►前言：

小編最近聽一些同學以及辣雞中介在傳，說BA一年制學不到東西，對找工作也沒幫助，是水專業。而事實真的如此嗎？拿個碩士出來到底能不能找到工作呢？小編特地查了一下BA對口專業--Data Scientist和Quantitive Researcher的薪資，大家一看便知⬇️

美國的Business Analytics及類似專業，在近年來見證了爆發式的增長。我們特地請來了BA 招牌項目--MIT商業分析(BA)專業碩士畢業的Andrew導師為大家分享他在求職路上的寶貴經驗以及感悟。

總體來說BA碩在北美求職大軍中算是個獨特的存在，優勢和劣勢并存：

• 優勢：
• 職業選擇相對較多，可以做Consulting，可以做finance，可以去高科技公司
• 崗位也算比較多，除了最火的CS，BA方向應該和Finance方向并駕齊驅，算是好找工作第二檔的方向了
• 劣勢：
• 時間相對短，足以完成學習，但影響實習；
• 職業選擇較多，但如果你每個方向都是半吊子水平，那就很難找工作了

同樣先要聲明下本文章的适用範圍：（1）正在讀BA、即将入學BA或正在考慮BA的同學；（2）主要想在北美（特别是美國找Data Science方向的工作）。如果以上兩條都符合，我希望這篇文章會對你有幫助。

►作者介紹：

1. 學習BA可以從事什麼崗位方向？

BA專業的同學其實就業的時候，選擇面非常的廣，這是優勢，也是劣勢。

優勢是如果你所有技能都真的很強，你可以在多個行業全都拿到offer，職業選擇的面廣了很多。劣勢是，如果你背景不夠硬，而且沒有針對某個方向好好準備，那你有可能一個offer都沒有。

首先，這幾個方向是：

（1）咨詢公司

BA方向大多數的畢業生，其實最适合的是去咨詢公司。

BA方向的畢業生，編程雖然能力不及CS的同學，但是在咨詢公司做做Data Scientist或者偏向tech的Consultant已是足夠。另外，BA專業的同學有比較強的優點：會溝通，會展示。這使得BA專業去咨詢公司簡直如魚得水。

就拿我們項目來說，44個人中，大概有10個人拿了BCG Gamma的offer，5個人拿了麥肯錫的offer。咨詢行業無愧BA畢業生的最佳去處。

（2）互聯網和科技公司

互聯網科技公司内部，可供選擇的崗位也很多。

如果你編程像我一樣強，完全可以直接申Software Engineer。去年我們項目有兩個學長就去了Google做Software Engineer。

如果你編程稍微弱一些，希望自己的工作内容中多一些Machine Learning和Modeling，Data Scientist這個崗位很适合你。但是值得注意的是，大部分公司的Data Ccientist其實都偏向于招博士生，碩士生可能有時候面試會覺得比較吃力。在Amazon，這個崗位叫Applied Scientist。

如果你想接觸更多的業務，你可以選擇Data Analyst或者Product Analyst，在Amazon這個崗位又叫Business Intelligence Engineer。這是一個科技公司中分析産品分析市場的崗位，不那麼hardcore，SQL用得比較多。

當然，如果你想接觸更多的business，你也可以選擇當一個産品經理 Product Manager。

（3）金融公司

金融公司，可以選擇Quantitative Researcher，或者Data Scientist，或者Quantitative Trader。

（4）其他傳統企業

在傳統的行業，也有Market Analyst或者Data Analyst的崗位。

2. 有哪些可以學習的skillset？

為了找一份上述的工作，你主要的skillset要有如下這些：

（1）算法和數據結構（比如leetcode，topcoder）

（2）數據編程語言：SQL>Python>R（面試中的重要性）

（3）數學、統計及建模應用：統計學、運籌學、機器學習等；

（4）數據知識在實際領域中的應用：digital marketing，healthcare analytics，machine learning in finance這些, 俗稱領域知識。

（5）純智商，brainteaser能力強，解數學難題能力強，臨場反應快

（6）會表達，會交流，會展示，對于中國人在美國求職，這一項也包含了語言水平

每個崗位對應的skillset要求是不一樣的，薪酬待遇也是不一樣的。具體可以看如下的介紹。

3. BA就業個方向的薪資與技能要求

為了更好地展示，大家可以看我做的表。

需要注意的是，這裡的薪資水平（包含公司 股票 獎金），我是參考了每個行業裡頂尖的公司的水平。比如Quant Researcher我參考的是Citadel, two sigma。SDE我參考的是Facebook，Google。Consulting參考麥肯錫, BCG。行業裡其他公司不一定有這麼高的薪酬，但是總體來說，基本這幾個行業、崗位的工資差距是類似的（比如一家比較一般的企業的Data Analyst，就是會比Data Scientist要工資稍低）。

工資的單位是美元。這是我的直觀感覺，如果有數據不準确的，歡迎指出。

4. 每一個skillset如何提升

（1）算法和數據結構（比如leetcode，topcoder）

算法和數據結構，是Software Engineer招聘考察的核心，考察的是對計算機程序的核心内容：算法 Algorithm和數據結構Data Structure的理解運用能力。這一項技能對于很多從商科、文科轉來的BA學生簡直是個噩夢。但是這項技能很值錢，因為隻要你這個技能過關，可以把你的工資上限提高很多。我本人的求職過程，因為這個技能強，就占了很大的便宜。

具體怎麼提升呢。最簡單粗暴的方法：刷leetcode。隻要在google搜一下”刷leetcode“，就有成百上千的攻略教你怎麼操作。

我本人因為是信息競賽選手，初三的時候水平就能秒殺所有leetcode hard了，所以幾乎沒怎麼準備。對于一般的同學，如果你想申靠近SDE的崗位的話，建議還是leetcode刷至少150題吧。

所以，這是一個目标明确、可提升性強的技能。

（2）數據相關的編程語言

剝離上述和leetcode相關的編程題。編程技能還有兩種考察方式，

第一種是直接讓寫SQL。Facebook的Data Scientist就是這麼考的。

第二種是讓用python或者R直接分析一個數據集，展示結果。這當中，會涉及到大量的data manipulation，所以pandas（如果你用python）和dplyr（如果你用R）還是要玩得很熟悉。

具體的提升方式，最好的還是通過實戰來練習，SQL寫得多了，自然也就熟悉了。Pandas的技能也是百煉成鋼的，沒法一蹴而就。

成為Data Analyst或者是Data Engineer，SQL永遠是你最重要的技能之一。但是也别隻會SQL，那樣你就成了别人口中的SQL Monkey，職業發展也會受限。

3）數學、統計及建模應用：統計學、運籌學、機器學習等；

這一類的知識會被從兩種方式考察。

第一種，直接問conceptual的machine learning questions。

舉幾個例子：

a. How is GDBT different from Random Forest?

b. What is the difference between l1 norm and l2 norm?

c. What is Thompson Sampling?

d. What is the objective function of explore and exploit?

e. What is dropout layer, why is it important?

第一種問題，我推薦，還是要系統的學一下machine learning。可以看李航的《統計學習方法》，可以看《Elements of statistical learning theory》，可以看MLAPP，這三本書我都覺得很有幫助。如果想抱佛腳，可以推薦你看《Heard In Data Science Interviews: Over 650 Most Commonly Asked Interview Questions & Answers》

第二種，需要你分析一個數據集，做一個take home test （一般給你3天到7天的時間），讓你根據要解決的問題建模，然後給出ppt展示。Takehome做起來真的不容易，占用很多時間，也不容易通過，我們下篇文章細講。

（4）數據知識在實際領域中的應用：digital marketing，healthcare analytics，machine learning in finance這些。俗稱領域知識。

這方面的能力，一般會在一些業務題、case question中考察，需要你對公司、崗位面對的業務場景非常熟悉，能用一個公司員工（或者consultant）的思維去思考問題。這類的題目我不是特别的擅長。

如果面的是咨詢公司，你面對的case你并不知道會來自于哪個行業，最好能大量地mock interview。

如果面的是科技公司，比如uber，最好能和公司裡現在的人聊聊，看看他們看問題的角度。比如uber的業務分析，一定有兩個方面，一方面是driver，一方面是rider（這是我從現任員工口中得知的）。比如分析Facebook的業務題的時候，可能加上“網絡效應 Network Effect”相關的分析，可能會迎合他的口味（這僅是我的猜測）。

我個人發現去Youtube上看一些對方公司senior data scientist或者marketing vp這樣的人物的演講，可以快速幫助你建立那個公司的分析思路。

（5）純智商，brainteaser能力強，解數學難題能力強，臨場反應快

在Quant相關的職位當中，經常會被問到一些需要腦子聰明才能解出來的數學題。有一些是和概率相關的，有一些是和統計相關的，有一些就是純推理。我面了四家Hedge Fund，都碰到過這樣的題目。如果崗位是Quant Researcher這樣的題目會少一些，但如果是Quant Trade，那對不起，你80%的面試題都是這樣。

brainteaser的能力，臨場解數學題的能力，還是可以通過刷題提升的。我的感覺是面試越面到後面，也就熟悉了一些常用的套路。我還可以一本書《A Practical Guide to Quantitative Finance Interviews》。

至于純智商嘛。。。我也不知道該怎麼提升了。希望有人尋找到答案以後可以順便告知我。

（6）會表達，會交流，會展示，英語水平

全方位提高你的表達能力！

多和你的外國同學一起做課程項目吧！别整天和中國人宅在一起！

有機會說英語就說英語！

試着練習presentation，用錄像的方式不斷改進！

多mock interview！不僅是自己要多說！還要在幫别人mock的時候學習别人怎麼說！

請關注微信公衆号【PH留學】

獲取更多留學幹貨信息