►前言：
相信不少同学光看到标题，就已经迫不及待地跳过前言part，直接往下滑了。哎，没有办法，这就是MIT MBAn的魅力所在，也是100% employment的实力展现。能有实力蹭上这个项目的title，可以说是找工的压力都减轻了不少！一起来看看Grace导师超详尽的求职资源&服务解析吧！
►本文内容概览：
☑️项目介绍
☑️项目详细就业数据
☑️求职时间轴
☑️个人求职体验
☑️求职服务
►项目介绍：
MIT Master of Business Analytics (MBAn) 项目是由MIT Sloan商学院与MIT运筹学研究中心 (Operations Research Center/ ORC）共同创办，为期12个月的研究生项目。项目宗旨是为那些计划从事data science行业职业生涯或寻求职业晋升或转变的人员量身定制。MBAn Class of 2023 class size为78。据说在接下来的几届也会将class size控制在80人左右。
MBAn项目有专门指派的就业指导老师Tracy，从秋季开始针对不同的求职方面的准备开设seminars和workshops(比如resume/ LinkedIn workshops, in-person networking tips, job hunting technique, accepting offers/ offer negotiation, etc.) 来帮助同学们更好地为毕业后的求职做准备。除了全部同学一起的workshops，Tracy也会提供individual meeting sessions来和同学进行mock interviews，或者针对学生个人的需求提供就业方面的指导，比如说figuring out career goals, review offer letters等等。
►项目核心人员：
-Dimitris Bertimas: Associate Dean of Business Analytics; Professor for Machine Learning under Optimization Lens + Optimization Methods （作者：作为MBAn/ORC元老级教授和MBAn项目的创始人，无DB就无MBAn。同时也是课上最喜欢随机叫人回答问题的教授，每每从教学楼与DB擦肩而过，都心生敬畏。）
-Alexandre Jacquillat: Professor for Optimization Methods（作者：MBAn同学们最喜欢的教授，同时也是课上最喜欢用“过多”手势教课的年轻教授。虽然Office Hour最喜欢随机点人回答问题，但Office Hour每天都爆满。每每上课Alex又开始用他修长的手开始在黑板附近挥舞，作者都会纳闷为什么这位教授没有成为钢琴家。）
-Michelle Li: MBAn Program Director （作者：一位曾经穿梭在金融行业的女强人director，充斥着学生的生活，擅长用温柔的声音说出最一针见血的话。）
-Tracy Wishon: MBAn Career Advisor (作者：作者感觉Tracy是一位非常热爱自己工作的advisor，Tracy希望所有MBAn同学都能成功顺利地找到适合自己的工作。但是如果有人找了一份“出卖灵魂”的工作，i.e. 一个星期工作70个小时不等，Tracy一定会花40分钟劝ta不要这么做。)
-Erica Hodes: MBAn Corporate Relations Director （作者：日常接触不多，但是Erica是决定我们career event能见到哪些公司的大功臣。）
►课程设置：
MBAn项目的学生一般将会完成111~141 学分左右的课程，一般一节课程的学分为6/9/12学分不等，学分高的课程证明课业量越大。MBAn学生一学期最多可以注册66学分的课程，其中包括54学分max的MIT Sloan课程。学生必须达到4.5/5.0的GPA方可毕业。
MBAn课程设置根据学期不同，有不等数量的必修课，比如说fall需要上5节，IAP (Sloan Independent Activity Period) 需要上3节，spring需要上1节，summer需要上2节。除了spring一定要最少上满27学分Analytics Core的选修课以外，其他学期可以在不超过最多学分，不与必修课冲突的情况下，由学生自由选择商学院及其他学院的甚至Harvard的选修课。
主要的必修课（括号内为该课程的学分）：
1.15.003 Analytics Tool (3): orientation时间开设，由MIT ORC PhD任教，为没有太多编程基础的同学们提供introductory tutorials（语言: git, SQL, Python, R）
2.15.072 Analytics Edge (12): 传统ml algorithms背景，原理，evaluation metrics的介绍以及case study examples（语言: R）
3.15.093/6.255/IDS.200 Optimization Methods (12): 以linear optimization为主的optimization methods，课程难度较大。课程结束后，学生可以熟练掌握optimization problem formulation, constraint construction, solving problems 等多种技能。（语言: Julia）
4.15.095 Machine Learning Under a Modern Optimization Lens (12):以optimization视角开发的ml algorithms，课程难度较大。课程结束后，学生可以接触到对业界十分崭新的ml algorithms，其背景，原理，以及解法。（语言: Julia）
5.15.572 Analytics Lab: Action Learning Seminar on Analytics, Machine Learning, and the Digital Economy (9): 课程本身及打分主要以小组作业为主，3-4人的小组会match到一个公司，来完成为期3个月的data science project。lecture上主要会请一些业界ds大佬来介绍公司及他们自己的工作内容。（语言：根据project不同，每组用的语言也不同，但是基本上以Python, R为主）
6.15.681 From Analytics to Action (6): 介绍如何了解公司组织架构以及文化。在不同公司的背景下，如何推动project。介绍每个公司“成功”与否的因素和方面。
7.15.089 Analytics Capstone Project (24 units spanning IAP, Spring, and Summer): MBAn项目最特别以及最重要的，为期7个月左右的项目。IAP期间主要向学生介绍sponsor capstone project的公司和他们今年的data science项目。Spring期间以part-time（每个星期10小时）形式完成项目，summer根据公司要求远程或者面对面和公司full-time完成项目，合格完成capstone project方可毕业。
►项目详细就业情况：
MBAn项目从项目初创到现在一直保持着100%的employment rate。MBAn Class of 2022主要就业方向为：Data Scientists, AI research scientists, Business Analyst, Quant Analyst以及少数的Product Analyst。平均base salary在$130k左右。除了进入industry，每年项目也会有3-5人左右留在MIT或者去其他高校攻读PhD (MIT CSAIL, MIT ORC等)。
►求职时间轴：
2023年job market有点特殊，所以很多学生现在还没有offer。岗位投递时间线也相对晚一些，往年基本上4-5月开始投递，今年大部分学生都在6-7月投递。新生们可以不用太过于焦急在fall就对求职有很大压力，fall还是要多注重学业以及必修课。
Spring可以开始准备leetcode或者case study，也可以和同学一起interview prep。等到5-6月再开始投简历。每个人求职方法不同，大部分人喜欢在linkedin上找人network然后了解岗位并拿到内推。很少一部分人直接只投简历。
►个人求职体验：
从我自己的角度出发，我感觉职业指导老师Tracy的career session实际上有很大作用，包括networking tips。之前在本科由于没参加过过多的networking event，真正到了event完全不知道该怎么插话。但是MBAn项目给学生提供了很多networking的机会，久而久之就学会了怎么在这种场合有技巧地插话和礼貌地退出。如果感觉直接和公司接触很害怕，可以先从alumni入手，练习一下自己要说什么和要问什么。
另外，我之前完全没有意识到networking的重要性。但是networking可以让公司在放出岗位的第一时间联系你，甚至因为公司了解MBAn项目的课程和学生，公司还会缩短interview process或者waive assessments。
和朋友一直准备面试也很重要。Spring semester我和其他两位同学一起准备case prep，我感觉从中受益非浅。和其他人一起规定每星期meeting的时间，这样就不会因为自己的procrasination来耽误准备。同时其他人也可以给你active feedback，尤其是case prep这种基本上没有100%标准答案的问题，你可以学习别人的视角及思路。我当时其中一位朋友是CS专业的，后面几次case prep还让他帮我们overview了data structure。一起准备面试，其他同学也可以给你很多反馈，并且可以准备到更多方面的问题。我上个星期的其中一道面试题就是我朋友前一天帮我准备到的。
求职还很重要的就是保持一个好心态。我之前总是以为有MIT在我的简历上，我总能拿到至少一场面试吧。结果发现并不是这种情况，投的简历经常被秒拒。这种时候大家也要保持好的心态，继续networking继续投简历。同时，不要和别人比。每个人都是不同的，也有不同的优点和长处，一定要在找到自己的优点之后，在面试里面有自信的展现，而不是用别人的优点来比较自己的缺点，然后使自己丧失信心。
关于求职资源，我感觉MBAn的alumni network非常庞大且supportive。Spring开始找alumni networking会对求职有非常大帮助。
课程难度方面，fall的课程ml和optimization对我来说难度有点大，所以我fall除了上选修课并没有选electives或者参加research（很多同学都在这个学期没有electives）。我战胜这两节课的tips就是和同学们一起写作业和复习（也一起崩溃），然后slides上看不懂的，就去读textbook。Spring semester同学们可以根据自己的爱好来选课，我当时更多时间想花在求职上，所以没有选很多technical的课，但是也有同学去选MIT EECS(course 6)的课。选课方面主要看自己需求，然后不要和别人比谁上得课更难。我唯一一个遗憾就是没有在spring的时候做research。Spring相比下来比fall轻松，所以想explore research的同学们建议在spring的时候做research assistant。
►求职服务：
项目求职资源丰富：
1. fall semester会组织capstone preview night，提前了解capstone的公司和他们今年sponsor的项目，也可以为spring的career fair做networking的准备，提前练习一下和recruiter的话术。
2. MIT Career Fair:每年9月都会有上百家公司来到 MIT招人。
3. Analytics Speaker Series:每个月都会组织各行各业的data scientist来介绍公司和他们的经历。曾经来参加过的公司：Salesforce, Microsoft, Citizens Bank, Quantum Black, Unilever, Stitch Fix, Oscar Health, Bain & Company等等。
4. NYC data Trek: MBAn项目在每年3月份左右会组织学生一起去纽约参观公司，也会组织company info sessions来帮助同学们更加了解不同公司的data science team。也会在晚上组织networking session，给同学们和公司representatives聊天的机会。
5. MIT Sloan Career Fair:每年4月份举行的，更加针对于Sloan学生的招聘会。
6. Analytics Career Night: 由MBAn同学们组织，十分针对MBAn同学们的招聘会。往年会有30至60家公司来参加。MBAn同学们提前入场，提前和公司的招聘人员互动。
7. Career Development Office (CDO): CDO会给项目同学提供mock interview, resume workshop, leetcode premium等福利。
8. Capstone companies: 每年都会有一些同学选择留在sponsor capstone的公司做全职的data scientist。