小德曾写到一句。
“如果是因为对项目的了解不足，而错过了最适合的学校的话，那无疑会是青春旅程中的一大遗憾了”。
但事实证明，比错过了最适合的学校更令人欲哭无泪的事实，是直接从申请项目专业就开始了一段误入歧途。
为了避免标题上出现的“惨剧”再次发生，今天小德就来带大家盘点一下，那些容易在硕士申请中被混淆概念的几组专业。
比如从名称上看上去，就几乎如出一辙的MPP与MPA；以及名字截然不同，但却在所学内容存在交合的BA与DS...
一、商业分析（BA）VS数据科学（DS）
作为新时代的两大“当红炸子鸡”，BA与DS的确存在着不少相似之处。
比如两者其实皆出自于分析学这一项目本源，再比如两者也都是作为“交叉学科”而存在于各大高校之中。
虽然BA与DS的诞生，都是为了满足商业企业在决策中，因为对数据的依赖而带来对数据分析的需求，但它们在构成部分的明细方面其实有着鲜明的不同。
BA专业大多设置在商学院下，课程设置意在数理编程和管理科学中寻求平衡。
因此在课程内容方面，统计学（Statistics）、商科（Business）与计算机（ComputerScience）领域基本以4：3：3的比例平分秋色。
DS专业则普遍被开设到了计算机或统计学院之下，课程设置明显更侧重于培育学生利用计算机进行数据分析的能力。
在DS的课程内容中，计算机（ComputerScience）领域的知识占比超过一半，其余部分由统计学（Statistics）与应用（Application）知识平分。
由课程设置的差异性带来的，自然是“入口”与“出口”的截然不同。
part01
“入口”（申请）
BA专业对于学生建模能力和编程基础的要求并不是太高，但期望申请者具有良好的商业思维意识，以及在PS中展露的出色沟通交流能力与创新能力。
以BA项目的TOP1麻省理工（MIT）举例，BA项目的先修课要求通常会定在数学、统计学、机器学习和计算机编程的相关课程领域，此外GPA与GRE成绩依然申请时可靠的加分项之一。
不过总体来说，BA专业对于申请者的背景要求限制并不算太多，本科是商科、理工科背景的同学都可以进行尝试。
DS专业就无疑对申请者的专业背景要求更高一些了，申请人需要具备出色的数学基础和编程能力。
虽然统计、数学、应用数学、金工等注重量化的专业也都符合申请条件，但一般来说，DS项目最青睐的本科专业是依然是CS。
常见的先修课程包括：微积分、线性代数、统计、计算机编程基础（Python、R等）、计量经济学与概率论。
Part02
“出口”（就业）
BA并不特别局限于行业的一类职位，无论是在各个领域从事商业分析工作，还是投身于咨询公司、四大、投行等担任咨询顾问或数据分析师，对于BA毕业生而言都是一个不错的选择。
该项目目前在美国的各个城市也都有需求，且需求和城市的发展程度成正比。
BA需求较大的地区/城市包括：旧金山地区，洛杉矶地区，西雅图，纽约，德州的奥斯汀+达拉斯，芝加哥，波士顿等。
DS方面的就业出口则大抵分为DataScientist（数据科学家），DataEngineer（数据工程师）与DataAnalyst（数据分析员）这三种。
DataScientist的主要工作内容是建立统计模型，设计实验（A/BTesting），发现datainsight等，要有扎实的数学功底，不错的编程技术来实现模型（Python）以及良好的商业意识。
DataEngineer，主要工作是建立数据科学的pipeline，一般需要对大数据平台非常熟悉，熟练掌握Hadoop，Spark等技术，对统计建模要求不高，但需要有很好的编程能力。
DataAnalyst，主要职责则是数据处理，简单的分析和可视化。
二、金融（MSF）VS金融工程（MFE）
如果说上面那一part的BA与DS，尚且迷惑性还不算太大的话，那么MSF与MFE的差别就无疑是经常令小伙伴们头疼的对象了。
从宏观上来看，其实这两者可以说大体上差别无二，甚至很多学校的项目都是合而为一展开的。
但如果我们把视角放大开来，还是依然能从多个角度找到MSF与MFE的项目差异。
Part01
金融（MSF）
作为历年来美研申请的三大热门之一，商科始终是学生们争相奔赴的“主要战场”，而在“商科战场”中的第一高地，则理应当属是金融行业。
包罗万象的“金融”二字，背后支撑着一个很庞大的概念，这一点从对金融的分类定义上就能看出。
如果我们把金融行业按照对于资金的面向进行分类的话，可以分为买方和卖方。
那如果我们抛开对资本金的面向，从另一个角度，即从公司内部进行分类，则也可以把金融行业分成前台、中台和后台。
这种颇为广阔的调性同样也体现在了“申请”和“就业”之上。
作为美国西海岸最为知名的商学院之一，南加大（USC）的马歇尔商学院（MarshallSchoolofBusiness)始终依靠其出色的商科项目享誉全美，MSF自然也是不遑多让。
但在该项目的