美国-圣路易斯华盛顿

圣路易斯华盛顿大学 Washington University in St. Louis
商业分析硕士 MS in Business Analytics


简 介

有如下几个trcak可供选择:
会计分析,客户分析,金融技术分析,医疗保健分析,供应链分析和人才分析

项目时长
3个学期,18个月,39个学分
 
地理位置
美国密苏里州圣路易斯市
 
这个拥有270万居民的小城市,拥有丰富的资源,机会和活动。圣路易斯在美国20个最大的大都市地区中最低的生活成本排名第二,它不仅很有趣,而且价格实惠。
 
它也是18家财富1000强公司的总部,其中9家是财富500强公司,这使圣路易斯成为联系和建立业务联系的理想场所。

学校实际评价

1.大家最关心的crime. 其实美国所有城市都是好区和坏区分隔的。传说中的东圣路易斯和我们根本没啥关系,都不在一个州,同学们也都不大可能去那个地方。要说治安差,耶鲁所在的new haven绝对是榜上有名的,但是你只要选好地方,基本很安全的。
2. 天气啥的也都还不错,虽然比不上加州,但也比波士顿,芝加哥强上不少,尤其是冬天。芝加哥的零下30度真不是闹着玩的。
3. 交通方面,圣路易斯的道路维护都不错,车也不是特别多,只要不是高峰,基本通行无阻,比纽约,洛杉矶那种一堵俩小时回家强多了。
4. 设施方便,各种店子应有尽有,中餐馆,中国超市都有,并且离学校还不远。
5. 工作机会也还不错,各种law firm, 500强企业,包括联邦机构,比如美联储,第8巡回法庭啥的,都在这里,一些体育赛事,也都会把这里设为一站。
6. 税收也不高,房子也不贵,比上加州,纽约啥的,强太多了,你们现在没什么体会,但是真正工作就知道,加州传说中的20万贫困线不是盖的。各种苛捐杂税,16万最后能拿10万就了不起了,养老金不算。
7. 这个城市的人对华盛顿大学认可度相当高,在本地很多人眼里,就是小哈佛。
录取统计

  • 录取分数

Average age:23
Average GMAT:725
Average GPA:3.55
Average GRE-V:157
Average GRE-Q:167
Average TOEFL:107
Women:69%
International students:83%
(数据每年都会变动,仅供参考)

  • 本科背景

83%的国际生中大部分是中国学生。不过我们的“中国同学”中,有超过一半其实是美本甚至美高,陆本的基本来自上交、复旦、浙大、人大、中大、山大等。
 

申请条件

  • 简历

  • 3个Essay和1个可选Essay

必要
描述该计划如何帮助你获得所需的行业技能并实现职业目标。(最多250个字)
分享促使你申请华盛顿大学商学院的原因和与其他申请人有所不同的地方。(最多250个字) 
请分享你为何选择此专业和细分方向(最多150个字)
 
可选
还有什么您想分享的吗?以帮助招生委员会更好的评估你的候选人资格。(最多250个字)

  • GRE/GMAT

GMAT代码:R4T-WG-73
GRE:3764

  • 语言成绩
关于豁免:在以英语为主要教学语言的学院或大学里至少学习了三年的课程, 并且从该机构获得学位,则可以免除此要求
托福代码:6929

  • 成绩单

  • 面试视频

  • 1封推荐信


先决条件

有学过微积分I,II和统计学的课程

备注:可以接受3年制本科
客户方向必修核心课程

  • R编程基础
R已经成为每个行业和领域中许多数据科学和客户分析专家的选择工具。在工作描述中看到要求熟悉R并不奇怪。R在进行数据分析时非常灵活。开源的部分好处是许多程序员/研究人员不断地将新的统计分析工具引入到R到R包中。考虑到所有的好处,R确实有一个相对陡峭的学习曲线。为了更好地准备MSA学生,我们介绍这2天的R编程课程介绍。这门课将帮助你掌握r的基本知识。我们将从程序的安装开始,不需要具备编程方面的知识。

  • 规范的分析
本课程涵盖了应用于供应链设计和分析的优化模型和工具。生产计划,分配,网络设计和收入管理问题包括使用线性,非线性和整数规划的方法。在成功完成本课程后,学生将展示运用最先进的软件制定和解决现实生活中复杂的供应链优化模型的能力。他们将精通AMPL和gu罗比等工业软件工具以及Excel的求解器。该课程强调熟练掌握模型构建和使用软件工具,而不是理论。

  • 商业决策的预测分析
Predictive Analytics处理从业务经验到形式学习的使用,使用业务数据来预测客户或其他关键组织元素的未来行为,以推动更好的业务决定。
本课程重点介绍学生可能在营销,金融,制造方面面临的数据情况和咨询工作。
学生将使用各种高级分析技术来分析现实世界的业务数据集如逻辑回归,决策树,神经网络,随机梯度提升,MARSplines,合奏,聚类,协会等。本课程的重点在于将原始和凌乱的业务数据转换为可操作的强大功能决策预测。

  • 商业和社会科学中的DAT 500W A / B测试
本课程向学生介绍因果方法,这些因果方法用于衡量业务和政策决策的影响。
本课程的主要见解是,关联并不意味着因果关系,因此无法衡量影响。
在这个在课堂上,我们将学习A / B测试和其他因果方法,以及如何在商业,经济,和政策情况。

  • 数据可视化业务洞察力
数据可视化已成为在数据丰富的业务世界中获得业务见解的一项核心技能。
组织机构期望业务分析师和经理创建并传播有关业务的有见地的可视化。
本课程教给学生必要的技能,以便使用Tableau创建具有洞察力的可视化效果,以了解大型数据集中普遍存在的模式,否则很难理解。
特别是,学生将学习如何根据以下三个条件选择并创建合适的可视化:
1.谁在看可视化?
2.业务目标的性质是什么(描述性,预测性或说明性)?
3.数据是什么(分类,数值,时间序列等)?该课程将使学生接触到普遍的数据业务应用程序不同领域的可视化(客户分析,供应链分析,医疗保健分析,财务技术分析,会计分析,人才分析等)。
完成本课程后,学生将知道根据给定的数据为不同的受众创建有洞察力的仪表板和其他可视化效果指定的目标。

  • 数据库设计和SQL
数据库是每个组织信息策略的基础。
了解数据库的结构掌握任何工具来分析数据都是任何角色的基本技能。
本课程开发的工具可帮助学生实施公司的数据管理策略并制定有充分根据的分析建议。
在本课程中,我们着重于了解关系数据库中数据的结构。
拥有大量数据可以从不同来源获得有效的数据组织对于数据的利用至关重要。
为了补充这一点,我们利用SQL(结构化查询语言)作为提取管理报告和高级报表数据的主要工具分析模型。
在整个课程中,都将积累有关当前关系数据库软件的实践经验。这个MS / CA学生必须参加此课程,SMP学生将被优先考虑。

  • 大数据与云计算
可用数据的增长是许多公司面临的挑战。
这为公司提供了征服的机会可供他们使用的大量数据。
数据的增长包括传统的结构化数据以及人和机器创建的非结构化数据。
对于分析师来说,适应新环境至关重要。
使用大量数据资源开发用于存储,检索,分析和报告的技术和工具可用。
本课程向学生介绍当前用于克服大数据挑战的技术。

  • Python和数据科学概论
它为学生提供必要的技能,以提取可靠的见解从各种业务应用程序(例如供应链管理,市场)中流行的大型数据集中使用Python进行运营,医疗保健分析和金融工程。
在本课程中,学生将开发基本工具了解Python程序并使用Python实现数据处理管道。
特别是学生将学习如何在Python中获取,清理,分析和可视化数据,然后将它们用于改善决策流程。
在整个课程中,学生将使用Python编程语言,这对数据非常有效操作,报告和复杂的优化。
涵盖的主题包括Python编程介绍,数据采集和清理,数据处理,实际中使用的当前多源数据收集技术,基本数据使用Matplotlib,ggplot2和Bokeh进行可视化

  • 文本挖掘
消费者和公司不断在网络上生成大量非结构化或结构化文本,离线:
在社交媒体上交换消费者对产品和服务的意见,电话对话的笔录与客户代表,不限成员名额的调查等。
通过使用文本分析,企业可以大规模开展业务深入了解消费者对品牌的态度,竞争格局和客户关系等方面的宝贵见解应用程序。
本课程向学生介绍挖掘,组织,总结和分析文本的方法数据,以推动业务决策。

  • 专业商务沟通

  • 营销策略

客户方向必修课程

  • 客户分析
客户分析涉及使用客户数据制定业务决策并预测未来行为。
本课程将为客户获取,保留,行为模式(例如,网站访问,客户生命周期价值和直接营销响应。本课程将为考虑使用Microsoft进行客户数据分析并开发模型构建和估计的动手经验Excel。这些模型使用了概率论的基本构建块,以提供行为上合理的观点人们购买,何时购买以及购买了多少。
对客户产生的收入感兴趣的任何人(例如作为经理,顾问,分析师和投资者)可以从更深刻的见解和更准确的预测中受益,在模型中考虑这些模式时得到的结果。

  • 数字营销
    (1)数字的概念和术语市场营销
    (2)在线消费者行为和基于互联网的商业模式的细节;
    (3)实际操作经验在社交媒体上创建和运行广告系列。

  • 分析驱动的品牌管理

  • 品牌管理数据分析

  • 市场研究分析

  • 数据分析,预测和风险分析


选修课

  • 数据分析,预测和风险分析
本课程介绍了用于分析的几种计量经济学模型的现代和当代内容和业务数据的预测。
该分析的基本构件是回归时间序列模型。宽包括非季节性和季节性ARIMA模型的内容。重要的ARCH-GARCH模型族还代表了波动性的变化。
这些模型广泛用于期权定价和其他财务应用。该课程包括将这些模型扩展到多变量问题。学生们在课堂和作业中接触大量真实数据集。所有模型都使用流行的计量经济学进行了分析业务中使用的软件包。

  • 网络安全简介
  • DAT 565E用于业务分析的深度学习
  • MGT 566医疗保健管理研究
  • MGT 620商业中的经验方法
  • MGT XXX区块链简介
  • MKT 501P分析和业务洞察实践中心
  • MKT 558定价策略
  • MKT 558B定价决策与实施
  • OB 500E人才分析
  • OB 535人的指标
  • OMM 500M随机模型
  • OMM 520收入管理
  • CSE 222S物联网
  • CSE 316A社交网络分析
  • CSE 417T机器学习简介
  • 具有大数据应用程序的CSE 427S云计算
  • CSE 501N计算机科学概论
  • CSE 502N数据结构和算法
  • CSE 503S快速原型开发和创意编程
  • CSE 514A数据挖掘
  • CSE 515T机器学习中的贝叶斯方法
  • CSE 517A机器学习
  • CSE 530S数据库管理系统
  • CSE 557A高级可视化
  • INFO 5500企业资源计划
  • INFO 558深度神经网络的应用
  • MATH 420实验设计
  • MATH 475统计计算
  • MSB 550生物信息学简介


金融方向必修核心课程

  • R编程基础
R已经成为每个行业和领域中许多数据科学和客户分析专家的选择工具。在工作描述中看到要求熟悉R并不奇怪。R在进行数据分析时非常灵活。开源的部分好处是许多程序员/研究人员不断地将新的统计分析工具引入到R到R包中。考虑到所有的好处,R确实有一个相对陡峭的学习曲线。为了更好地准备MSA学生,我们介绍这2天的R编程课程介绍。这门课将帮助你掌握r的基本知识。我们将从头开始——程序的安装。不需要具备编程方面的知识

  • 会计概论
在本课程中,我们将研究三个基本的财务会计问题,包括
(1)确认,(2)衡量/评估,以及(3)分类/披露,并考虑如何将业务交易反映在财务报表使用公认会计准则(GAAP)。
我们将涵盖四个主要财务报表(资产负债表,损益表,股东权益表和现金流量表),这些声明的支持脚注,以及一些报告(年度报告,代理声明和新闻稿)。的该课程结合了准备者的观点(即GAAP记录和介绍财务状况的要求信息)和用户的观点(即投资者或分析师如何解释和使用财务报表)信息)。

  • 规范的分析
本课程涵盖了应用于供应链设计和分析的优化模型和工具。生产计划,分配,网络设计和收入管理问题包括使用线性,非线性和整数规划的方法。在成功完成本课程后,学生将展示运用最先进的软件制定和解决现实生活中复杂的供应链优化模型的能力。他们将精通AMPL和gu罗比等工业软件工具以及Excel的求解器。该课程强调熟练掌握模型构建和使用软件工具,而不是理论。

  • 商业决策的预测分析
Predictive Analytics处理从业务经验到形式学习的使用,使用业务数据来预测客户或其他关键组织元素的未来行为,以推动更好的业务决定。
本课程重点介绍学生可能在营销,金融,制造方面面临的数据情况和咨询工作。
学生将使用各种高级分析技术来分析现实世界的业务数据集如逻辑回归,决策树,神经网络,随机梯度提升,MARSplines,合奏,聚类,协会等。本课程的重点在于将原始和凌乱的业务数据转换为可操作的强大功能决策预测。

  • 商业和社会科学中的DAT 500W A / B测试
本课程向学生介绍因果方法,这些因果方法用于衡量业务和政策决策的影响。
本课程的主要见解是,关联并不意味着因果关系,因此无法衡量影响。
在这个在课堂上,我们将学习A / B测试和其他因果方法,以及如何在商业,经济,和政策情况。

  • 数据可视化业务洞察力
数据可视化已成为在数据丰富的业务世界中获得业务见解的一项核心技能。
组织机构期望业务分析师和经理创建并传播有关业务的有见地的可视化。
本课程教给学生必要的技能,以便使用Tableau创建具有洞察力的可视化效果,以了解大型数据集中普遍存在的模式,否则很难理解。
特别是,学生将学习如何根据以下三个条件选择并创建合适的可视化:
1.谁在看可视化?
2.业务目标的性质是什么(描述性,预测性或说明性)?
3.数据是什么(分类,数值,时间序列等)?该课程将使学生接触到普遍的数据业务应用程序不同领域的可视化(客户分析,供应链分析,医疗保健分析,财务技术分析,会计分析,人才分析等)。
完成本课程后,学生将知道根据给定的数据为不同的受众创建有洞察力的仪表板和其他可视化效果指定的目标。

  • 数据库设计和SQL
数据库是每个组织信息策略的基础。
了解数据库的结构掌握任何工具来分析数据都是任何角色的基本技能。
本课程开发的工具可帮助学生实施公司的数据管理策略并制定有充分根据的分析建议。
在本课程中,我们着重于了解关系数据库中数据的结构。
拥有大量数据可以从不同来源获得有效的数据组织对于数据的利用至关重要。
为了补充这一点,我们利用SQL(结构化查询语言)作为提取管理报告和高级报表数据的主要工具分析模型。
在整个课程中,都将积累有关当前关系数据库软件的实践经验。这个MS / CA学生必须参加此课程,SMP学生将被优先考虑。

  • 大数据与云计算
可用数据的增长是许多公司面临的挑战。
这为公司提供了征服的机会可供他们使用的大量数据。
数据的增长包括传统的结构化数据以及人和机器创建的非结构化数据。
对于分析师来说,适应新环境至关重要。
使用大量数据资源开发用于存储,检索,分析和报告的技术和工具可用。
本课程向学生介绍当前用于克服大数据挑战的技术。

  • Python和数据科学概论
它为学生提供必要的技能,以提取可靠的见解从各种业务应用程序(例如供应链管理,市场)中流行的大型数据集中使用Python进行运营,医疗保健分析和金融工程。
在本课程中,学生将开发基本工具了解Python程序并使用Python实现数据处理管道。
特别是学生将学习如何在Python中获取,清理,分析和可视化数据,然后将它们用于改善决策流程。
在整个课程中,学生将使用Python编程语言,这对数据非常有效操作,报告和复杂的优化。
涵盖的主题包括Python编程介绍,数据采集和清理,数据处理,实际中使用的当前多源数据收集技术,基本数据使用Matplotlib,ggplot2和Bokeh进行可视化

  • 文本挖掘
消费者和公司不断在网络上生成大量非结构化或结构化文本,离线:
在社交媒体上交换消费者对产品和服务的意见,电话对话的笔录与客户代表,不限成员名额的调查等。
通过使用文本分析,企业可以大规模开展业务深入了解消费者对品牌的态度,竞争格局和客户关系等方面的宝贵见解应用程序。
本课程向学生介绍挖掘,组织,总结和分析文本的方法数据,以推动业务决策。

  • 专业商务沟通



金融方向必修课程

  • 财务管理
  1. 学生将在此课程中学习公司的决策如何影响股东价值以及哪些决策可以增加它。
  2. 为了理解股东的观点,我们将研究投资的基本原则:金钱的时间价值,债务和权益证券的估值,现金流量折让作为股票价格的基础,多元化的影响并利用投资组合风险,证券市场风险与预期收益之间的关系以及资本市场效率。
  3. 我们将使用这些原理通过估计现金流量和折现来分析资本投资决策他们以适当的资金成本。
  4. 我们还将研究股东价值如何受到公司融资的影响决策,例如选择使用债务还是股本资本。

  • 期权与期货
通过介绍期权来关注期货。讨论远期和期货定价,以及各种期货的使用对冲商品价格风险,利率风险,货币风险,股票投资组合风险和其他风险敞口的合约。提供二项式树和Black-Scholes模型以进行期权评估。

  • 高级公司财务I –估值

  • 投资理论

  • 金融技术–方法与实践

  • 金融技术研讨会


金融方向选修课程

  • DAT 537数据分析,预测和风险分析

  • DAT 560N网络安全简介

  • DAT 565E用于业务分析的深度学习

  • FIN 500W风险投资方法

  • FIN 500X风险投资实务

  • FIN 500Y私募股权方法

  • FIN 500Z私募股权业务

  • FIN 523B并购

  • FIN 524B衍生证券

  • FIN 527金融市场

  • FIN 528投资实践

  • FIN 530国际金融

  • FIN 532B投资数据分析

  • FIN 533重视战略企业投资

  • FIN 534B高级公司财务II –财务

  • FIN 534C高级公司财务III –公司财务策略

  • FIN 536 / ACCT 507租赁中的财务问题

  • FIN 549H房地产金融

  • FIN 550C捐赠,基金会与慈善事业

  • FIN 550D对冲基金策略

  • FIN 550E行为金融

  • FIN 560A金融研究方法

  • MGT 501P CEL实践

  • MGT 511A法律与商业管理



物联网方向必修核心课

  • R编程基础
R已经成为每个行业和领域中许多数据科学和客户分析专家的选择工具。在工作描述中看到要求熟悉R并不奇怪。R在进行数据分析时非常灵活。开源的部分好处是许多程序员/研究人员不断地将新的统计分析工具引入到R到R包中。考虑到所有的好处,R确实有一个相对陡峭的学习曲线。为了更好地准备MSA学生,我们介绍这2天的R编程课程介绍。这门课将帮助你掌握r的基本知识。我们将从头开始——程序的安装。不需要具备编程方面的知识

  • 规范的分析
本课程涵盖了应用于供应链设计和分析的优化模型和工具。生产计划,分配,网络设计和收入管理问题包括使用线性,非线性和整数规划的方法。在成功完成本课程后,学生将展示运用最先进的软件制定和解决现实生活中复杂的供应链优化模型的能力。他们将精通AMPL和gu罗比等工业软件工具以及Excel的求解器。该课程强调熟练掌握模型构建和使用软件工具,而不是理论。

  • 商业决策的预测分析
Predictive Analytics处理从业务经验到形式学习的使用,使用业务数据来预测客户或其他关键组织元素的未来行为,以推动更好的业务决定。
本课程重点介绍学生可能在营销,金融,制造方面面临的数据情况和咨询工作。
学生将使用各种高级分析技术来分析现实世界的业务数据集如逻辑回归,决策树,神经网络,随机梯度提升,MARSplines,合奏,聚类,协会等。本课程的重点在于将原始和凌乱的业务数据转换为可操作的强大功能决策预测。

  • 商业和社会科学中的DAT 500W A / B测试
本课程向学生介绍因果方法,这些因果方法用于衡量业务和政策决策的影响。
本课程的主要见解是,关联并不意味着因果关系,因此无法衡量影响。
在这个在课堂上,我们将学习A / B测试和其他因果方法,以及如何在商业,经济,和政策情况。

  • 数据可视化业务洞察力
数据可视化已成为在数据丰富的业务世界中获得业务见解的一项核心技能。
组织机构期望业务分析师和经理创建并传播有关业务的有见地的可视化。
本课程教给学生必要的技能,以便使用Tableau创建具有洞察力的可视化效果,以了解大型数据集中普遍存在的模式,否则很难理解。
特别是,学生将学习如何根据以下三个条件选择并创建合适的可视化:
1.谁在看可视化?
2.业务目标的性质是什么(描述性,预测性或说明性)?
3.数据是什么(分类,数值,时间序列等)?该课程将使学生接触到普遍的数据业务应用程序不同领域的可视化(客户分析,供应链分析,医疗保健分析,财务技术分析,会计分析,人才分析等)。
完成本课程后,学生将知道根据给定的数据为不同的受众创建有洞察力的仪表板和其他可视化效果指定的目标。

  • 数据库设计和SQL
数据库是每个组织信息策略的基础。
了解数据库的结构掌握任何工具来分析数据都是任何角色的基本技能。
本课程开发的工具可帮助学生实施公司的数据管理策略并制定有充分根据的分析建议。
在本课程中,我们着重于了解关系数据库中数据的结构。
拥有大量数据可以从不同来源获得有效的数据组织对于数据的利用至关重要。
为了补充这一点,我们利用SQL(结构化查询语言)作为提取管理报告和高级报表数据的主要工具分析模型。
在整个课程中,都将积累有关当前关系数据库软件的实践经验。这个MS / CA学生必须参加此课程,SMP学生将被优先考虑。

  • 大数据与云计算
可用数据的增长是许多公司面临的挑战。
这为公司提供了征服的机会可供他们使用的大量数据。
数据的增长包括传统的结构化数据以及人和机器创建的非结构化数据。
对于分析师来说,适应新环境至关重要。
使用大量数据资源开发用于存储,检索,分析和报告的技术和工具可用。
本课程向学生介绍当前用于克服大数据挑战的技术。

  • Python和数据科学概论
它为学生提供必要的技能,以提取可靠的见解从各种业务应用程序(例如供应链管理,市场)中流行的大型数据集中使用Python进行运营,医疗保健分析和金融工程。
在本课程中,学生将开发基本工具了解Python程序并使用Python实现数据处理管道。
特别是学生将学习如何在Python中获取,清理,分析和可视化数据,然后将它们用于改善决策流程。
在整个课程中,学生将使用Python编程语言,这对数据非常有效操作,报告和复杂的优化。
涵盖的主题包括Python编程介绍,数据采集和清理,数据处理,实际中使用的当前多源数据收集技术,基本数据使用Matplotlib,ggplot2和Bokeh进行可视化

  • 文本挖掘
消费者和公司不断在网络上生成大量非结构化或结构化文本,离线:
在社交媒体上交换消费者对产品和服务的意见,电话对话的笔录与客户代表,不限成员名额的调查等。
通过使用文本分析,企业可以大规模开展业务深入了解消费者对品牌的态度,竞争格局和客户关系等方面的宝贵见解应用程序。
本课程向学生介绍挖掘,组织,总结和分析文本的方法数据,以推动业务决策。

  • 专业商务沟通

  • 运营管理基础
该必修课程讨论了管理运营以获得竞争性成功的主要原理和概念。
其中涵盖的主题包括:运营策略,容量分析和组织,排队论,服务管理,质量管理,库存管理以及供应链管理的简要介绍。
学生学习如何管理公司运作的基础知识,
大多数会议包括与理论结合的深入案例讨论。

分享到:
更多专业常申院校
常申专业解析
+