美国研究生的商业分析硕士（ Master of Science in Business Analytics ） ，简称 Business Analytics ，主要是将大量复杂数据，经过定量方法和应用分析转换为合理清晰，便于管理的信息，从而做出合理的商业决策。学生会接触到先进的决策分析工具和技术，应用 这些工具和技术在实际的商业领域中给予合理的解决方案。课程中涉及商业统计方法，商业流程模型，商业决策模型，数据管理，运营管理等，并整合一些商科基础 课程，如商业沟通技巧，领导力，市场营销，供应链管理等。
商业分析 (Business Analytics 是一个新兴的留学专业，在美国也是最近几年才开设的新学科，随着互联网的发展，越来越多的数据产生，而能够有效分析这些数据并将他们应用于商业的人才却极其短缺，在这种趋势下，有不少学校开始开设 BA 专业，都是社会企业用人需求所产生的结果。其根本就是： 大数据 以前企业用 Excel 、 Wor 做财务、市场、运营的分析就可以了，现在出现了大量新的数据可以帮助企业了解消费者、提升运营水平。
传统统计专业的学生，对分析实验结果很在行，对商业和市场却一窍不通 。另外， 传统的 business analysis 和学统计的同学，面对储存数据的系统、逐渐流行的分析数据的开源软件，也就是计算机方面的东西，明显知识储备不足。但找学计算机的码农来做数据分析，他们对商业和统计知识基本一无所知。 也就是说，分析企业中的数据，也就是 Business Analytics 这个领域，是 Business 、Statistics和Computer Science 三个领域知识的结合 。传统的 Business Analysis 、 Statistician 和码农如果能够合体，才能成为适合新时代的 Business Analytics 人员。于是企业要求学校，特别是商学院，开设这样的专业，培养对 Business 、统计和计算机都有所掌握的人员，于是 Business Analytics 孕育而生。 Business
跟商科课程是一致的，主要是 Marketing 和 Finance 的课程。 Statistics
传统的统计，主要是学习对实验结果做显著性检验。 以前商业中大量招聘统计专业同学的是市场调研机构：一队消费者看了广告，一队消费者没看广告，谁对品牌认知度高？有没有显著性区别？另外，统计讲究抽样，消费者太多没办法一一访问，于是抽样，于是就要看抽样的合理性。现代企业中的数据分析，可以说和这些传统的统计方法，有了很大的改变。 business analytics 的统计知识，主要是学习如何建立和评估多变量的统计模型，最典型的例子就是回归分析模型。 回归分析在传统的统计中，可能只是重要的一块而已，而在 Business Analytic 的教育中的统计部分，几乎是全部。除了回归分析（包括逻辑回归），其他 business analytics 中要学的统计知识差不多也就是相关系数、时间序列之类，也都是小头。传统统计中的显著性检验、抽样方法， business analytics 基本不教。
计算机体系庞大，但 business analytics 只用学其中可能是最简单：
第一就是数据库和 SQL ，因为企业里面数据都是储存在系统里面的。 你要分析数据，首先要知道怎么把数据按照你要的方式提取出来。这就是用 SQL 写代码提取数据。学校一般不会花很多时间去教你，但是这个是学、做 analytics 的基础的基础。
第二就是学习怎么在统计软件中进行编程。 以前提到分析数据，国内最熟悉的是 SPSS ，像 Excel 一样妥妥拽拽就行了。但其实美国根本就没人用。现在分析数据的流行工具，必须通过写代码的方式进行操作，最典型的工具就是 R 和 Python 。这里的编程，其实是统计编程，和真正编网站的 C 语言、 Java 是很不一样的，也容易的多，但是仍是类似的编程思维。
第三要学的计算机知识就是现在最流行的机器学习，机器学习基本上是代替和补充前面所说的回归分析等统计模型方法。 做的事情几乎是一样的，就是建模，但做的方法是计算机的。不过很多原则其实和统计的回归分析是一样的，也都是用 R 或者 Python 的代码来实现，实现起来，不会比回归分析难太多。
申请要求
MSBA 专业的学生将学习 应用统计学、应用数学、计算机、优化选择、客户行为学、风险管理、运筹学和决策理论等课程 。因此，这个专业对于申请者的 数学 和 计算机背景 要求较高，以德州奥斯丁大学商业分析专业招收的学生为例，原来为工程系的学生占 37% ，原来为商科的学生和数学系的学生各占 17% ，有 15% 的人原来是就读于经济学，另外 12% 分别来自于同样对数学背景要求很高的心理学或社会学等专业。
除了一些硬性申请条件， BA 还注重申请者在 数理分析、编程能力等方面的软性实力 。而这些软实习，则需要从申请者的教育经历、研究经历、实习经历、活动经历等多方面去体现。例如罗彻斯特大学就是一所非常注重申请者软性实力的大学，在硬件条件不够突出的情况下，如果能有出色的实习、工作、研究等经历，也是能够获得这所知名商学院的青睐的。对于准备时间还很充分的申请者，强烈建议提早进行申请规划以便做背景提升：例如，通过在线学习平台（ Coursera, eX ）弥补先修课程的不足；通过自学或校内选修课提高计算机软件技能；寻找与数据分析相关的研究、实习等。而对于即将要申请的学生，则要学会从过往经历中提炼出最具价值的素材以匹配学校的要求。
目前开设 BA 专业的学校很多比较有名的学校有西北大学、卡耐基梅隆、康奈尔、南加州、北卡教堂山、罗切斯特、迈阿密、德州奥斯丁等。 大部分学校的 BA 专业开设在商学院下面 ，少数学校开设在其他学院，比如西北大学和康奈尔大学开设在工程学院，卡耐基梅隆开设在 信息管理学院 ，北卡教堂山开设在 统计与运筹系 。要特别注意这样的项目是否可以接受 GMAT 成绩，比如康奈尔就不接受 GMAT 。
BA 常用软件
数据抓取和清理： Python
数据存储和调用： MySQL Oracle NoSQL
统计建模和 Machine Learning ： R SAS
数据可视化： R Tableeau
分布式计算： Spark Haoop
近似专业区别
Business Analysis
Business Analysis 是以案例分析为主，数据分析为辅的传统商科，大多开设在商学院下，作为 MBA 的一个分支方向，主要是针对公司整个运营流程、业务开展方向的分析。
Data Analytics
Data Analytics 和 BA 最为接近，只需掌握基本的数据提取、分析，用 Tableau/Excel 作图即可。区别在于， BA 作为 manager 和 analyst 之间的桥梁，更需要有一定的沟通能力和商业嗅觉。
Management Information System
MIS 和 BA 有本质上的区别， MIS 关注的是整个计算机系统的架构，例如企业数据库的建立和维护。是利用计算机的基础设施和硬件来处理数据，而 BA 关注的是如何分析数据。
Data Science
以高级建模为主，针对复杂问题来设计技术方案。经常开设在计算机学院或者工程学院下。一般会涉及较深入的计算机编程、统计模型，对学生技术要求更高。
就业前景
商业分析的就业方向主要有在跨国公司，外资商社，中外合资企业等各类涉外商务机构或者外经贸部门中担任商务管理，项目管理分析，商业分析师，系统分析员等职位。
值得注目的是，美国院校的 MS in Business Analytics 是属于 STEM （ Science, Technology, Engineering an Math ）专业，如德州奥斯丁大学，本特利大学，康涅狄格大学等。 STEM 专业的留学生毕业后可获得 29 个月的 OPT （ Optional Practical Training ，毕业后的实习期），而一般的商科专业只有 12 个月的 OPT 。这无疑为将来有志于留美工作的学生提供了更多获取工作签证的机会。如果打算申请商科方向，又觉得 12 个月的 OPT 时间太短的同学们可以考虑一下申请商业分析这个专业。
【美国大学 BA 专业院校】
哥伦比亚大学
专业：应用分析
地理位置：纽约
硬件条件： GPA3.0+ 、托福 100+/ 雅思 7.0+
申请须知
1 、春季截止日期： 11 月 1 日；秋季截止日期： 1 月 15 日
2 、课程特色： 36 学分项目、全日制模式和在职模式、 3-6 个学期完成课程、同时提供校园课堂授课和网课模式
3 、该项目包含两个核心领域的必修课程 :1 、领导管理沟通核心领域 2 、应用分析核心领域
麻省理工学院
专业：商务分析
地理位置：波士顿
硬件条件： GPA3.0+ 、托福 90+
申请须知
1 、 课程包含 5 门必修基础科目， 1 门必修夏季定点课程， 1 门必修项目课， 6 门 3 小时的模块课程，一小时研讨会，至少 3 门选修课
2 、 申请截止日志 1 月 9 日，录取结果通知 3 月 9 日，接受录取截止日期 4 月 15 日
杜克大学
专业：数据管理
地理位置：北卡 - 达勒姆
硬件条件： GPA3.3+ 、托福 100+
申请须知
1 、课程从 7 月开始， 5 月初结束。 5 个学期，每个学期 6 周长，最后一个学期要做实践项目
2 、有 6 周实习， 4 个项目分支： Finance,Marketing,Forensics,Strategy
西北大学
专业：分析学
地理位置：伊利诺伊 - 埃文斯顿
硬件条件： GPA3.0+ 、托福 95+
申请须知
1 、 本项目每年大概录取 35 个人，本科背景各异，包括文科、工程科、计算机科学
2 、 提供有限的助学金，可以抵扣 50% 学费
华盛顿大学圣路易斯分校
专业：客户分析
地理位置：圣路易斯
硬件条件： GPA3.5+ 、托福 105+ 、 GMAT720+
申请须知
1 、 项目时长 3 个学期，共 39 学分，有全日制和非全日制两种，而且一些课程只能在周末修
2 、 非全日制项目只对圣路易斯地区的已经工作的专业人士开放，项目时间灵活
3 、 先修课要求：微积分、统计学
圣母大学
专业：商务分析
地理位置：印第安纳 - 南湾市
硬件条件： GPA3.0+ 、托福 90+
申请须知
1 、 MSBA 项目时长 1 年，共 30 学分
2 、 要求两年工作经验
南加州大学
专业：商务分析
地理位置：洛杉矶
硬件条件： GPA3.6+ 、托福 100+ 、 GMAT700+
申请须知
1 、 项目时长： 18 个月；必修课程： 10 门；项目排名：全美商业分析项目第一
2 、 共 30 个学分，包括 21 个学分的必修课和 9 个学分的选修课
卡内基梅隆大学
专业：商务分析
地理位置：匹兹堡
硬件条件： GPA3.0+ 、托福 88+ 、 GMAT600+
申请须知
1 、 春秋两季招生
2 、 录取率 25%
3 、 学制 2 年
维克森林大学
专业：商务分析
地理位置：北卡 - 温莎
硬件条件： GPA3.4+ 、托福 107+ 、 GMAT730+
申请须知
1 、 MSBA 项目时长 10 个月，共 5 个模块， 3 个学期，从 7 月到次年 5 月
2 、 先修课要求：微积分和统计学
纽约大学
专业：商务分析
地理位置：纽约
硬件条件： GPA3.0+ 、托福 90+
申请须知
1 、 MSBA 项目时长 12 个月，分为 5 个实地课程模块（ 3 个模块商科地点在纽约， 2 个在其他国家）
2 、 工作经验要求：至少 5 年工作经验
罗切斯特大学
专业：商务分析
地理位置：罗切斯特
硬件条件： GPA3.0+ 、托福 100+ 、 GMAT700+
申请须知
1 、 两个方向： 11 个月（不含实习）； 17 个月（包含实习）
2 、 每门课程 3 个学分，项目总共 40 学分
凯斯西储大学
专业：商务分析
地理位置：克利夫兰
硬件条件： GPA3.0+ 、托福 100+
申请须知
1 、 需要 WES 或 ECE 的成绩认证
2 、 项目时长 11 个月，共 33 学分（商业核心必修课 12 学分，分析核心必修课 9 学分，应用商业分析 12 学分），是一个全日制项目
3 、 先修课要求： 2 门微积分和 1 门线性代数，强烈建议学生修过 1 门统计学课程
加州大学圣地亚哥分校
专业：商务分析
地理位置：加州 - 圣地亚哥
硬件条件： GPA3.5+ 、托福 80+ 、 GMAT710+
申请须知
1 、 项目时长 12 个月，共 50 学分
2 、 先修课要求：计算机编程、统计学、计量经济学、应用数学
3 、 平均 2.5 年的工作经验
伦斯勒理工学院
专业：商务分析
地理位置：纽约州 - 特洛伊
硬件条件： GPA3.0+ 、托福 88+ 、 GMAT600+
申请须知
1 、 项目时长 9 个月，课程综合了基本商业理论和分析统计模型
2 、 有 Part-time 模式选择，无先修课要求
德州大学奥斯汀分校
专业：商务分析
地理位置：纽约州 - 特洛伊
硬件条件： GPA3.0+ 、托福 100+ 、 GMAT600+
申请须知
1 、 MSBA 项目每年招收一个班级学生，夏季开课，分三轮录取（国际生两轮）
2 、 课程设置模式保证学生在 10 个月内完成 36 学分，取得此项目学位
3 、 先修课要求：计量课程，数理能力强，接受过专业技术培训
乔治华盛顿大学
专业：商务分析
地理位置：首都华盛顿
硬件条件： GPA3.6+ 、托福 100+ 、 GMAT680+
申请须知
1 、 MSBA 项目只招收秋季入学的学生，国际生须在第 5 轮截止日期前提交申请，才能不影响秋季入学
2 、 MSBA 项目要求 33 学分， 3 学分的课程持续一个学期，共 14 周， 1.5 学分的课程持续七周，在上半学期或者下班学期提供
3 、 先修课要求：统计学、高等数学、编程
福特汉姆大学
专业：商务分析
地理位置：纽约
硬件条件： GPA3.0+ 、托福 100+
申请须知
1 、 两轮录取： 2 月 1 日、 6 月 1 日
2 、 需 WES 成绩认证
3 、 全日制时长一年，非全日制时长两年
4 、 先修课要求：统计、概率模型
马里兰大学帕克分校
专业：商务分析
地理位置：首都华盛顿
硬件条件： GPA3.5+ 、托福 100+ 、 GMAT600+
申请须知
1 、 先修课要求：统计分析或定量研究方法课程，成绩要求 B+
2 、 拥有较强的数理背景
