好课推荐
Customer Analytics, Prescriptive Analytics, Operational analytics
技术类
从小型初创企业到Google和Amazon等公司，R是数据分析的首选语言。
大多数R用户只是使用了R的表面功能，而没有对语言的基础知识及其丰富资产，可扩展性有所了解。
本课程的目的是为学生提供成功学习R的基本知识，以成功成为数据科学家。
另外，我们将重点介绍如何通过函数编程和程序包开发来扩展语言。
科学文档的创建和可重现的研究已成为R环境的新增功能，我们将为这些重要主题提供有效的介绍。
- Math and Stats for Analytics (Introduction to Machine Learning)
（i）适用于生成对决策有用的信息的数据分析，以及（ii）基于部分信息分析决策的框架。
- SQL和基本数据管理SQL and Basic Data Management
这个两单元的课程将向学生介绍关系代数，SQL和数据管理的基本要素。要求学生自己编写代码。该课程还将教学生如何使用正则表达式，并帮助他们熟悉数据库术语（例如，架构，一对一，一对多，多对多）
该课程涵盖了各种可用于解决业务问题的优化模型。
该课程强调精通电子表格建模，将其作为业务分析决策不可或缺的一部分。
涵盖的管理模型包括线性规划，网络和分布模型，整数规划和非线性规划。
该课程是跨学科的；来自运营，财务和市场营销的问题被用来实现课程目标。
这是一个动手课程。在每堂课中，我们将研究问题并开发电子表格模型以促进决策。
也将介绍使用R和Matlab进行的优化。
- 分析业务基础Business Fundamentals for Analytics
Analytics（分析）的业务基础知识涉及将经济，财务和营销原则应用于组织内部的关键管理决策。
它提供了分析工具，以更好地了解组织在其中运行的外部业务环境。
本课程的主要目的是开发对MSBA计划中的其他课程有用的工具和背景。
本课程旨在了解数据，数据结构和构建分析框架必不可少的技术。
在本课程中，学生将了解有效的数据管理框架的各种要素。
本课程将处理与管理，操纵，存储和交付数据有关的策略和策略。
将使用R，Python，正则表达式，SQL和NoSQL进行许多练习，这将帮助学生了解如何在现实世界中操作和管理数据。
本课程还将涵盖分布式存储和处理的高级框架，例如Hadoop和Spark。
- 规范模型和数据分析 Prescriptive Models
数据分析的基本工具，包括实验设计和分析，回归分析和模型设计，以及如何使用R统计分析包实施这些方法。
这不是统计学理论或计量经济学的课程。相反，本课程具有强烈的实践导向，既强调批判性思维技能，也有能力提出正确的问题以进行数据分析，以及设计数据分析方法的创造性方面，能够提供令人信服的分析以支持决策。
- 机器学习高级研讨会Advanced Workshop on Machine Learning
- 预测和时间序列Forecasting and Time Series
商业
该课程旨在通过向学生介绍复杂的思想和方法来分析，解释和描绘客户和营销数据，从而增强学生的技能。
使用实际案例，练习和项目来帮助学生汇总他们在较早课程中学到的理论，框架和方法。此外，它向学生介绍了客户级别数据的关键分析工具，例如用于细分的聚类方法，使用既定偏好数据（调查/联合数据）和行为数据（扫描仪面板数据，归因数据）的选择模型以及市场营销组合模型。
- 竞争分析 Competitive Analytics
这是一门应用数据分析来检查行业或市场竞争条件的课程。目的是学习可用于回答以下类型问题的最先进的实用工具：给定行业的竞争力如何？
产品差异化在确定价格和利润时扮演什么角色？哪些特定产品是紧密替代品（来自同一公司或来自不同公司）？
哪些市场/产品可以使公司长期获利，哪些不可以？
公司应该提供什么产品，以及应该如何定价？企业应进入或退出哪些市场？
如果我们改变价格，淘汰产品或推出新产品，我们如何期望竞争对手做出回应？
本课程的目的是学习如何使用业务数据分析来优化内部流程和资源。
该课程基于应用程序和数据驱动的案例，这些案例说明了定量技术，并展示了如何基于业务分析构建业务竞争优势。
在当今全球化的世界中，如果不使用定量模型和数据驱动的决策，就不可能在运营上脱颖而出。
实现卓越的运营不仅可以帮助企业在短期内提高资产回报率，而且可以创建知识库，从长远来看有助于建立竞争优势。
公司的内部运营负责执行公司的业务计划以实现其价值主张。
互联网客户分析
Internet Customer Analytics
娱乐分析Entertainment Analytics
医疗保健分析Healthcare Analytics
Applied Analytics Project
AAP旨在为各种规模的公司和组织提供稀缺的业务分析人才
AAP最多由四名学生组成，并且是所有MSBA候选人的硕士论文和毕业要求。
学生将面临挑战，要使用新获得的数据管理，定量分析和业务沟通技能来解锁数据中的见解
学术背景，学校提供了一些学习的资源
- 线性代数
- 多变量微积分
- 统计与概率
- SQL
- R
- Python
希望MSBA学生具有一些广泛使用的编程语言（例如C / C ++，Java）的编码经验。但是，在整个课程中将使用的主要语言是Python。
