| 步骤 | 注意点 |
|---|---|
| 确定申请方向 | 别光看排名，结合兴趣和职业规划选项目 |
| 准备标化考试 | GRE/GMAT选一个，TOEFL/IELTS看学校要求 |
| 提升背景经历 | 实习、科研、项目经历都能加分 |
| 打磨申请材料 | 个人陈述、简历、推荐信都要有重点 |
| 提交申请并跟进 | 别拖到最后一刻，早点提交有优势 |
凌晨三点，我还在改PS，因为我想进MIT的分析硕士
你有没有试过半夜两点还在改个人陈述（Personal Statement）？不是因为deadline快到了，而是因为你知道，哪怕多加一句“我主导了一个数据分析项目”，都可能决定你能不能拿到MIT、NYU或者南加大的offer。我就是那个凌晨三点还在改PS的人，因为我想进MIT的商业分析硕士。那时候我才知道，申请顶尖商学院的分析硕士，不是光靠成绩就能搞定的。
第一步：确定申请方向，别只看排名
很多人一开始都冲着“Top 10”去，但你得先想清楚：你想做金融分析？商业智能？还是偏向数据科学？比如，MIT的Master of Business Analytics（商业分析硕士）就偏重技术与商业结合，课程包括机器学习、数据建模和商业决策。而NYU Stern的MS in Business Analytics则更强调金融与市场分析的结合。选方向前，先看看你以后想进咨询公司、科技公司还是金融机构。
第二步：准备标化考试，别被“可选”骗了
现在很多学校说“GRE/GMAT Optional”，但你要是不提交，就等于让别人多一个理由刷掉你。像南加州大学（USC）的MS in Business Analytics项目，虽然官方说可选，但录取学生中超过80%都提交了GRE或GMAT成绩。TOEFL和IELTS也一样，虽然有些学校接受Duolingo，但像MIT、Columbia这些学校还是只认TOEFL或IELTS。建议目标分数：TOEFL 105+，写作和口语23+。
第三步：提升背景经历，实习比你想象的重要
我在申请前实习了两次，一次是银行的数据分析岗，一次是互联网公司的用户行为分析。虽然都不是大厂，但我在申请材料里写清楚了我做了什么模型、用了什么工具、结果如何，最后拿到了NYU Stern的offer。如果你是应届生，可以考虑参加学校的研究项目，或者自己做个小项目放GitHub上。像UBC的Master of Data Science就特别看重项目经验。
第四步：打磨申请材料，PS和推荐信不能马虎
写PS的时候别写成简历的复读机，得讲个故事。我写PS的时候讲了我怎么从一个对数据分析一无所知的人，变成一个能独立完成用户画像模型的人。推荐信也要找真正了解你的人写，别找教授写你根本没上过课的。像Columbia的Business Analytics项目就有面试环节，他们会问你PS里提到的项目细节，所以别瞎编。
第五步：提交申请并跟进，越早越好
我10月就提交了MIT的申请，结果12月就收到了offer。而有些同学拖到1月底才提交，结果收到的是Waitlist。MIT的分析硕士项目每年只招不到100人，竞争激烈到什么程度？去年录取的学生中，平均GPA是3.7，GRE数学168+，英语成绩平均107。所以，早点提交不仅能抢占名额，还能在面试环节有更多机会。
别光看攻略，现在就动手
我知道你现在可能还在纠结要不要考GMAT，或者要不要找实习。但我告诉你，我身边拿到好offer的人，都是早早准备的。别等别人告诉你“你该申请了”，你自己就得有那个意识。如果你现在不开始准备，等别人拿到offer的时候，你还在纠结要不要改PS。别等了，从现在开始，写简历、改PS、准备考试，一步一个脚印走起来。
