跨申商业分析，如何提升背景拿下Top 39香港中文大学（深圳）offer？

我的GPA没有什么优势，本科是工程管理，辅修了计算机应用双学位，在学校的一些比赛经历和项目经历中，发现自己对于数据分析这类工作有所兴趣，便决定在研究生阶段，攻读商业分析方向的专业。但是在商业分析这方面，无论是分析流程还是知识理论，都存在着较大的空白。因此在大三的暑假，决定通过相关的背景提升来增加自己的竞争优势。

最终，我在指南者留学参加了商业分析项目实战：B站“破圈“运营新变化研究，目前已经是HKU IELM 和CUHKSZ IMBA的offer holder。总的来说，在这个项目实战中，整个过程学习使用了SQL、python、tableau，也了解了商业分析的流程和一些业务知识辅助完成商业分析报告。对我这种工科跨申商业分析的同学来说，这个项目的背景提升对我的帮助不言而喻，填补了我在这方面经历的空白，帮我跨专业收获了理想的offer。

02 项目介绍与收获

我参加的B站“破圈“运营研究这个项目，是针对内容分层与精准运营问题，利用统计模型、文本分析、可视化等方法，通过对B站内容数据的深入分析，解读B站运营特征和模式，得到相应的商业启示和建议。

具体展开项目实战的过程，我实践了SQL查看和初步筛选数据，Python进行各种数据分析和挖掘，并利用Tableau做数据可视化，各种工具综合应用，我最终顺利完成整个项目。当然，做的过程里面，我其实也遇到挺多问题的，最主要的困难来自对数据的挖掘和数据可视化的图形选择。我主要就针对这两个问题说下。

数据挖掘方面：

在项目中，我希望对视频内容根据不同的质量进行分层分析，从而抓住用户的偏好制定运营策略，于是想到可以使⽤K-Means聚类来进行对比分析。想要实现这个分析思路，我需要先对数据集进行预处理，然后将2020年和2021年所有视频根据各项指标聚类得出三类——热门视频、具有潜力视频、以及普通视频，这些都可以借助Python实现。

为了能灵活熟练地使用Python这个工具，我先通过项目配套课程完成了相关的Python基础学习，包括运用groupby、merge、append等数据处理语句以及numpy、matplotlib等处理庞大的数据集。掌握了一定基础，并进行练习之后，到项目应用还需要活学活用，举一反三。我在实现K-Means分析时，最为繁琐的就是要一类一类视频去做，后来经过思考之后，我采用了for循环语句，简化了这些步骤。编写代码实现目标不是最难的，但是如何寻找最优方案，使编写的程序更简洁和高效，是需要独立思考后才能找到的。

数据可视化方面：

我了解到这是商业领域很重要的一个环节，毕竟我们分析的东西是需要传达出去的，图形就是传达信息表达观点的关键工具。我通过这个项目，学习到了tableau，这个工具画图非常方便，并且简洁漂亮，相较于之前只会用excel画图的我来说，这算是大开眼界了。

在选择可视化图形的时候，对于数量很大的表格数据导入到tableau后，形成的图形非常冗杂，没有重点，在思考和参考一些榜单后，我决定做每个指标的top10，这样图形清晰明了，且重点抓住顶级视频的特征，帮助我从两年变化中，分析出热门视频的特征。

我的项目研究成果（节选）

03 背景提升与申请

这个项目和我申请的商业分析专业匹配度非常高，当时我的PS已经完成了，但在和老师沟通之后，还是决定将这段项目经历加入到我的PS里，介绍了项目的主要内容，帮助我顺利进入港中深IMBA的笔面试。

这里展示下我的项目经历
在CV里的应用

以港中深的IMBA为例，我选择的是商业分析方向，旨在培养学生精通数据分析和商务模式的跨界专业人才和商业领袖。相关课程包括数据分析、优化和算法、机器学习和计算机科学，通过理论和实践结合的学习方法，对数据进行深度分析和挖掘，以实现大数据应用在金融、科技、电商、健康等重要领域的商业价值。很明显商业分析方向，会偏爱有这方面实践经历背景的学生，在面试过程中，他们也是首先提到了这段经历。从课程方面看，商业机器学习、大数据分析这些课程都包括了数据预处理，聚类、分类等，而这些内容在项目中都有学习和实践操作。

参加这个项目不仅仅有利于申请，更是让我学习到了许多实用的技能，可以在我日后的学习工作生活中都有所帮助。

最后分享一下申请经验和心得：

第一，GPA很重要，我因为对于自身绩点不自信，在申请前感到非常焦虑。
第二，提前做背景提升或实习，我算是比较晚的大三下才开始做这方面的准备，提前做背景提升的话申请的准备会更游刃有余，不像我最后还要修改申请材料。
第三，专业匹配度很重要。这个主要是像我这样的跨专业选手，在背景上肯定会存在空白，如何去填补很重要，并且要保持一定的一致性，让招生官明白你对所转专业的了解和规划。

老师点评✦

问：很多同学都在跨申BA，大家经常遇到的槛有哪些？

答：真正了解BA专业，才能对照自己现有的package进行查漏补缺，针对性地进行准备。

数理方面，统计是商业分析专业的核心；

计算机方面，编程是处理大量数据提升效率的必备技能，提取数据常用的SQL最好也能掌握，而熟悉机器学习常用算法的基本概念与应用场景，则是很好的加分项；

商科知识和领域知识，也不能被忽视，毕竟商业分析不是数据科学专业，技术在商业领域的应用与落地，才是根本目的。

每位申请者虽然各自的情况不同，但都可以对照这三方面来评估自己的竞争力。

在我带过的众多同学里，我发现最常出现的两种槛，一是编程思维，二是商业洞察，这两项往往卡住了不少同学。

编程思维：通俗的讲，就是能找到适合的语法解决自己面对的问题，这里面，学会拆解问题是关键。面对一团乱麻的大问题，一步步抽丝剥茧，大问题化成一个个小问题，针对小问题想清楚有没有现成的解决方案。没有人是天生会编程的，Python更不是底层语言，通过一定训练，这一点是完全可以克服的。我们在项目过程中，其实就是带着大家先学习已有的成熟解决方案（比如判断，循环，排序，递归等等），然后再在具体项目中训练自己拆解问题进行解决问题。

商业洞察：越来越多的同学会在申请文书中用上business insight这个词。但如何体现洞察力，不是文书材料中一句泛泛而谈的语句就可以的。如何从大量数据中，寻找关键要素，找到差异，定位特征，验证关系，确定规律，而后结合具体业务场景，挖掘出新的机会点，或者对未来做出预测，或者给出解决方案，这样才能真正展现insight。