选课指南-BOC Business Analysis
-
本篇文章将会为大家介绍
1.BA专业的相关介绍
2.BA专业课程解读
3.选修课推荐
4.BA与其他专业对比分析
5.就业前景和规划方向
6.选课指导BA专业的相关介绍
BA是一门为了适应商业发展对量化人才的需要，从而诞生的新兴交叉专业。因此该项目的老师几乎没有是BA专业出身，他们主要的背景可分为：计量经济，统计学，金融学以及计算机科学等经典专业。
BA专业的本科内容基本上可以视为纯理工科专业，跟文科几乎没有关系，所以在没考虑清楚前，不要蹭热度，听着这两年大家都说大数据发展好，就跟风选了这个专业，你可能压根儿就不适合这个专业。不要到头来学着很痛苦，成绩还拖WAM的后腿，后悔也迟了。
BA主要两个方向：运筹学operational research 和数据科学data science。
BA本科就是在教你如何基于统计学原理设计算法，通过电脑对大数据的“学习”，建立模型，来预测和解决一些商业问题，并把整个过程通过报告的形式呈现出来，并讨论在这整个过程中你的发现和见解。
BA作为主修专业的课程设置
学生必须完成48学分的学习，包括：- 12学分1000-level核心课程
- 18学分2000-level核心课程
- 6学分3000-level核心课程
- 12学分3000-level选修课程
BA作为辅修专业的课程设置
学生必须完成36学分的学习，包括：- 12学分1000-level核心课程
- 18学分2000-level核心课程
- 6学分3000-level选修课程
大一需修满12 credit points 1000-level的核心课程
必修课：BUSS1020以及QBUS1040，各6 credit points，共12 credit pointsBUSS1020 Quantitative Business Analysis
BUSS1020 作为一门所有商科学生的必修课，难度其实并不大。这门课的主要目的是为了让同学们熟练的使用数据分析、统计工具，课程的重点放在了如何建模并分析数据中的关系，以及如何从数据中做出正确的推论，并识别出不正确的推论。
这门基础必修考察的较多的是统计以及概率论相关的内容，涉及的内容包括概率样本、变量的不同类型、条件概率、概率分布、 抽样估计等，后半学期则难度略增，包括置信区间、假设检验、线性回归等。大部分的内容都与国内的初高中数学有一定的重叠，同学们不需要太担心。BUSS1020 这门课要求使用 Excel 来帮助计算，所以请同学们务必谨记要去上 Tutorial，因为考试上要用的Excel 的公式和工具在 Lecture 上涉及的会很少。只有去 Tutorial，老师才会很详细的跟同学们讲每一个Function和Tool的用法。实在缺席了Tutorial的，也要在自己完成每周作业的时候，找同学询问或者上网去学习Excel的相关用法。
考试的时候有些题，你确实可以按计算器出结果，但是如果使用Excel，你就能赢得更多的时间。当然考试中也还存在一些题，不用Excel是很难做出来的。所以再次强调一定要会用Excel。
其次，很多同学上了两周课以后可能发现，这门课的数学难度对于中国学生来说就是“So Easy”，很多东西我们可能高中就有所涉及。但是请同学们不要因为这门课现在很简单就不认真去学，因为从Week6、7开始，内容就会慢慢开始加难，并且后半学期的内容对于未来想学习BA专业的同学来说更是至关重要。
考试方式详解
Weekly assignment每周作业是最简单的一部分，也是所有同学都应该拿满分的一个部分。这个部分要求同学们每周在 Due之前完成 Canvas 上的一个 Online Homework，用于回顾上一周所学知识。按照之前的学期总共会有十二次次作业，然后取其冲的10次最高分的作业计入最后的总分。
所以只要有十次作业拿到满分，你在作业这一项上的分数(20分)就可以拿满。每周作业的每一个道题的每一个空都有三次机会。哪怕三次机会都用完了还是做错了，也可以重新做 Similar Questions，只要做对了，也同样会算你正确所以作业这一部分只要认真对，每周在Due之前按时完成，20分是可以轻轻松松拿到❗️
接着就是 Written Assignment和Final啦，现在Outline上是安排了两个 Assignment，分别在Week9和Week13 。这两个Assignment主要是要求大家学会用一个Online的数据分析软件(StatCrunch)按照要求做数据分析，例如画出并观察分布图，做假设检验，计算置信区间，构建线性回归模型等等。其实这个数据分析软件就是 Excel 的一个替代品，个人觉得在很多方面他比 Excel用起来要更加的方便。但是考试的时候只能用Excel ，并且用起来肯定是绰绰有余的。
这两个Assignment其实也就是做两套题目，题量大概是20道题目，这个不像Homework那样可以尝试多次，而是提交之后分数就定了，不能更改。不限时间! Due之前交就行。这一部分分数，也请同学们认真对待，虽然不如作业那般容易拿满分，但是认真对待，和同学对好答案之后再交，高分还是有保障的。
第一个 Assignment 的考试范围比较模糊，理论上是考察第一到第九周的全部内容，但是重点肯定在第五周之后。第二个 Assignment 的考试范围一般是从第九周到第十三周，因为课程难度提高，题目也会一定难度。
最后的期末考试按照往年全部都会是选择题，印象中是25道题。基本所有同学都可以提前交卷，但是正确率往往不高。考察的重点是最后三四周的内容(也是难度最大的几周)，当然前面的内容也会有所涉及。Week7之后的内容，涉及到较为复杂的假设性检验和线性回归，是这门课中最难理解，也是知识点较多较杂的地方。所以还是希望同学们从现在开始就认真对待这门课，为后面的内容打好基础。
特别要强调的是，因为这学期网课的原因，期末考试允许使用 Excel来计算，这是在之前都没有过的情况，在下学期大概率还是网课的情况下，同学们也一定要按时参加线上Tutorial，重视Excel方面的学习和使用，如果下学期的期末考试还是允许用Excel的话，这无疑是会为你的计算节省很多的时间❗️
QBUS 1040: Foundations of Business Analytics
QBUS1040是悉尼大学商科近年热门专业Business Analytics一年级的必修课。与商科其他专业的大一基础课相比，这门课程难度相对较大，需要大家掌握Python的基本操作和编程。作为BA专业的基础课，它的学习知识点几乎包括了这个专业80%的全部知识点，虽然并没有把所有内容都深化、重心更多放在线性代数上，但还是可以看得出这门课对BA专业的重要性，所以掌握好这门课的知识，为后面BA专业的学习是非常有帮助的。
QBUS1040每周课程由一个lecture和一个tutorial组成。
这节课主要是学习的线性代数(Linear Algebra), 整体大框架分为三个部分：Vector，Matrix 和 Least Squares。三大部分之间存在递进关系，Matrix的学习是建立在Vector内容的基础上，而Least Squares 又是建立在Vector 和Matrix的基础上，因此每一部分都需要扎实掌握。Midterm考试的重心是Matrix和Vector，Final考试的重心则是Matrix 和Least Squares。从之前两学期看，不论是Midterm还是Final，都以Open book的形式进行考察，因此同学们对知识点更应该掌握的是如何运用而非只停留在记忆和理解，这也是这门基础课偏难的原因之一。这节课会教比较多的proof，大部分同学都会觉得比较难理解，但是其中有规律可循，掌握规律之后会简单很多。这门课还会教如何用python编码解决线性代数问题，对于python零基础的同学一开始可能会比较吃力，但是python属于电脑编码语言中比较好上手的一个，只要认真上每一节tutorial，是完全可以达到这门课的编码要求的。
这门课的assessment有以下几个部分：
Weekly Homework（30%）：差不多每两周一次的Homework, 一共6个，每个占5%，考察每个阶段和之前的学习内容，难度是逐步递进的，最后一个homework的难度会远超过Final考题的难度。作业题目的设计比较灵活，既有proof的题目，也会有计算题，也会有编码题。
Midterm Exam（25%）：一般是开卷形式，考察内容一般是前7周，也就是主要是Vector和Matrix的内容。最后会有一两道题是编码题，证明题和计算题偏多，选择题的概率不是很大，但如果出现选择题，一般只占很小的一部分，而且一般会放置在第一题。
Final Exam（45%）：Final 和Midterm的形式基本上一致，只是考察内容变为整门课，重点更多在Matrix 和Least Squares。
QBUS1040是一门需要下功夫的课，尤其对于没有很扎实的数学背景的同学来说，可能是相对较难的一门课。以下是作为一个没有数学背景，之前没有学过线性代数的就上了QBUS1040的过来人的一点小经验，分享给大家，希望可以帮助到接下来这个学期马上要上QBUS1040的学弟学妹们：- Homework一定要认真完成且尽量拿高分，这样可以减轻很多考试的压力，毕竟这门课的考试还是很具有打击人的历史记录。
- 最好能去听Lecture和tutorial的直播，有问题及时询问并获得解答， 否则在一个地方出了问题， 接下来的学习都可能会吃力很多。
- 如果Lecture实在不方便听直播，一定要去Tutorial的直播！Tutorial上tutor会带着打code，有一些algorithm的code可能就会在exam中需要同学们用到，因此一定要保证每节tutorial的code是完整，无误且保存得当的。如果考试题目中出现编码题，可能会需要同学们复制tutorial学到的algorithm的code，根据题目进行更改和运行，得到答案。此外，tutorial会根据每个知识点讲解例题，这些例题就跟考试题十分相近，能熟练掌握例题的解题思路和方法，考试就会稳妥很多。
大二需修满18 credit points 2000-level的核心课程
必修课：QBUS2310, QBUS2810以及QBUS2820各6 credit points，共18 credit points。QBUS 2310: Management Science
QBUS2310是Business Analytics专业大二的必修课，这节课主要学习management science相关的模型，主要包括了capacity planning、production management、resource allocation。和大家之前接触过的QBUS1040或者BUSS1020相比，QBUS2310除了需要大家掌握optimization相关的计算之外，还需要理解每个计算结果背后的含义。这门课结合了理科所需要的计算以及文科所需要的理解，总体来说还是比较有挑战性的。
QBUS2310的课程内容主要分为两个部分：- Linear Programming
Linear Programming可以说是解决optimization问题的方法中最简单最基础的一个，本节课的前几周都会大家都会专注于这部分的学习。从最基础的画图解题开始，到之后比较复杂的integer programming、transportation problems、assignment problems、以及network flow problems等等。这些问题虽然都属于linear programming，但是具体的解题方法和problem formulation都不太一样，在lecture和tutorial的过程中老师会具体讲解不同的解法。在学习这部分内容的时候，大家不仅有机会学习用Excel自带的Solver解题，还有机会学习如何用Python package精确地计算答案。一般来说第一部分的内容（特别是前四周）的内容，相对来说难度不大，所以大家可以抓紧时间多学一些Python和Excel的小技巧。在这个部分一定要打好基础，这部分的内容也是midterm和assignment 1的考察重点。 - Nonlinear Programming
第二部分nonlinear programming相比第一部分来说难度更大，通常大家会从第10周开始接触这方面的内容。因为在三四周内就需要完全掌握，对于大家来说可能会比较有挑战性。在学习这个部分的时候就很考验大家之前的积累，因为本质上来说nonlinear programming和linear programming其实差不多，很多方面的知识都可以融会贯通。在第二部分的时候，大家还有机会接触到queuing analysis，如果对这部分内容感兴趣的话，未来可以进一步学习QBUS3340了解更多这方面的知识。
这门课的assessment有以下几个部分：
Online Task（2x2.5%）：在第六周有两个online tasks，各占2.5%。这两个online tasks主要是帮助大家熟悉一下用手机扫描上传文件的流程，避免紧随其后的midterm出现这方面的错误。这两个online tasks考察的都是非常基础的内容，唯一的难点可能是时间上比较紧。大家只需要跟着具体的instructions一步一步来，基本上都可以拿满分。
Midterm（25%）：Midterm通常在第七周进行，主要考察前六周所学习的内容。通常Simon出的卷子题量都比较大，还会有一些简答题。在midterm中可能会遇到一些从来没有见过的题型（这也是Simon希望大家在工作前适应的），但是大家也不用特别慌张，按照常识、尽量能回答多少就回答多少。
Individual Assignment（20%）：Individual assignment的题目会在第十周左右发给大家，第十二周上交。因为提交的时间比较晚，通常考察的知识点也比较全面，主要的侧重点在第五周之后的内容上。Assignment中大家也会遇到一些比较新颖的题型，因为时间比较充裕，大家可以多找找资料，在提交前也尽量多检查几遍，最好不要因为粗心错误扣分。
Final Exam（50%）：Final是QBUS2310占分比例最大的内容，相对来说也是比较难的。Final会考察整个学期所有的知识点，但是侧重点还是在第六周开始的内容上。Final的题量相对来说也比较大，虽然是open book，但是一般来说不会遇到完全一样的题目，所以还是需要大家好好复习、最好能做到彻底理解所有的考点。
对于不太擅长编程的同学来说，QBUS2310算是business analytics专业课当中不太考察编程能力的课。很多同学会在同一个学期学QBUS2310和QBUS2810，这两节课也代表了商业分析专业未来选修课的两个分支：38xx的方向主要是data analytics，也就是应用编程软件完成建模和分析；而33xx的方向是project management，也就是作为项目经理对于整个项目流程的把握。总体来说这节课的难度不算太大，但是每周的内容之间息息相关，所以大家尽量跟着上课的进度学习，遇到不理解的知识点及时问tutor或者lecturer。预祝大家在付出努力之后都能取得理想的成绩！
QBUS 2810: Statistical Modelling for Business
信息技术在现代商业的普及帮助使用者可以运用庞大而丰富的数据集。该课程在前置课BUSS1020的基础上，不仅涵盖了一系列的方法来帮助我们建模并分析数据之间的关系，还扩展了关于如何检测清理数据、分析数据、推断数据中的模式和关系等的知识。该课程强调了对离散和连续数据关系建模的统计方法的理解，以应用于金融资产评估、市场需求、销售预测、财务分析等商业领域的研究。- Week 1-Week 3
刚开始老师会帮大家复习在BUSS1020学过的Two Sample t-test、independence、correlation、confidence interval的知识。紧接着老师会引入Chi-squared test、Fisher’s Exact test、Median test、Mann-Whitney U test等适用于其他distribution数据的test方法。一定要记住这几种方法的适用条件以及各自的特点。 - Week 4-Week 6
在这一阶段，重点是对于linear regression问题，它的assumptions以及如何减小residual sum of square的方法OLS的运算过程以及对于结果的解释。在这里引入了 R square的概念，它代表因变量的变化可以被自变量解释的比例。另一种减小absolute term of errors的方法是LAD, 要侧重于理解OLS和LAD两者之间的区别。此外，对于Multiple linear regression, 数据中是否存在omitted variables bias以及collinearity的问题，我们该用什么方法进行检测和判断。 - Week 7-Week 9
重点是要理解在regression表达式引入dummy variable和interaction terms之后模型图像的变化以及对于表达式不同coefficient的解释。之后老师又进行了对t test和F test的对比。第八周的重点是 One way ANOVA、Kruskal-Wallis test 以及Two way ANOVA, 我们要记住他们的assumptions、含义、适用范围以及对相关数据的解释。之后我们学习了Non-linear relationship in regression, 包括log-linear, linear-log, log-log三种，一定要记住如何解释自变量的变动对因变量造成的影响，这个点很重要，必考！！！ - Week 10-Week 12
除了针对自变量建立dummy variables、interaction terms，我们还可以建立power transformation变成polynomial regression，或者通过dummy variable建立spline等。我们还学习了三种选模型的方法，包括best subset selection，forward selection以及backward selection，我们要明白这几种方法的区别。除此之外，最后几个重点是关于异常值，有三种检测方法，studentized residuals、DFBETA以及Cook’s distance。我们还要明白如何解决它。
这门课的assessment有以下几个部分：
Individual Assignment 1（10%）：每周的Tutorial课上会讲一些例题并给我们提供相关的code，难度适中，需要对code好好的理解，重点是exploratory data analysis，数据清理认真做，给分还是可以的。
Midterm Exam（20%）：秘诀就是上课认真跟老师记笔记，了解每一堂课的重点内容，期中考试前认真梳理老师给的sample questions，题目都差不多，不会超出sample的难度，关键是要细心。
Individual Assignment 2（10%）：这是第二个个人作业，主要还是关于python的代码书写以及对linear regression结果的阐释，会比第一个作业稍微难一些，一定要细心，不要落点，给分还可以。
Group project（25%）: 3个人一组，并且自由分组，大家可以有充足的时间选择自己的组员。时间还是很充裕的，会给大概两周到三周的时间，交完差不多就期末考试了。难度会比之前两个个人作业都要难，主要考察了数据集的建模以及定量分析。要提交一份包含executive summary的报告以及python code。
Final Exam（35%）：最后就是final exam了。总体上来说这门课的final exam还是难度适中的。一定要认真做期末的sample，老师会在最后一节课给我们讲sample的题并给我们答案，考试题型、难度、重点都差不多。
QBUS2810整体难度适中，但是建议大家每周还是要花一点时间复习lecture 的笔记以及tutorial给的code。这样有助于Individual assignment 以及期中考试取得较好的成绩。假期里有时间的话也可以扩展一下python知识的学习。对于小组作业，大家可以根据所擅长的部分寻找相匹配的组员。
QBUS 2820: Predictive Analytics
QBUS2820是悉尼大学热门专业Business Analytics二年级的必修课，大家选择二年级或者三年级上这门课都无所谓，但要注意这门课有Pre-requisites 课程（QBUS2810 or ECMT2110 or DATA2002）。与基本上所有的BA专业课相同的是，这节课的tutorial基本内容也都是关于python的操作，比起前面的课程对python操作的要求提升很多。总的来说这节课难度不低，对理论知识和python操作都有一定的要求，但是大家也不需要太担心，认真学习的话拿高分也不会很困难。
QBUS2820每周课程由一个lecture和一个tutorial组成。
这节课在QBUS2810的基础上更进一步，主要是学习prediction的的各种模型。QBUS2820主要介绍了两种不同的prediction，一种是cross sectional prediction，一种是forecasting。这两者的区别也是大家要知道的重要概念。课程前三分之二都在讲cross sectional prediction，这里常出概念题，也是assignment的主要内容，包括怎么处理数据，怎么挑选模型等等。后三分之一的课程在讲forecasting，QBUS2820主要的证明部分也就集中在这部分内容，时间序列的证明比较多，也容易搞混，但是是考试必考，丢分很可惜。
这门课的assessment主要有以下两方面的内容：
Assignment（60%）：因为改成线上教学，QBUS2820取消了Group Assignment，现在是两个Individual assignment各占总分的30%。大家可以看到因为每个作业的分值都很大，想要在QBUS2820这门课拿高分的话作业一定要认真完成。这两个Individual assignment 都是会给到大家具体的商业情景，然后给大家一堆没有处理过的数据，让大家通过python编程分析数据然后编写report。每个作业的任务量都很大，建议大家越早开始越好，作业与tutorial的代码相关性也很大，大家应该尽量认真对待每一节tutorial，Assignment大家只要认真写了分数都不会太难看，请注意代码和report一样重要。
Final Exam（40%）：因为学的人多，QBUS2820 Assignment出分比较慢，大家在对待Final的时候也不能松懈。40%的占分不算很多，想冲一波高分段的同学们一定要把握住Final。QBUS2820的Final不考python只考理论，大家对于lecture上出现的重要概念和一些推导一定要重视，因为基本上考的都是原题。考试是闭卷的，从老师提供的sample test大家也能看出考试形式，但是Final会难一点，会考更难的推导，而且因为式子要用键盘打出来而不能手写，速度影响很大，建议大家提前练习。
总体上QBUS2810这门课设计得还是不错的，在BUSS1020的基础上帮助我们恩福了统计学的体系，并且教会我们如何对大规模的数据进行定量分析。知识点很多但是比较容易理解，老师很好，出题也不会很难。- 上课还是很重要的，QBUS2820的Lecture是LIVE形式的，大家可以实时向老师提问，如果真的不能准时上课，尽量抽时间及时听recording，证明部分一定要搞懂，概念很多也不要混淆，理清课程大纲对大家的复习会有很大帮助。
- Tutorial一定要好好上，可以说这门课60%的分数，也就是那两个Assignment都寄托在你的tutorial上了。老师上课会给一些有用的代码包，大家用在Assignment或者以后的课程中都会很有用。例题也极具参考价值。
- 课后认真总结复习。这节课知识点比较多，大家不要被很多个model吓到觉得很麻烦，其实这些知识点之间都有关联，整个QBUS2820的课程设计还是很有条理的，大家理清思路对考试会有很大的帮助。
大三需修满18 credit points 3000-level的核心课程
必修课：QBUS3600， 共6 credit。
选修课：自行选择两门3000-level 的课，共12 credit point。
QBUS3600: Business Analytics in Practice
作为Capstone课程，该课程整合并巩固了整个大数据所涉及的相关重要技能，理论和实践相结合。该课程会向学生介绍一系列以机器学习为主的相关话题，重点是涉及商业数据分析的应用。学生将学习如何把概念，理论，方法论和编程技能应用到商业分析领域所面临的真实问题和挑战中，为今后职场发展打下基础。
这门课是BA的结业课，几乎不讲新东西。会请一个公司来，给到学生他们真实的一个课题项目和数据，让学生建模分析，然后展示成果，一整个学期就是基本干这个事情。lecture和 tutor也会讲一些Python的新内容。想知道更多悉尼大学第一手信息的同学们，请疯狂戳下面的卡片哦～
常见选修课介绍
QBUS 3820 Machine Learning and Data Mining in Business
关于Machine learning 的一个选修，内容上一半和qbus2820重合，后半学期会学一些更强的模型，例如gradient boosting以及它的衍生模型, stacked model和neural network。学期内有三个线上quiz，也会有一个课内小组的Kaggle，得了第一会有奖励分。超级大量的编程肯定是少不了的，但是学完这门课基本上就是机器学习的任务可以一条龙做出来，从一开始拿到原始数据，到数据处理，feature engineering，建模，validation，分析，一直到到最后data mining，写报告。很实用的一门课, 非常推荐去上！！QBUS 3330 Methods of Decision Analysis
作为BA专业的选修课，这门课主要讲decision making，所学内容包括Decision tree，Risk Profile，Bayes theorem，Vol、EVPI、EVSI，Probability distribution，Monte Carlo Simulation，Utility Theory，Qbank等；只有Semester 2 开课，难度不高，每次都有很多人选，给分也很乐观，非常推荐去上！！！QBUS 3850 Time Series and Forecasting
讲时间序列的一门课，但上的人不多，有一个学期就5个人。内容上会深入的讲ARIMA以及一些更高级的时间序列模型例如GARCH什么的。这些内容和金融的联系非常大，或者说这就算是金融研究下面的一个分支。QBUS3310 Advanced Management Science& QBUS3830 Advanced Analytics
一个运筹方向的Pre honours，一个Data Science方向的Pre honours，讲的都是非常硬核的内容，难度上是整个BA最难的课，如果说别的BA作业是内容太多时间不够做不完的话，这两个就是给再多时间也不会做。所以没事不要乱选这两门。01 BA与Finance
内容上来说是有交叉的，举三个例子：
金融里面会学到CAPM这个模型，也会提到Fama-French CAPM三因子模型，但是仅仅是提一下而已，就是告诉大家经济学家在行业里会用三因子或者5因子来预测，但BA里面是真的会拿到一堆股票的数据，在Python把那个三因子模型做出来。但至于模型做出来有什么经济学的原理，BA是不去讨论的，但金融会简单地讲一讲。学金融的话，里面有一个Efficient Market Hypothesis，也有一个对立的假说 Behavioural finance，这个后者就说有一些金融现象是前者解释不了的，比方说有的月份这个股票的回报就是比别的月份要高。但是BA里面，大家是真的会拿到数据，把他放到Python里面去用统计学的假设检验证明出来，确实有的月份要比别的月份回报要高，但是这是为什么，BA不去讨论，金融却会稍微提一下。金融里有一个课题叫Risk management风险管理，里面有两种风险一个叫 credit risk 一个叫 market risk (Value at Risk)，在金融里面学的时候，他们会告诉学生行业里面一般会靠建立统计学模型来控制该风险，但是不会告诉学生那个模型是怎么建的。但是BA里面会真的把这些模型给建出来。比方说credit risk, BA里面会通过学习以前大量客户的信息，来预测一个新的客户在贷款的时候是否会赖账。而market risk BA里面会通过时间序列的模型来预测未来的VaR。当然，金融里面还会有很多BA根本不学的内容，但是凡是金融里偏量化的内容，都基本和BA沾边。但这并不意味着BA金融里面一个学得好另一个就学的也好，这两个是侧重点非常不同的学科，探讨的东西确实是有交集，但是学的东西两个基本毫不相干。02 BA与Econometrics
这个和BA的相似程度就比较高了，但是仍然有差别。
ECMT更注重经济原理的分析。像上面讲金融时候说的三个例子，为什么的问题，都是ECMT要讨论的范畴。例如三因子模型，为什么就要选那三个因子而不是其他的因子？为什么就要三个？10个不行吗？在BA里面不会管这些，变量加进模型里面来只要预测准确率提升了就行，至于为啥这个新变量能提升准确度，BA不管。
ECMT更注重统计的合理性。虽然ECMT的课和BA的课确实有些是重合的，选课时候也能看到选了某些ECMT的课就不能选QBUS的课，但是ECMT是更加注重统计的合理性以及推导过程的。但相比之下，BA更注重的是应用（但BA也有推导）。
两个专业都有编程，相似度大概50%左右吧。03 BA与Data Science
Data Science 是CS下的一个专业，BA的学生和data science的学生相比，差距主要在两个方面：编程能力和基础的数学能力。
对于Machine learning 这部分的内容，data 的学生和BA的学生掌握的是差不多的，但是BA的学生由于毕竟是商学院，没有CS的学生的数学功底和编程功底扎实，而且Python这个数据库语言，BA后期的内容大部分都是用已经写好的 sci kit 里面的package，对算法代码的训练主要还是集中在QBUS1040和2820里。因此，强烈建议还有选修学分的同学去修MATH的课程和一些编程的OLE，这个会对学习BA有很大的帮助的。
光看建模能力和代码能力，BA的学生是干不过学data science的学生的，因为BA的Degree core都是BUSS1000、BUSS2000、BUSS1030这种跟数据没什么关系的课，而data science 的学生，学的都是实打实的CS硬课，光看课程列表就能看得出差距。但整体来说，BA的学生都是带着ACCT FINC这些第二个major的，所以即使在建模编程方面有欠缺，在别的地方又能补回来，所以和CS的学生可以说是互相有长处吧。
当然如果是CS + Commerce 那就更厉害了，这也是为什么悉大有BACHELOR OF ADVANCED COMPUTING AND COMMERCE 这么一个5年的双学位。职业前景和规划
咨询
一般BA不是唯一的major，都是搭配FINC或者ACCT HR等等专业。去咨询行业的话相当于多了一个手艺，这个也是个人听说过最多的BA学生的职业方向。
金融民工
BA+FINC的话，面试金融行业里的前中台的岗位还是挺有加分项的，毕竟只学finc的人不会编程。而且风控的岗位学BA也算加分项（这个专业的学长有去CBA的风控部门工作的，那个部门也有对BA学生去实习的邀请）。
非金融企业
现在哪个地方都需要搞数据的，例如3600每个学期请来的那些公司，最近的一次请的是澳洲做出租车运营管理的上市公司，他们都有对这类人才的需求，需要数据分析处理能力以及展示能力。
量化分析与算法结构
商业银行，基金，投行，券商的量化岗，一些大公司的运营岗。不过这个本科基本不可能的，能搞这些的都是硕博出来的人，很卡学历。他们不会去把钱压在一个本科生做出的模型上的，什么专业都一样。BA-Major-课表推荐
BA-Minor-课表推荐