录取院校：芝加哥大学

院校排名：2023 USNews #6

录取专业：Master of Science in Analytics

其他录取：纽约大学

院校背景：加拿大皇后大学

原专业：商科

均分：3.93/4.3

语言：豁免

标化：GRE 157+170+4.0

软背景：谷歌/摩根2段在线实习+1段海外教授科研

▌申请优势

1、海本背景

2、GPA和标化高

3、数据分析类技能和实习经历丰富

1、跨专业申请难度大

2、目标定位顶级，竞争激烈

3、由于疫情原因，2段实习+1段科研均为线上完成

学生本科就是我们办理出去加拿大的，因此家庭对于华樱非常信任。在孩子确定了申请美国方向TOP30院校的时候，已经是大三的下学期开学了。自己学的是商科，但并不喜欢，想要跨专业申请data analysis方向，BA商业分析也会一起考虑。好消息是，学生在本科期间重点选了一些cs和stat的课，GPA也保持的不错，但坏消息是，距离申请还剩下大半年，GRE和什么实习都没有。

在和学生深度沟通后，学生明确表示只想考虑DA（数据分析）和stat统计相关项目，不考虑BA（商业分析），同时只想考虑排名高的院校。但因为学生是商学院，很多数学统计和数据分析相关的课程并不丰富，甚至没有修linear algebra线性代数这样一门核心课程，在data项目巨大的竞争下，是很不占优势的。于是华樱老师针对学生情况，做了下面这些工作：

1、首先筛选美国所有data+stat相关项目，明确前置课程要求以及往年录取情况，初步定位在不强制学生有数学、统计、cs相关背景的院校、商科学生可以涉猎项目，比如芝加哥大学的MS Analytics，康奈尔大学的MPS in Applied Statistics，哥大的MA in Statistics，UCLA的Master of Applied Statistics等等。

2、针对学生目前已有的数统和编程类相关课程，再进行进一步的补充，指导学生在本校选课+考虑线上网课；其次，规划2段数据分析相关线上实习（Google+摩根），学生在这两段实习中表现很好，并且也加深了自己要从事DA相关工作的决心。

3、后期因为学生没时间二刷GRE，也没有能选到更核心的数据相关课程，但在最终定校过程中只考虑冲刺院校，不考虑匹配/保底院校，于是我们规划了一段数据分析相关的线上海外科研，用来增加学生的数据分析能力、科研学术能力及竞争力。

网申开放后，明确材料要求和截止日期。确定申请第一轮后，尽量提前完成送分以及推荐信网推等相关工作。在个人陈述的写作上，从学生的背景来说，学生是商科背景，所以华樱老师重点关注提炼学生背景中的的数据和编程相关的能力。查看学生初稿之后，摘取学生有关数据分析相关的课程内容，和学生初步沟通探讨过后，决定从学生课程兴趣出发，引出职业规划。另外，为了提升自己的数据分析相关的能力，学生有参加谷歌+摩根背题的经历，这些经历都帮助丰富了整篇文书。 框架确认后，和学生再反复打磨，确定相关内容和细节，从而形成终稿。递交申请之后，华樱老师也实时查看学生的材料的进度，确保状态完成。

芝加哥大学 （univerisity of chicago)，简称芝大。创办于1890年，位于美国芝加哥，世界著名私立研究型大学，经济学/社会学/法学系实力超群，以盛产诺贝尔奖得主而闻名. 2021年U.S News 世界大学排名，芝大学位居第15名，U.S News 美国大学排名，芝大位居第6名。同是每年申请季申请者们都挤破头皮想进的学校。

MScA主要课程都在芝加哥大学downtown校区。地理位置属于芝加哥市中心最繁华的地段,课余生活比较丰富。这个项目比一般的工程院下的数据科学项目要偏注重实际运用一些，但又比一般商学院下的商业分析项目更扎实一点，是一个很适合就业的项目。同学之中也有很多有多年工作经验，对于应届生们就多了很多networking的机会。同时，这个项目注重实战还表现在课程设置上，大多数课的期末都是project-base而不是考试based，基本上每一节课都要做presentation，要求学校自己组队，找topic，找数据，这是一很好的锻炼soft skill的机会。

申请要求：GPA 3.0以上，GRE/GMAT optional，托福102或IELTS不低于7.0，对跨专业申请较友好，前置课程不做强制要求。

在美国跨专业申请数据相关专业其实难度是很大的。Data本来就是一个很混合的科学目标，其中包含Statistics、Business、Computer Science，任何人任何产品都能用数据处理真实世界的问题。

芝大的这个专业学生在被录取之后、正式开学前就要开始学习prerequisite的课程，主要是Linear Algebra and Matrix Analysis 和 Programming for Analytics，为正式上课打好基础。但为了增加自己的申请竞争力和学习适应度，建议同学们在本科期间就尽量修过线性代数、统计等课程，R、matlab、SAS等编程语言，增加数据分析类相关的实习经验，接触到真正的企业案例上。总结来说，首先要过语言关和高GPA，表现出很强的学术能力，其次在个人陈述上多下功夫润色自己的经历，会大大增加录取概率。