2018/12/10Stephen Turban 唐文理／Seeing The World As A Foreigner

想像一下，你焦慮地坐在房間裡，等著申請結果出爐。突然之間，一大堆電子郵件跳了出來。你讀了讀它們，然後倒抽一口氣。你想念的學校全都錄取了你：史丹佛的數據科學碩士班、哈佛企管碩士（MBA），以及 MIT 的商業分析碩士班。

現在，你得面對那個問題：該選擇哪個碩士班？該怎麼在 MBA 和分析碩士之間做出抉擇？

過去幾年裡，商業分析課程的申請者大幅增加。另一方面，自 2015 年開始，美國的 MBA 申請者則逐年下滑。在這兩股對比鮮明的趨勢之下，申請者自然得仔細思考該選擇何種課程。

絲綢之路教育（Silk Road Education）的焦點，正是協助亞洲學生踏上商業分析職涯。在絲綢之路教育，我們會使用下列的三段式架構，協助學生做出選擇；有意跨足這些領域的學生，在決定申請何類課程的之時，也應該考量這些因素。

考量一：你想做什麼（工作內容）

選擇 MBA 或分析／數據科學碩士之前，應該先思考你喜歡什麼樣的工作。

《富比士》近期的報告顯示，數據科學家有 60% 的時間用於清理和組織資料。實務而言，這代表你在成為專業分析人員之後，會花費很多時間處理精細的程式撰寫工作。

更廣泛來說，專業分析人員得思考，如何利用數據回答商業問題。也就是說，你的焦點在於演算法和數據來源。

剛取得 MBA 學位不久的人，焦點通常會放在比數據分析人員更策略性、更概念性的地方。對大多數 MBA 畢業生來說，工作焦點通常較為高階，隨著職涯進展，工作也可能會以管理、指導和領導團隊為主。

當然，MBA 畢業生仍舊得利用數據回答問題，但直接處理數據的機會較少，而是以設定分析目標、尋求結果為主，也可能不了解這些分析的細節。

我們會在「考量三」進一步討論此事：不要誤將擁有 MBA 學位與管理者劃上等號。數據科學家也能帶領團隊、在組織中向上爬，同理，擁有分析背景，不代表你只能當分析人員。反之，你應該思考自己喜歡何種程度的細節；你想了解分析背後的事物嗎？還是說，你偏好高階和策略性的事物？

選擇 MBA 或分析／數據科學碩士之前，應該先思考你喜歡什麼樣的工作。圖／GaudiLab@ShutterStock

考量二：你想要的報酬（收入）

選擇攻讀目標時，亦需思考財務因素。MBA 和分析碩士在畢業後，何者的收入較高？數據科學家是收入最高的職業之一，但 MBA 也以擁有高薪馳名。

我們可以針對這兩類學位，比較哈佛（類同於頂尖學校）和全國平均（類同於一般學校），來了解其中的取捨。

在哈佛，MBA 二年級學生在畢業後的預期年薪為 14 萬美元，也能拿到約莫 2.5 萬美元的簽約獎金。大致而言，約 30% 的畢業生會加入顧問業，約 20% 加入金融業，約 20% 加入科技業。

接著，我們再來看看哈佛的數據分析學位：工程及應用科學學院（SEAS）的計算科學碩士。2018 年，此課程的畢業生加入了 AirBnb、Facebook、Google 等企業。該課程指出，平均而言，畢業生的年薪介於 8-14 萬美元；因此，我們可以概略推估，平均年薪約為 11 萬美元。

以頂尖學校而言，MBA 學位的財務利益，可能會高於分析碩士。然而，如果不看哈佛，而是觀察全美學校的平均呢？就讓我們跨過查爾斯河，看看位於另一岸的波士頓大學吧。

在此，MBA 的薪資優勢大大減少。波士頓大學的 MBA 畢業生，起薪約為 9 萬美元。另一方面，波士頓大學的分析碩士（可以透過線上課程取得），平均薪資為 8 萬美元。

此外，波士頓大學 MBA 課程的學生，通常會有 5 年的工作經驗，若將此考量在內，薪資差異就會進一步縮小。以排名不那麼高的課程而言，MBA 的薪資優勢幾乎完全消失。

考量三：之後可以去哪裡工作（職涯前景）

除了薪資之外，取得這兩種學位之後，你的職涯會是什麼模樣呢？你可以去哪些地方工作？你對 10 年、20 年後職涯狀況可以抱有什麼樣的期待？

以就職企業的種類而言，分析碩士應該會勝出。麥肯鍚全球研究所指出，到了 2024 年，美國可能會有 24 萬個需要資料分析技能的職缺。也就是說，一流雇主（Google、麥肯鍚、奇異等）極為渴求頂尖分析人才。由於此領域的技術人才較少、競爭程度較低，進入一流企業的機會也比較高。

以紐約大學的數據科學課程為例。數據分析碩士畢業生大多成為蘋果、Uber、Facebook 等企業的員工；MBA 畢業生進入這些企業的門路較窄，大多會去非常不錯、但較為傳統的企業工作，例如德勤、摩根史坦利、普華等（德勤的台灣加盟所為「勤業眾信」，普華在台灣加盟所為「資誠）。

除了薪資之外，取得這兩種學位之後，你的職涯會是什麼模樣呢？你可以去哪些地方工作？圖／GaudiLab@ShutterStock

那麼，找到工作之後呢？你可以選擇什麼樣的職涯路徑？

以 MBA 而言，通往管理高層的道路明確且眾人皆知。這雖然代表競爭十分激烈，但也代表只要結合運氣、技能和努力，確實可以辦到此事。但對專業分析人員來說，職涯階梯的路線就不是那麼明確。

一方面，企業非常希望能找到技術能力強大的領導者。2011 年，財星五百大企業中，僅 12% 有資料長，到了 2019 年，這個數字會升至約 90%。對許多領導者來說，分析就是他們晉升高層的門票。

另一方面，傳統企業常會限制數據科學家和分析人員的領導層進路。大多數企業的領導層，是依循著傳統的 MBA 路線晉升，因此，他們在思考未來領導者時，常會考慮與自己相似的人。可惜，這可能會導致對專業分析人員的隱含歧視，將他們視作不了解商業問題的「資料書呆子」。

從許多方面來看，專業分析人員的職涯多樣性高過 MBA。由於前人留下的足跡比較少，追求成功的機會較多。但在此同時，那也代表可以依循的模範比較少

史上頭一遭，MBA 遇上了真正的挑戰者──分析碩士和商業分析碩士。你在選擇之時，也必須認真思考前述的三項因素：你想做什麼？你想要什麼樣的報酬？你希望 5-10 年後的自己是什麼模樣？

註：去年，哈佛推出了與此大致相同的數據科學碩士班。有趣的是，推出此課程的SEAS表示，新的數據科學課程使該學院的總申請人數增加2%。

For more information and related content, please look at the “Silk Road Education Initiative”

執行編輯：莊承憲
核稿編輯：林欣蘋

2018.12.16 史上頭一遭，MBA 遇上了真正的挑戰者：當企管碩士申請者逐年下滑，「商業分析碩士」是未來嗎？