点👆关注我们 获取第一手北美职场资讯
近日，美国公民及移民服务局(US Citizenship and Immigration Services)公布消息称：2017财年H-1B的批准率不到六成，已创下10年最低记录。而且，H-1B签证职位的工资要求在逐年提高！
H1B政策不断收紧，无疑给那些想留在美国工作的留学生带来更大的重压，尤其是Non-Stem专业学生，找工作本身已经很难，还要有公司愿意Sponsor，并且工资水平能达标，更是难上加难。
同样，最近码农圈爆出的一条消息也如重磅炸弹一样：Amazon宣布不再接收new grad SDE I的申请。
众所周知，Amazon一直以来是作为美国CS Master们救命稻草的存在，不仅常年大量招人，门槛相对Google、Facebook也要低上一些，可以说每年消化了大量的CS毕业生。而现在随着Amazon的招聘收缩，再想到之前Snap和Facebook之类大户的情况，美国CS就业形势直接爆炸。计算机应届生求职可能要遇到前所未有的困难... 种种迹象表明，winter is coming，转码大军似乎也需冷静一点了。
H1B政策对non-STEM专业越来越不友好，而以往大热的CS专业又似乎进入了求职寒冬。那对于想留美工作的同学（尤其是文商科专业），还有其他更好的出路么？
“
另辟蹊径，寻找新的专业/职业方向：
成为一名Business Analyst！
”
为什么成为Business Analyst会是一个好选择？
1
新兴岗位需求量大，多行业多领域应用
先来看下business analyst的职位，到底有多热！


Indeed上搜索Business Analyst的职位数量
Glassdoor上搜索Business Analyst的薪资水平
越来越多的公司愿意聘请“商业分析师（Business Analyst）”来制定发展和增长的战略或建议，在高科技，医疗保健，金融，零售等不同行业都有很高的需求。商业分析师也是IT和客户之间的桥梁，因为他们需要了解客户的需求，熟悉行业趋势，分析数据以解决问题，提供策略， 用数据创造价值，并促进公司的潜在增长。
在美国，初级的商业分析师（Business Analyst）年薪在7-9w美金之间，作为几乎所有行业每家公司都会有的entry level position，工作岗位机会大约是Data Scientist的3倍，未来10年工作机会预计有27%增长，据美国劳工部统计数据预测，美国在2020年会需要876,000的商业分析人才。
2
妥妥的STEM专业！将来申H1B更容易
川普上台以来，移民政策不断收紧。给想留在美国工作的留学生带来更大的重压，找工作本身已经很难，还要有公司愿意Sponsor，并且工资水平能达标，更是难上加难了。尤其是非STEM专业，典型如商科、泛人文学科等，机会会被极大程度地压缩。政策明显倾向STEM专业，所以未来公司也会更愿意Sponsor STEM专业的职位，其相应的薪资也更能符合标准。
现在大部分学校开设的Business Analyst专业都属于STEM方向下，选择这个方向也是为日后更顺利的留美做好准备。
3
入门门槛相对容易，文科理科皆可转
BA是一个比较适合文科小白入门理科的专业，难度系数不高，内容也比较有意思。只要你对数字的抵触心理没有那么强烈，都值得一试。
相比起文科转CS的奇高门槛，文科转BA要友好的多。而且在BA专业里接触过一些入门的代码学习后，对未来学习编程信心大增。
小编周围就碰过过很多文科生成功转行BA的例子，有公关关系专业的，有marketing的，有学语言的，五花八门。甚至还有很多本身统计出身的理科生由于对金融、business与data的结合应用感兴趣，也纷纷转行做了BA。
门槛低
工资高
H1B政策友好
还需求量大
真的是在美性价比灰常高的职业方向了！
那如何成功入门Business Analyst？甚至在最短时间内拿到BA offer？
九周时间
来跟着Data Application Lab业内王牌导师
与志同道合的战友一起get商业分析技能吧！
数据应用学院（Data Application Lab）由硅谷和华尔街的高级数据科学家及大数据工程师联合创办，致力于传播数据行业最新应用和知识、培训输送优秀大数据人才。以填补人才缺口、充分发挥大数据在商业中的力量为使命。北美最早也是最高水平的数据科学家培训项目 。洛杉矶、达拉斯数据科学高峰论坛的组织者（dsassn.org）。
与Data Science Association一起举办超700人参加的数据科学大会。
2016年Data Application Lab被权威媒体Tech Beacon评为Top 16 Data Science Bootcamps榜首。
自从2015年开课至今，已经帮助百余位同学找到理想工作，毕业生纷纷拿到Amazon、Snapchat、Ebay、Discover等硅谷、西雅图、洛杉矶互联网科技公司的Offer，图为部分数据应用学院毕业生去向。
Data Application Lab的Business Analyst项目到底好在哪儿？
小编经过试体验，发现他们的BA项目亮点颇多！
“
5位工业界顶尖Data和Business Analyst高手全程授课。
9周中文课程，搞定基础知识和Cross-industry Process for Data Mining and Problem Solving。
9周Lab，手把手从零开始，一行一行带你敲代码，保证 “上课认真跟着练，下课就学会”。


每周还有TA带着讲作业，答疑问，保证知识点毫无遗漏。
12个Case study案例分析，熟悉掌握商业流程中的不同场景应用和问题解决思路。
6次求职辅导集训营    
3个Capstone实习项目提供实习证明和Certificate
上百个内推成功案例，提供相关职位的内推。
课程设置也是非常过硬，紧跟行业趋势，学的都是BA日常工作中实打实应用的skills，模拟的也是现实工作中的case。不少学员毕业后都很快收获了理想的offer：
Business Analyst 
课程信息
课程价格 
$2800
课程周期
9 Weeks
上课形式
课程形式为 online webinar讲座形式，实时互动，并提供video回看。
上课时间
课程时间：每周六
美西时间14:00-16:00pm   Lab 16:30-18:30pm
美东时间17:00-19:00pm   Lab 19:30-21:30pm
Technical 小课：每周一，周三
美西时间18:00-19:00pm   
美东时间21:00-22:00pm  
TA答疑：每周四
美西时间18:00-20:00pm   
美东时间21:00-23:00pm  
除此语音答疑外，Piazza及微信群答疑，保证同学的问题在24小时内得到解答。
职业辅导：周五
美西时间19:00-20:30pm   
美东时间22:00-23:30pm
王牌讲师
王牌讲师：Pan老师
Pan老师
超过10年商业分析工作经验，Lead Director of Analytics，MIT 在读EMBA，对生物医疗、电信通讯、市场营销等多个行业都有深刻了解，业余通过自媒体热心分享商业分析前沿应用
王牌讲师：MK老师
MK 老师
北美Top Digital Marketing公司Marketing Analytics Manager，擅长数据库、SQL应用，市场营销分析
王牌讲师：Summer老师
Summer 老师
硅谷IT公司marketing部门Data Scientist，擅长统计模型，R的应用
WE Career用户报名福利
10月28日新一期课程即将开启
现在报名还可享受三重福利大礼包哦！
🎁 福利一
现在报名
可享受WE Career专属折扣，
学费立减
$300
$300
$300
（在报名链接里输入折扣码: 
“wecareer300off”)
🎁 福利二
现在报名
可获取一份《北美商业分析求职白皮书》
🎁 福利三
现在报名
还可免费享受WE Career价值$299
求职测评辅导服务一次！
【使用WE Career专属折扣码报名，截图留存发给WE Career小编（ID：WECareer_1)，开课一周后至6个月内都可联系小编享受该服务】
这么光明的职业前景
这么扎实的课程项目
这么诱人的福利礼包
还等什么？
赶快报名吧！
直接报名
复制下方链接登录课程页面
https://www.dataapplab.com/course/bacn/
或点击“阅读原文”登录课程页面
了解更多信息：
扫描二维码加Data小助手了解课程详情
课程表及Final Project信息见文末
Project 实习项目
Data Application Lab和北美科技公司广泛合作，通过联合开发和技术咨询方式为学员提供实习机会。 每位学员可以选择我们提供的实习项目，也可以结合自己的背景在导师指导下完成个人定制化的实习项目。
Project 1:  Customer Segmentation Analysis and Campaign Analysis 
Project 2: Marketing Analytics
Project 3: Sales performance and forecasting in R
项目课程表
第一周
  • Relational Database 
    • Data Definition Language
    • Database Overview
    • Database vs Data Warehouse
    • Data Type
    • Data Model
    • Database Objects
  • SQL Query Basic 
    • Join and Union
    • Basic Query
    • Aggregation
  • Advanced Excel
    • Data preparation: Cleaning and categorization, merging datafrom different sources
    • Basic functions: SUMIFS, COUNTIFS, MATCH, IF Modeling, TextFormulas, Date Formulas, VLOOKUP
    • Pivot Table, Slicers, Formatting, Remove Duplicates,Filters, Sorting
    • Data Analysis
    • Visualization
  • R Basic I
    • Installation & Introduction
    • Types of Variables
    • Using Variables
    • Logical Variables and Operators
    • Create a Vector
    • Using the [] brackets
    • Functions in R
    • Packages in R
第二周
  • Overview of Business Process
    • Business Process: Marketing, Business Development,  Sales Operations, Pricing, CustomerExperience
    • AIDA Framework and Concept
    • Data Preparation
    • Business Insights
  • Case study
    • Data Quality Control
    • How to Choose Business metrics?
    • How to interpret a business question into “data analytical question”?
  • Linear Regression
    • Basic linear regression statistics review
    • Linear Regression in R
    • Linear Regression Model Diagnostics
  • Case
    • Restaurant Sales Forecast
  • R Basic II
    • The While Loop
    • The For Loop
    • The IF Statement
    • The Ifelse() Function
    • Vectorized Operations
    • Vector Calculation
  • R Basic III
    • Building your first matrix
    • Data Frame
    • Data Frame vs. Matrix
    • Subsetting
第三周
  • Marketing Analytics - Marketing Mix Model 
    • Marketing Strategy Overview
    • ROI Analysis
    • Predicting Consumer Choice
    • Marketing Mix Model
  • Case study
    • Multiple marketingcampaign channel Analysis
  • SQL Query Advanced 
    • Advanced Query
    • Sub Query
    • Query Optimization
  • R Basic IV
    • Merge Data Frames
    • Basic Regular Expression
    • Import Data
    • Explore your dataset
  • R (dplyr package) 
    • Install Packages
    • Select
    • Remove duplicate rows
    • Filter
    • Nesting vs. Chaining
第四周
  • E-Commerce Analytics 
    • Key metrics in E-commerce industry
    • Digital Marketing Analytics Full Cycle
    • How to build customer profile
    • How to increase conversion rate
    • How to segment and rank customer for lifetime value analysis
  • Case study
    • Factors related to conversion rate
    • Customer RFM segmentation and applications
  • Logistic Regression 
    • Basic knowledge of logistic regression
    • Logistic regression in R
    • Logistic regression validation
  • Case study
    • Case: Credit Card FraudDetection in R
  • R (dplyr + tidyr) 
    • Arrange
    • Mutate
    • Summarise
    • Gather
    • Spread
    • Unite
    • Seperate
  • R (ggplot2 package) I
    • Data
    • Aesthetics
    • Geometrics
    • Statistics
第五周
  • Marketing Analytics - Segmentation, Targeting, Positioning
    • Marketing Strategy Overview II
    • Customer Segmentation and Targeting
    • Promoting and Product Positioning 
  • Case study
    • Clustering-how manycustomers should I have
  • Data Visualization with Tableau 
    • Connecting to Data
    • Visual Analytics
    • Calculations
    • Dashboards
    • Publish to Tableau Online 
  • Tableau Hands on - Dashboards
    • Dimension Folder & Hierarchy
    • Superstore customer summary dashboards
    • Superstore Product summary dashboards
    • Actions in dashboards
  • Tableau Hands on – Advanced
    • Parameters
    • Set
    • Building your first STORY! 
第六周
  • Customer Experience & Pricing 
    • Customer Experience Overview
    • Retaining Customer and Churn Prediction
    • Attribution Model and NPS Score
    • Pricing Overview and Example 
  • Case study
    • Pricing Methods
  • Machine Learning Basics- Clustering 
    • Classification vs. Clustering
    • Cross Validation 
  • Clustering in R
    • K-means Model
    • Hierarchical Model 
  • R (ggplot2 package) II
    • Facets
    • Coordinates
    • Theme 
  • R (Apply Functions)
    • apply()
    • lappy()
    • By()
    • sappy()
    • tapply()
    • vapply()
第七周
  • Business Development- Lead Generation 
    • Overview of Business Development and Sales
    • Lead Generation through Web
    • Lead Prioritization
    • Sales Forecasting and Salesforce Alignment 
  • Case study
    • Lead Analytics
  • Machine Learning Basics- Classification
    • Decision Tree 
    • Random Forest
    • How to build Decision Tree and Random Forest in R 
  • R (data.table Package)
    • Subsetting data the old school way
    • Enter the data.table package
    • Similarities to SQL
    • Tabulation 
  • SQL Interview Questions (Basic) 
  • Capstone Project Review Using R
第八周
  • A/B Testing 
    • Fundamental principles of experiment design
    • Randomized design experiments
    • Matched-pair design experiments
    • Preparing data for analysis
    • Analyze and interpret results 
  • Sentiment Analysis
    • What is sentiment analysis
    • Why sentiment analysis
    • Sentiment analysis in social media 
  • Case study 
    • Twitter SentimentAnalysis
  • SQL Interview Questions (Advanced)
  • R Interview Questions
  • Capstone Project ReviewUsing Tableau
第九周
继续阅读
阅读原文