►前言：
网红商业分析项目的求职攻略，它来了！USC MSBA这个老牌项目，凭借着其地处加州的优秀地理位置，加上实用的课程设置，绝对是许多大数据申请者的dream program之一。申请难度虽然水涨船高，但招收人数也是年年见长。那么要如何最大化利用项目响亮的title和种种资源，在找工时脱颖而出呢？Terry导师带我们一探究竟！
►本文内容概览：
☑️项目介绍
☑️地理位置
☑️求职服务
☑️申请
☑️项目总费用预估
☑️就读攻略
☑️个人求职经验
►项目介绍：
南加州大学，位于美国第二大城市洛杉矶。南加州大学商业分析硕士项目开始于2014年春季，项目时长18个月，3个学期。项目的学制是一年半，分为3个学期，秋、春、秋。也可以延长到2年，这个可以跟学校商量，基本都能approve。项目33个学分，包括19.5个学分的必修课和13.5个学分的选修课。
该项目专注于大数据的挖掘与分析，整体课程偏向于数据科学与信息技术方向。要求申请者本科毕业，不限专业（但实际要求有相当的统计功底），未设定有最低GMAT/GRE分数要求，无需工作经验但如有则更受欢迎，录取者平均工作经验为1.5年。
►地理位置：
加州洛杉矶的地理位置绝好，虽然不像湾区有大量的科技岗位，但也有很多游戏公司/娱乐公司等等落足于此。而且绝大部分同学找实习工作都不会局限于LA，而是放眼加州和全美。我个人就找到了fully remote的岗位，所以我觉得找工来说，地理位置肯定不是一个问题。
USC周边相对会比较危险一些，但学校的安保措施做的还是很好的。有同学会选择住在学校周边，剩下的大部分同学会选择住在downtown和ktown，车程一般10分钟出头左右。洛杉矶很大，周末的话同学们有机会去各种地方，有各种各样的活动，大家可以搜搜LA的娱乐活动，在这就不一一细说了。
►求职服务：
Career service：USC MSBA的career service的确非常不错，虽然近两年可能随着class size变大，人均资源会相对变少，但我观察下来，比较积极的同学其实还是都能得到很大的帮助的。项目也非常强调networking和面试，课外也有很多MSBA的workshop去手把手教你改简历、linkedin和如何network。咱们项目最后下来每个人的linkedin都整得非常漂亮，学校一开学也会帮我们拍非常professional的linkedin profile photo。开学后，同学也有大量机会随时去找career strategist约各种一对一的模拟面试、求职辅导、修改简历等等。我个人就比较积极地利用了一下这些资源，找career strategist精修了简历，梳理了一些求职技巧和策略，以及准备了mock behavioral面试 （technical面试不提供mock）。对于求职服务，开学后一定要趁早开始利用起来，迅速准备求职。总体来看，我觉得只要有心，每一个学生都能得到自己想要的求职支持，这点还是很不错的。
学校求职资源：学校有校内专用的求职平台connectsc。个人感觉有一定的帮助，尤其是对于校内岗位。我身边有不少同学抓准机会在connectsc上找到了校内的data analyst或者其他part time/internship，但要尤其注意岗位放出来几天可能就close了，所以如果想找的同学们一定要抓紧机会经常去看新的岗位。除此之外，program也有mentorship program，新入学的新生可以和学长学姐match，我个人目前还没参加这个program，但相信每一个学长学姐都会很热情帮忙！同时学校也有大大小小的career fair，这一点我个人觉得没有太大帮助，疫情之后USC的career fair没有太多大厂或者名企来招聘，但目前疫情后的求职时代，感觉很大部分求职和招聘活动都转为线上了。对于我这种懒得出门的人来讲，感觉多看看一亩三分地，多上linkedin去network从而拿更多的内推，比去career fair来的高效的多。所以学校的career fair虽然帮助不大，但我觉得并没有太大影响。
Case Competiton/ Adobe Challenge: 学校内也很支持各种大大小小的比赛，其中比较出名的是项目专门的case competition以及校外的adobe challenge。个人感觉如果不忙的同学还是可以多多参加一下这类比赛，不仅可以锻炼我们与real data的实战能力，同时也更好的扩大了我们的network，也有机会拿到更多refer和工作机会。
►申请：
要求申请者本科毕业，不限专业（但实际要求有相当的统计功底），而且有technical skills的candidate会更加突出。未设定有最低GMAT/GRE分数要求，但大部分提交gre的据我所知可能还是接近325+。无需工作经验但如有则更受欢迎，录取者平均工作经验为1.5年。
要求在必须要在本科期间上过统计课，且得包含以下内容：1. Basic probability2. Probability distributions (normal, exponential, etc.)3. Inferential statistics such t-tests, and Chi-square test, confidence intervals, an d sampling4. Intro to linear regression
在录取人数上，MSBA的招生一直是增加的，从一开始的几十个人再到现在的两百人。然而现在的平均GPA/GRE/GMAT分数依然看起来比较高，大部分身边我了解到的还是GPA3.7+的水平，而且会有很多工作过一段时间的同学。在入读的140多学生中，至少一半是中国学生，大部分是美本的同学，当然也有陆本的院校。
►项目总费用预估：
该专业属于STEM专业，总学费: $75,000左右。房租的话跨度很大，根据所住的地理位置和公寓，人均基本在1000+至3000+不等。如果不是很多人一起住house的话，2b2b/1b1b大部分同学的房租都会接近2000到3000左右。
►就读攻略：
MSBA要求学生在三个学期修完33个学分：19.5个学分的必修课和13.5个学分的选修课。以下是第一个学期的课程：
GSBA 545: Data Driven Decision Making (1.5个学分)
DSO 510: Business Analytics (1.5个学分)
DSO 545: Statistical Computing and Data Visualization (3个学分)
DSO 570: The Analytics Edge: Data, Models, and Effective Decisions (3个学分)
DSO 552: SQL Databases for Business Analysts (1.5个学分)
这些课程涵盖了数据驱动决策、商业分析、统计计算和数据可视化、数据模型以及SQL数据库等方面的内容。其中dso552和统计课在开学前可以通过waiver test去waive掉，比如我就waive了sql课，这样就会有更多的学分去修别的选修课。这些课程旨在培养学生在商业分析领域所需的技能和知识。
值得注意的是，这只是第一个学期的课程安排，实际的课程安排可能因个人需求和指导教授的建议而有所不同。该项目还提供了选修课的选择，学生可以根据自己的兴趣和职业目标选择适合自己的课程。
此外，USC MSBA注重计算机科学、统计学、机器学习、优化和商业战略等方面的培养。这三个领域被视为该项目的三大支柱，以确保学生具备综合的技术和商业战略能力。我们这一届MSBA总体来说实习都还不错，虽然经济情况不好，但上岸情况还是可以的，并且很多元化：据我所知有做banker, consultant, software engineer, business analyst, data analyst, product manager, data scientist，甚至data engineer的。可以找工作的方向很多，主要还是看学生自己以往的经历和兴趣。像我个人的话，虽然本科也是business，但有很多tech firm的da/ds实习，所以也顺利在美找到了不错的DS实习。
课程安排方面，总体还是没有很硬核，如果是冲着学习非常technical的知识，可能这不是最理想的program，毕竟在商学院下面。但也有很多机会去学习DS的知识，比如我就选了deep learning和nlp。多数这类的课虽然会有很多coding，但不会涉及到过多的数学，教授也不会去特意考察你的数学能力，主要还是以application为主，但学生对于这些课的褒贬不一，有些时候可能课外要花一些额外的时间去学习，这取决于每个学生自己以往的technical skills和knowledge。
对于想做DS/DA的同学，我会比较推荐fraud analytics这节课，课程框架和条理很清晰，教授有非常多的industry experience，相当于手把手带你做了3个real-life project，而且非常细节和透彻，基本上完以后捋一遍会对如何做好一个ds project有很清晰的认知。这些也是很适合放到简历上展示的project。其他还有一节褒贬不一的课就是comm，也是我们第二学期的必修课。这个课主要很大锻炼了同学们的presentation skills和口语表达能力。虽然对于母语非英语的同学，每节课上课要找人one on one尬聊可能有些社恐，但实际上这就是networking的实战训练，而且通过各种presentation也能很好地锻炼我们的面试能力。我个人觉得这节课还是很有帮助的，甚至在我现在实习过程中需要不停地networking和同事、leader交流，也会庆幸好之前有好好在上这节课。
不过对于想找DS的来说，课程设置应该是不够完美的，因为第一个学期没有太多technical的课程，而ml、deep learning、nlp等也只有第二个学期才开始有，所以开学后的秋招很大部分会靠自学去准备面试。而且各个课不会对于模型的原理和数学过于深入，主要偏向于应用和简单的原理，但根据我的经验，这些知识加上一定的自学（youtube看看video），对于找大部分da/ds岗位也够用了。总体来说，课程设置对于一个BA项目是很好了，大部分老师非常supportive，课程压力不太大，有很多的时间可以用来找工作！
►个人求职经验：
学生的个人求职经历和实习经验我个人的话准备时间非常早，开学前基本把简历和申请计划都准备好了，然后因为以前就有一些DA的实习，也有一定的coding/stats基础，所以第一个学期课业对我来说不是很繁重，有很多的时间去找内推。基本上8-10月一直在疯狂投简历同时准备面试的知识，10-12月一直在反复准备面试、mock、面试。蛮幸运的，我也面了一些tech大厂，并且拿到了其中一些offer。
如何利用项目资源寻找实习机会USC MSBA项目的找工氛围很好，从开学开始项目各方面就很早强调networking和找工作。感觉大家基本都在聊实习和面试，老师和career strategist也非常supportive。而且虽然是商科项目，但实际上我知道的有一定technical基础的，以前在国内外做过DA/DS实习的，都在自己的努力下找到了data science相关的实习。所以大家不要以为只能找business analyst！只要好好准备面试+networking拿refer，都是有很大机会的。像我们这两届，我知道有很多不错的intern/fulltime offer，包括但不限于：麦肯锡、贝恩、Amazon、Walmart、Dell、四大、美国银行等等。主要行业涉及到banking、consulting、tech和游戏。
与校友和公司建立联系的方法Linkedin和一亩三分地大概是我找内推和准备面试最大的两个利器了。Linkedin用来去搜索意向公司岗位的network，然后务必准备好简单明了的personal note，通过率会高一些。同时可以再针对性地看一看USC MSBA毕业生所去的公司，最大化地发挥我们项目的network。这些公司通常还会愿意继续招收我们项目的毕业生，形成一个良好的循环。一般学长学姐都是非常nice，也愿意去帮助内推或者给到很多建设性的意见。
一亩三分地的话，上面也有很多内推机会，但相对来说我感觉email回复的不是很快，所以我找内推更多花时间在linkedin上广撒网，只要添加的人够多，拿到内推的时间也相对更短。但地里有很多面经和面试准备的干货，这对我准备面试起到了很大的作用。当然最有用的就是mock了，项目内同学们都愿意互相帮助，大家可以找到求职方向类似的同学然后一起准备模拟面试，这个过程也会给双方都学到一些实战的东西。