<p style="text-align: justify;"><img src="https://info.compassedu.hk/sucai/content/1658909776157/1658909776157.png" width="808" height="61" /></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">大家好，我是Crist，首先說明整體情況，財經211本科畢業(yè)，通過指南者留學申請到了香港中文大學商業(yè)分析專業(yè)（Business Analytics）（GPA并不出眾，不過GMAT有710，外加一段保險科技公司的實習）；畢業(yè)后在騰訊實習，之后秋招順利上岸另一家互聯(lián)網大廠，職位是產品運營。這篇主要介紹一下香港地區(qū)BA專業(yè)的情況，以及BA專業(yè)在求職上的一些建議。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><span class="h1">一、香港留學的優(yōu)劣勢</span></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">首先說說HK留學的優(yōu)劣。在我看來，<strong>HK是一個為就業(yè)黨準備的地方</strong>：學校QS排名高，投遞簡歷不會因為學校被卡；同時學制快，3個term10門課，今年9月入學，明年6月結課，正常情況下term3開始的4月，絕大多數人就開始實習了；同時，疫情大背景下，無可比擬的安全感，與深圳僅一河之隔，不用操心天價航班和熔斷，潤回家是分分鐘的事。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">但HK地區(qū)的劣勢也很明顯，相對英美，英語環(huán)境僅限于校園，同學清一色來自大陸，大家課下交流基本是中文。同時學制較短，<strong>基本無深造P.h.D可能</strong>（此處只針對BA專業(yè)，少部分Econ可能還會有的）。所以選擇HK地區(qū)，一定要先想明白自己的需求，我個人是<strong>建議純找工作黨申請HK</strong>。如果你對學術有較高追求，或者想體驗不一樣的文化風情，或許HK并不適合你。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><span class="h1">二、BA專業(yè)就業(yè)前景</span></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">再說說BA專業(yè)。毫無疑問，BA專業(yè)是近年來申請最火的專業(yè)，自帶的<strong>business+tech屬性</strong>，廣闊的就業(yè)前景，吸引了無數大佬投遞，使得bar一騎絕塵。以CUHK的BA為例，20fall的GMAT平均分就已經達到了689，21fall海本比例達到一半，而今年整個CUHK商學院第一輪ddl則是直接放到8月1日，<strong>目測bar還會持續(xù)走高</strong>。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">回到就業(yè)，BA確實前景廣闊，但很多人也存在誤區(qū)，覺得BA專業(yè)讀了就能勝任非常tech的崗位，這是不現(xiàn)實的。想去做機器學習、數據開發(fā)等工作，<strong>1年制的BA再怎么tech，企業(yè)也會傾向于一個本科CS的求職者</strong>。（尤其是在整個如今data scientist、machine learning engineer已經卷到天上去的情況下）</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">那么，BA就業(yè)的前景廣闊，究竟是在哪呢？我個人認為，是落到了Business上&mdash;&mdash;互聯(lián)網、咨詢、快消等企業(yè)的數據分析/數據運營崗，才是BA專業(yè)最fit的崗位。這些崗位的共通點是，不那么關心底層的技術與邏輯，但又不是純業(yè)務向，而是作為一個連接后臺與前臺的存在，即真正做到了Business+statistics，依靠著data去為企業(yè)解決實際問題。偏向技術側還是業(yè)務側， 則是看你自己的background和興趣愛好。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">在以上的邏輯上，誰又適合BA專業(yè)呢？我認為①是CS本科，對底層技術足夠了解，但想接觸一些商業(yè)思維，之后工作方向想與業(yè)務側結合更加緊密；②泛商科類本科，希望學到一點統(tǒng)計相關的知識，拓展自身技能。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;"><span class="h1">三、留學生求職建議</span></p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">還有一些比較細碎的求職建議：</p> <p style="text-align: justify;"><br />01<br /><br />入學的fall term(term1），<strong>當課程還沒有緊張起來的時候，請務必嘗試一波秋招！?。?！</strong>不一定為了拿offer，而是為了刷經驗；相關崗位究竟注重什么，需要什么具體的技能，面試的套路等等，這些都是課堂上學不到，但對于找工作來說又是至關重要的。畢竟社會險惡，好不容易面到最后，因為自己低情商的一句話掛在了HR那里，那就太可惜了。</p> <p style="text-align: justify;"><br />02<br /><br /><strong>學校里的課程，尤其是帶有project的，請認真對待</strong>。在學校里做的project很可能就是幾個月后找工作時閃亮的敲門磚&mdash;&mdash;比如，我在秋招某次群面時，面試官明顯是一個睡眠不足的狀態(tài)，整個氛圍都不是很活躍。在涉及到產品和用戶反饋落的一些問題時，我提到了一些NLP的知識（term2抱隊友大腿做過一個twitter數據預測美國大選的project），和面試官的業(yè)務剛好有重合，他一下子就精神起來了，詳細問了我從data cleaning、feature engineering、model selection到最后的結果，接著群面就變成了我的單面。其實我對NLP了解真的不深，只是一點點皮毛，但在非tech的產品崗位競爭的時候，就是這點知識幫助我脫穎而出。</p> <p style="text-align: justify;"><br />03<br /><br /><strong>善于利用學校的資源</strong>&mdash;&mdash;港三大的Business School都有完善的career service，包括各類招聘郵件、內推機會，簡歷修改、模擬面試等等。但是這些是需要你自己去爭取的，不是躺著然后就業(yè)中心就把資源塞到你嘴里的。拿我自己舉例子，在term3開始，我當時想約一下簡歷修改和模擬面試的機會，然后發(fā)現(xiàn)排隊已經在2周之后了，而這兩周是春招的黃金節(jié)點，我又不得不額外花時間去翻閱大量的job description，挖細節(jié)，完善自己的簡歷。在spring term的時候我有幸拿到了騰訊的實習offer，對我?guī)椭畲蟮木褪且粋€BA專業(yè)畢業(yè)多年的師姐&mdash;&mdash;她的內推，以及那些她無償傳授給我的行業(yè)知識，都成為了面試時重要的加分項。</p> <p style="text-align: justify;"><br />04<br /><br /><strong>Data相關的崗位，在筆/面試前請務必熟悉leetcode上的SQL題目，如果能完整地刷完上面196道題目，基本上非技術崗的數分的筆試和面試，都能到cover到。</strong>按我的經驗來看，差不多達到能把window function熟練使用，再掌握一些spark和hive相關的知識，就是一個合格的SQL Boy了。</p> <p style="text-align: justify;"><br />05<br /><br />業(yè)務側的數分崗位，更加強調業(yè)務與落地，所以千萬不要陷進model里面，緊緊抓著幾個feature不放，而忽視了業(yè)務的基本邏輯和規(guī)律。我實習期間第一次的數據分析報告，針對某款產品一段時間內業(yè)績下降的原因做了詳細的&ldquo;分析&rdquo;，從最初的train、test set的選擇，模型linear regression到random forest、XGB，最后confusion matrix展示結果。我覺得自己做的很完美了，但leader看到之后，反饋過來是&ldquo;這些都是產品的內部因素，你有沒有考慮過外部的，比如這段時間剛好上線了一個競爭產品&rdquo;，這一句話就把我問的啞口無言。</p> <p style="text-align: justify;">&nbsp;</p> <p style="text-align: justify;">以上就是我的一些分享了，希望對留學和就業(yè)的小伙伴有一些參考意義。</p> <p style="text-align: justify;"><img src="https://info.compassedu.hk/sucai/content/1658909785274/1658909785274.png" width="808" height="188" /></p>