例的區隔，除了商業課程的比例有點高，有些我個人認為的核心技術與分析類型也沒有涵蓋到，像是Causal Inference、R、SQL等。
UCI總共預留總共12學分的選修課程，換算應該是三堂課，分別落在秋季學期和春季學期。選修課簡單來說是一個雙面刃吧，給予了學生彈性，但在一年的課程中，且應和現在很多應屆畢業生出來讀書的趨勢，如果你不知道自己未來想要走甚麼樣的分析方向，選修課應該會亂選，導致浪費學分數與時間，而且八學分的選修課在最後一個求職學期，估計按照一般人心態，也不會選太硬核的課程。此外選修課往往是提供清單，但學程方不一定保證會開，最後可能選項上會比課程網頁顯示的還要少。
還記得前幾年看追夢網上面的就讀體驗，UCI就是典型的MBA課程劃分出來一部分作為MSBA課程主幹的學程開發流程，不確定這樣的狀態這幾年來有沒有改變，歡迎在讀的學生留言反映！
華盛頓大學 MSBA
總算來到最後一間學校啦，這篇文章花了好長的時間寫，真的想要快點把它結束掉！(笑)。華盛頓大學是這幾年創立的項目，印象中只有一到兩屆。華盛頓大學是西雅圖附近排名第一的學府，應該也是標榜著畢業後能進入亞馬遜、微軟這些科技巨頭工作來號召學生申請，就一起來看看UW的課程設計有沒有質量精良吧！
夏季學期Competitive Strategy (2 credits) [商業]Leadership and Professional Development (2 credits) [商業]Spreadsheet Modeling (2 credits) [技術] — Excel?Probability and Stat (3 credits) [技術] — 統計Programming Essentials (2 credits) [技術] — R/PythonData Management and Visualization (2 credits) [技術] — SQLBA Leader Series (1 credits) [商業]秋季學期Finance and Accounting (3 credits) [商業]Marketing Fundamentals (3 credits) [商業]Customer Analytics (3 credits) [技術] — Descriptive?BA Leader Series (1 credits) [商業]Special Topics in BA (2 credits) [技術]?冬季學期Negotiations (2 credits) [商業]Operation and Supply Chain Management (3 credits) [商業]Analytics for Firm Decision (3 credits) [技術] — Descriptive/Predictive/DiagnosticOperation Research Data Analytics (3 credits) [技術] — Prescriptive春季學期Digital Marketing (3 credits) [商業]ML Methods and AI (3 credits) [技術] — PredictiveBA Leader Series (1 credits) [商業]BA Practicum (2 credits) [技術]
商業課程佔所有核心學分比例：21/46 = 45,7%
技術課程佔所有核心學分比例：25/46 = 54.3%
分析類型與技術評測：基本上華大的課程在分析領域的涵蓋層面都有在課程中體現，但學分數加起來只有9學分，是有點少。而技術的部分R/Python/SQL也都有傳授，但學分數也是偏少，總共四學分而已。會讓我讀起來還是有點擔憂的。
各學期課程安排評測與總評：我相信讀者看完華大MSBA的課程應該可以感受到MBA的幽靈還是挺引人注目的，感覺很多課程都是從MBA直接挪用和修改，像是競爭策略、領導原則、財會、行銷學、協商技巧、供應鏈管理、數位行銷等等，這些都是一看就知道應該是MBA為主要風格的課程，而這也是為什麼導致在計算下來，整體的商業課程所佔比例快將近一半！而這麼高比例的商業課程，導致的現象就是技術課程的比例被壓縮，只要四學分的技術學習(R/PYTHON/SQL)，相較於其他學程動輒六到九學分的安排，這樣的技術水平訓練立刻拉出差距！而分析類型的學分數也受到擠壓。
此外，華大的Practicum只有兩學分也讓人好奇。畢竟Practicum/Capstone理應是MSBA的重中之重，但只分配兩學分，甚至比行銷管理還要少(不是說行銷管理不好，但我讀國企系就已經讀了一年半的行銷學了，為什麼還要來商業分析研究所鑽研行銷呢？)，或許有興趣的申請者可以在多和校友學長姐們聯繫一下，打聽看看Capstone的狀況。
簡單來說，華大的課程設計感覺應該還是在摸索，或許學程總監也還在摸索怎麼設計課程讓學生所學能真正和業界接軌，就繼續觀察下去，畢竟一個完整的學程不是一蹴可幾的！
小小的結論
這篇文章主要是提供另一個視角，提供給想要申請MSBA留學的同學們，其實課程網頁的詳細程度和用心程度在比較之下還是會有所差異。而這也深深影響著你求學的選擇、學習質量和未來的就業可能性。
當然，課程不會是唯一的判準是吧？我在前面幾篇文章也有提到，像是學校地點、學程時長、職涯中心有沒有給力都可以納入考量。感覺選校就像是一條多變量回歸，你把這些變數傳進回歸裡面，看看最後跑出來的結果，那個求職成功的機率高不高而已。而這篇文章就是詳細帶你走個「課程」這個變量，而我也相信他是一個解釋性不錯的變量！
最後也在廣告一下，我們霸饅頭的我要去留學Track即將在周日截止，有興趣要申請明年分析相關研究所程的你，快點手刀報名吧！
