Duke MQM 就读体验：录取、课程、求职和项目优劣
1201816
分享一下自己去年毕业时候写的一篇干货贴。也根据自己这一年的经历做了一些改进和重评估。希望能帮到大家。求大米！！
Duke MQM 项目介绍
该项目是Duke University下Fuqua School of Business的商业分析一年硕项目，全称为Master of Quantitative Management: Business Analytics （以下简称MQM）。为期10个月，从前一年的7月到第二年的5月，总共有5个小学期，每个小学期时长6周，会上3-4门课。对于该项目的介绍，我想用三个数字进行概括，四个方向，四种课程，三个Tool。
四个方向：作为商学院的BA项目，MQM会根据具体的Business Domain分成四个Track，分别是Strategy, Finance, Marketing和Forensics. 我当时选的是Strategy Track，选择的原因其实是三个：一是因为自己当时目标是Consulting，这个Track课程设置上更加匹配。二是其他Track诸如Finance和Forensics都需要本科的基础，而我本科学的是Automotive Engineering。三是Strategy的Domain Course诸如Strategic Management, Operation都是我很感兴趣的。进去以后发现Strategy Track里面比较多也是这两类，一是有Consulting背景想做Consulting的人，二是Engineering背景，想去Tech或者做Data Scientist的人。Finance Track其实也比较好理解，会学更多Finance相关的内容，诸如Derivatives, Fixed Income Securities, Risk Management。从课程设置上来说，跟金融行业关系更紧密一些。Marketing则更多涵盖Digital Marketing, Customer Relationship Management等相关课程。Forensics我其实相对不太了解，但从录取来看，更多是跟Accounting相关的一些东西，比如Financial Reporting Foundations, Fraud Analytics。Fuqua根据Business Domain Knowledge来设置Track的思路，其实也可以体现这个项目的侧重点：培养Professional Data Science与业务部门之间的桥梁。但从就业上来看，四个Track的影响不会特别大，一是因为学生可以选修其他Track的课程，二是因为找工作阶段实际的Skillset影响远大于具体的Business Knowledge。
四种课程：整个项目大概有4种类型的课程：
1. Data Analytics Course: 这是最重要的，是与Data Analytics直接相关的课程，会学到相关的工具诸如SQL, R和Tableau。
2. Soft Skill Course: 这类课程大多旨在培养Soft Skills，如沟通，团队协作，谈判，演讲。如Business Communication会着重培养Presentation Skills，不管是简单的Elevator Speech，还是复杂的Team Presentation。印象比较深的是第四学期的谈判课程，讲了如何定义Bargaining Zone, BATNA等谈判的知识，也进行了很多次的模拟谈判。这门课也引发了我对于自己之前做采购谈判时的反思，觉得受益匪浅。
3. 自己Track的Business Course：这个大多跟每个Business Domain相关，我所在的Strategy Track主要是Econometrics，Strategy，Operation和People Analytics。后三门其实基本就是三种不同的咨询业务。
4. 选修其他Track的Business Course
三个Tool: 作为一个BA项目，MQM主要还是侧重于三种工具的培养：
1. SQL：刚来第一学期就会学到Data Infrastructure, 其实就是SQL。这门课总的来说也是MQM最难的几门课之一。主要是因为有一些比较Challenging的作业，有的时候能写东到半夜。毕竟作为Business Analyst 或Data Analyst而言，SQL应该是一项比较核心的能力。总的来说，MQM学习SQL的强度和难度，个人认为是足够应付实际工作以及求职的。
2. R (Python): R和Python应该是作为Data Scientist而言最核心而又基础的能力了。而MQM项目主要侧重于R，第一学期的统计学和第二学期的Data Science课程都会涉及到R Code。所以大部分人都会用R做一些Data Cleaning, Modelling以及Visualization。而Python则并不是所有人都会涉及，因为Data Analytics的Course并未基于Python, 记得少数Marketing 的课程会用到一些Python。
3. Tableau: 第三学期的Data Visualization会花一学期的时间专门学习Tableau，会涉及到Tableau的具体操作以及可视化的Design principles，比如如何做到简洁，重点突出等。认真学完的话，很多都能通过Tableau官方的Tableau Desktop Associate 考试。
总的来说，个人认为MQM在Tool层面基本涵盖了最核心的三种工具：SQL，R/Python以及Tableau，作为BA项目来说足够，如果要做DS，可能还需要自己进行一定的扩展。
学习
个人觉得MQM学业压力适中，个人觉得前两学期压力比较大，主要是因为核心并且较难的课程，如Data Science，Empirical Economics以及SQL都在这两个学期。后三学期总体课程较为轻松。总体来说MQM学业压力没有特别大，课程难度比起本科阶段的工程热力学机械制图数电模电来说还是简单一些。毕竟BA项目更多侧重于Data Science和Business的一个交叉应用。
课堂氛围来说真的觉得Fuqua的很多课都是大学以来最好的，无论是教授的专业度，准备度还是学生的积极性和回答的质量。很多教授对待教学的态度都很让我佩服。比如计量经济学的教授Mike回答学生的问题都是单膝跪地，有时候上课有比较好的回答还会在第二天单独写一封邮件说I like your answer。又比如谈判课的老师有一次没有对我的回答做出很好的反馈，第二节课的时候还会记得过来解释。这些教授其实都是很厉害的大牛，还能保持这样的工作态度也是很让人佩服。单凭这一点就觉得美帝教育真的是很强。而活跃的课堂氛围应该说是基于Fuqua自由温暖强调协作的文化的。比如Strategic Management每节课都会讨论一个公司的案例，大家都会畅抒己见，百家争鸣。而Scott教授每次都能从案例中引出一个战略的框架，印象最深的一次是Cirque du Soleil，通过对一个马戏团的业务重塑进行分析，理解的蓝海战略的本质，即解构与重塑。
生活
从飞机上看北卡就是一片森林，实际上也确实是这样。在杜克的生活概括来说就是宁静祥和的乡村生活。虽然吃的玩的娱乐活动这些不如大城市，但总的来说气候好，环境好，生态好。日常娱乐就是看剧荣耀逛学校喂松鼠喂鸭子找野兔。作为一个曾经的北漂，还是比较喜欢杜克的生活的。
求职
其实求职方面个人并没有太大的发言权，总的来说拿到的面试并不是很多，美国公司一共面过四家，BCG，ABB，Capital One和American Credit Acceptance（ACA）。其中Capital One 和ACA走到了终面，因为提前接受了Capital One 的offer，所以最终也没有参加ACA的终面。其实就之前两届的就业数据而言，MQM就业是蛮不错的，大多是找到了Business Analyst, Data Analyst岗位，也有少部分找到了DS岗位。Salary中位数是87K（后来我们这一届是90K)。考虑到杜克在北卡，Location上对找工作其实有很大影响，最后能拿到这个中位数，个人觉得学校Career Center还是很尽力了。
思考：项目优劣势分析
总的来说我觉得MQM是一个非常优秀的项目，大部分同学也都非常的优秀且努力，下面的很多优势劣势大都为个人这一年的一些观察，对比和反思，总体比较Personal，并且不同背景的人也会有不同的理解，下面从我作为一个工科背景毕业生的角度谈一谈我的思考。
优势：
1. Fuqua文化：Team Fuqua
很多商学院都有自己独特的文化，Fuqua商学院的文化我认为是比较温暖、友爱、自由、活泼的。 Fuqua相当强调团队合作，其文化的核心就是Team Fuqua。应该说，在这样一个Fuqua Community里面的教授，校友和同学，大都非常友好，互相帮助。印象比较深的应该是Fuqua Friday。周五的晚上，Fuqua会为大家提供免费的晚餐，吃什么其实并不重要，重要的是大家能够欢聚一堂，吃吃喝喝聊聊天，认识认识新朋友，增进一下感情，是非常有意义的一个活动。学院也会经常组织一些团队活动，比如蹦床，KTV，远足什么的。应该说，Fuqua是一个让人感觉温暖，信任以及可以依靠的环境，在这样的文化下度过的硕士生涯，总体是非常愉悦的。
著名的Fuqua Friday
2. 软技能培养: Communication & Team Work
对于软技能的培养是我认为MQM项目最大的亮点，这里的软技能主要是指Communication, 比如Presentation, Negotiation (对于我而言，还有英语口语)以及Team Work，比如分工合作，信任关系建立以及矛盾冲突。应该说这也是MQM毕业生与其他BA毕业生相比的一个相对优势。我认为MQM能实现这个优势主要基于两点：其一是Team Fuqua的文化土壤，其二是对Soft Skill相当的重视和有意识地培养，Fuqua的大部分工作都是小组作业，这其实比较真实地模拟了真实工作的状态：不同人会有各自优缺点，会有人摸鱼，会有人搞事情，会有分歧也会有矛盾，对于我来说，这种Team-based learning最大的好处是可以Keep Speaking English，同时也为行为面试提供了一定的素材。同时MQM也投入了大量的课程来有意识地培养Communication Skill, 比如两门Business Communication, 一门Negotiation，一门Critical Thinking，对于一个总共没多少课程的一年项目来说，这个投入应该也是相当的奢侈了。
3. Data Analytics课程删繁就简，易于上手
个人觉得MQM对于转专业人士非常友好（比如我），具体体现在其删繁就简的课程设置上，这里的删繁就简，是指MQM课程去掉了一些暂时没必要接触的细节内容，从而更多的专注于核心内容，无论是模型层面还是工具层面。比如Data Science课程中会讲到大部分主要的模型，像Decision Tree, Logistic Regression, Random Forest, Clustering等。但不会讲到诸如Decision Tree的Entropy， 又或者Logistic Regression优化过程中的Gradient Descent这些内容。而工具层面，MQM刚好专注于三种核心工具的使用（SQL, R, Tableau），而不会讲到更多的工具诸如Hadoop, PowerBI, Spark, SAS, AWS, Alteryx, TensorFlow等。这样的课程设置对于培养BA/DA而言性价比较高，对于转专业人士而言也是比较易于上手的。
劣势：
1. Career Resources - 学校Location对求职有一定影响
BA相比Data Science和Software Engineering而言，技术知识门槛没那么高，同时又相当注重实战。在这种情况下，其实学校和个人所能拥有的职业资源对求职的质量和速度会产生较大的影响。基于个人求职经验以及对其他BA项目的一些观察，我认为在求职资源方面MQM是有一些欠缺的，这种欠缺可能是由于所在的位置和城市罗利相比其他南方城市如Atlanta, Austin, Dallas而言并没有足够多的职业资源作为依托，而很多美国公司又偏好于Local Hiring，因此在求职阶段通过学校获得的职业资源会比较局限一些。这个判断主要基于三月份前做出的观察，可能会有偏差，因为三月以后临近毕业的两个月才是招聘和找工作的高峰期，而这个高峰期刚好受到了疫情的影响。这个缺陷可以通过个人实力以及积极Networking进行一定的弥补，不过个人认为学校途径的招聘会省掉很多前期的时间，毕竟大部分人只想拿到面试找到工作，而不是真的要Understand my own curiosity, Research Company, Build up Relationship, Ask meaningful questions, Ask for Recommendation。这或许也是一个长期业内Reputation积累的过程，相信MQM的资源会越来越好。
2. 不够Technical
很多东西都是两面性的，某种优势换个角度审视可能也会是一种劣势。MQM易于上手和重视软技能的特点也决定了其很难做到Technical，这种Technical并非是与Data Science项目相比而言的Technical，而是与其他同类BA项目相比而言, 参考以下Emory MSBA 和UT Austin的课表。这个特点体现在方法论和工具两个层面。就像之前在优势部分提到的，MQM会涵盖作为BA而言最核心和重要的部分，而其他的一些方法会作为Boot Camp的形式，给一些简略的介绍。如果想要走得更Technical，就需要自己进一步加强了。这些方法包括：A/B Testing，Time Series Analysis，Text Mining，Social Network Analysis，Neural Network。这当中的每一个方法，其实都是Data Science很重要的运用板块，都是频繁在各种JD上出现的词语，也都是值得花一整个Course进行学习的内容。工具层面最最主要的是Python，就像Career Center老师说的，很多时候拿到Offer的高低取决于大家Technical的程度，而Python的熟悉程度大大决定了每个Graduate在Data行业找工作的上限，也就决定了机会池的大小，尤其对于中国学生而言。其实其他的一些工具，诸如TensorFlow, AWS, Hadoop如能有涉及，也或许是很好的加分项。其实如果我们将MQM的课表与以下两幅相对比，会发现，不同点就在于MQM将以上提到的技术板块的课程换成了Soft Skill的课程，如Business Communication, Navigating Organization。这或许是MQM在BA项目竞争中的一种差异化策略，从长远来看，这些软技能对于Data岗而言确实是相当重要的，或许也是最重要的，从短期找工作来看，这样的替代可能对学生在Data这样一个技能密集的行业找工作造成一定的短板。
以上的优劣势或许能够帮助大家更多地理解MQM的特色，概括来说，我认为MQM是BA中更软性的项目，其最大特色在于对于软技能全面深度的塑造，这种特色的代价是在Technical角度的一定欠缺。 从BA长远职业发展角度，我对MQM充满信心。从Data Science或者短期找工作的角度，我给出90分，剩下10分，则需要自己通过上网课去弥补ML和Coding方面的欠缺。
Duke MQM 项目介绍
该项目是Duke University下Fuqua School of Business的商业分析一年硕项目，全称为Master of Quantitative Management: Business Analytics （以下简称MQM）。为期10个月，从前一年的7月到第二年的5月，总共有5个小学期，每个小学期时长6周，会上3-4门课。对于该项目的介绍，我想用三个数字进行概括，四个方向，四种课程，三个Tool。
四个方向：作为商学院的BA项目，MQM会根据具体的Business Domain分成四个Track，分别是Strategy, Finance, Marketing和Forensics. 我当时选的是Strategy Track，选择的原因其实是三个：一是因为自己当时目标是Consulting，这个Track课程设置上更加匹配。二是其他Track诸如Finance和Forensics都需要本科的基础，而我本科学的是Automotive Engineering。三是Strategy的Domain Course诸如Strategic Management, Operation都是我很感兴趣的。进去以后发现Strategy Track里面比较多也是这两类，一是有Consulting背景想做Consulting的人，二是Engineering背景，想去Tech或者做Data Scientist的人。Finance Track其实也比较好理解，会学更多Finance相关的内容，诸如Derivatives, Fixed Income Securities, Risk Management。从课程设置上来说，跟金融行业关系更紧密一些。Marketing则更多涵盖Digital Marketing, Customer Relationship Management等相关课程。Forensics我其实相对不太了解，但从录取来看，更多是跟Accounting相关的一些东西，比如Financial Reporting Foundations, Fraud Analytics。Fuqua根据Business Domain Knowledge来设置Track的思路，其实也可以体现这个项目的侧重点：培养Professional Data Science与业务部门之间的桥梁。但从就业上来看，四个Track的影响不会特别大，一是因为学生可以选修其他Track的课程，二是因为找工作阶段实际的Skillset影响远大于具体的Business Knowledge。
四种课程：整个项目大概有4种类型的课程：
1. Data Analytics Course: 这是最重要的，是与Data Analytics直接相关的课程，会学到相关的工具诸如SQL, R和Tableau。
2. Soft Skill Course: 这类课程大多旨在培养Soft Skills，如沟通，团队协作，谈判，演讲。如Business Communication会着重培养Presentation Skills，不管是简单的Elevator Speech，还是复杂的Team Presentation。印象比较深的是第四学期的谈判课程，讲了如何定义Bargaining Zone, BATNA等谈判的知识，也进行了很多次的模拟谈判。这门课也引发了我对于自己之前做采购谈判时的反思，觉得受益匪浅。
3. 自己Track的Business Course：这个大多跟每个Business Domain相关，我所在的Strategy Track主要是Econometrics，Strategy，Operation和People Analytics。后三门其实基本就是三种不同的咨询业务。
4. 选修其他Track的Business Course
三个Tool: 作为一个BA项目，MQM主要还是侧重于三种工具的培养：
1. SQL：刚来第一学期就会学到Data Infrastructure, 其实就是SQL。这门课总的来说也是MQM最难的几门课之一。主要是因为有一些比较Challenging的作业，有的时候能写东到半夜。毕竟作为Business Analyst 或Data Analyst而言，SQL应该是一项比较核心的能力。总的来说，MQM学习SQL的强度和难度，个人认为是足够应付实际工作以及求职的。
2. R (Python): R和Python应该是作为Data Scientist而言最核心而又基础的能力了。而MQM项目主要侧重于R，第一学期的统计学和第二学期的Data Science课程都会涉及到R Code。所以大部分人都会用R做一些Data Cleaning, Modelling以及Visualization。而Python则并不是所有人都会涉及，因为Data Analytics的Course并未基于Python, 记得少数Marketing 的课程会用到一些Python。
3. Tableau: 第三学期的Data Visualization会花一学期的时间专门学习Tableau，会涉及到Tableau的具体操作以及可视化的Design principles，比如如何做到简洁，重点突出等。认真学完的话，很多都能通过Tableau官方的Tableau Desktop Associate 考试。
总的来说，个人认为MQM在Tool层面基本涵盖了最核心的三种工具：SQL，R/Python以及Tableau，作为BA项目来说足够，如果要做DS，可能还需要自己进行一定的扩展。
学习
个人觉得MQM学业压力适中，个人觉得前两学期压力比较大，主要是因为核心并且较难的课程，如Data Science，Empirical Economics以及SQL都在这两个学期。后三学期总体课程较为轻松。总体来说MQM学业压力没有特别大，课程难度比起本科阶段的工程热力学机械制图数电模电来说还是简单一些。毕竟BA项目更多侧重于Data Science和Business的一个交叉应用。
课堂氛围来说真的觉得Fuqua的很多课都是大学以来最好的，无论是教授的专业度，准备度还是学生的积极性和回答的质量。很多教授对待教学的态度都很让我佩服。比如计量经济学的教授Mike回答学生的问题都是单膝跪地，有时候上课有比较好的回答还会在第二天单独写一封邮件说I like your answer。又比如谈判课的老师有一次没有对我的回答做出很好的反馈，第二节课的时候还会记得过来解释。这些教授其实都是很厉害的大牛，还能保持这样的工作态度也是很让人佩服。单凭这一点就觉得美帝教育真的是很强。而活跃的课堂氛围应该说是基于Fuqua自由温暖强调协作的文化的。比如Strategic Management每节课都会讨论一个公司的案例，大家都会畅抒己见，百家争鸣。而Scott教授每次都能从案例中引出一个战略的框架，印象最深的一次是Cirque du Soleil，通过对一个马戏团的业务重塑进行分析，理解的蓝海战略的本质，即解构与重塑。
生活
从飞机上看北卡就是一片森林，实际上也确实是这样。在杜克的生活概括来说就是宁静祥和的乡村生活。虽然吃的玩的娱乐活动这些不如大城市，但总的来说气候好，环境好，生态好。日常娱乐就是看剧荣耀逛学校喂松鼠喂鸭子找野兔。作为一个曾经的北漂，还是比较喜欢杜克的生活的。
求职
其实求职方面个人并没有太大的发言权，总的来说拿到的面试并不是很多，美国公司一共面过四家，BCG，ABB，Capital One和American Credit Acceptance（ACA）。其中Capital One 和ACA走到了终面，因为提前接受了Capital One 的offer，所以最终也没有参加ACA的终面。其实就之前两届的就业数据而言，MQM就业是蛮不错的，大多是找到了Business Analyst, Data Analyst岗位，也有少部分找到了DS岗位。Salary中位数是87K（后来我们这一届是90K)。考虑到杜克在北卡，Location上对找工作其实有很大影响，最后能拿到这个中位数，个人觉得学校Career Center还是很尽力了。
思考：项目优劣势分析
总的来说我觉得MQM是一个非常优秀的项目，大部分同学也都非常的优秀且努力，下面的很多优势劣势大都为个人这一年的一些观察，对比和反思，总体比较Personal，并且不同背景的人也会有不同的理解，下面从我作为一个工科背景毕业生的角度谈一谈我的思考。
优势：
1. Fuqua文化：Team Fuqua
很多商学院都有自己独特的文化，Fuqua商学院的文化我认为是比较温暖、友爱、自由、活泼的。 Fuqua相当强调团队合作，其文化的核心就是Team Fuqua。应该说，在这样一个Fuqua Community里面的教授，校友和同学，大都非常友好，互相帮助。印象比较深的应该是Fuqua Friday。周五的晚上，Fuqua会为大家提供免费的晚餐，吃什么其实并不重要，重要的是大家能够欢聚一堂，吃吃喝喝聊聊天，认识认识新朋友，增进一下感情，是非常有意义的一个活动。学院也会经常组织一些团队活动，比如蹦床，KTV，远足什么的。应该说，Fuqua是一个让人感觉温暖，信任以及可以依靠的环境，在这样的文化下度过的硕士生涯，总体是非常愉悦的。
著名的Fuqua Friday
2. 软技能培养: Communication & Team Work
对于软技能的培养是我认为MQM项目最大的亮点，这里的软技能主要是指Communication, 比如Presentation, Negotiation (对于我而言，还有英语口语)以及Team Work，比如分工合作，信任关系建立以及矛盾冲突。应该说这也是MQM毕业生与其他BA毕业生相比的一个相对优势。我认为MQM能实现这个优势主要基于两点：其一是Team Fuqua的文化土壤，其二是对Soft Skill相当的重视和有意识地培养，Fuqua的大部分工作都是小组作业，这其实比较真实地模拟了真实工作的状态：不同人会有各自优缺点，会有人摸鱼，会有人搞事情，会有分歧也会有矛盾，对于我来说，这种Team-based learning最大的好处是可以Keep Speaking English，同时也为行为面试提供了一定的素材。同时MQM也投入了大量的课程来有意识地培养Communication Skill, 比如两门Business Communication, 一门Negotiation，一门Critical Thinking，对于一个总共没多少课程的一年项目来说，这个投入应该也是相当的奢侈了。
3. Data Analytics课程删繁就简，易于上手
个人觉得MQM对于转专业人士非常友好（比如我），具体体现在其删繁就简的课程设置上，这里的删繁就简，是指MQM课程去掉了一些暂时没必要接触的细节内容，从而更多的专注于核心内容，无论是模型层面还是工具层面。比如Data Science课程中会讲到大部分主要的模型，像Decision Tree, Logistic Regression, Random Forest, Clustering等。但不会讲到诸如Decision Tree的Entropy， 又或者Logistic Regression优化过程中的Gradient Descent这些内容。而工具层面，MQM刚好专注于三种核心工具的使用（SQL, R, Tableau），而不会讲到更多的工具诸如Hadoop, PowerBI, Spark, SAS, AWS, Alteryx, TensorFlow等。这样的课程设置对于培养BA/DA而言性价比较高，对于转专业人士而言也是比较易于上手的。
劣势：
1. Career Resources - 学校Location对求职有一定影响
BA相比Data Science和Software Engineering而言，技术知识门槛没那么高，同时又相当注重实战。在这种情况下，其实学校和个人所能拥有的职业资源对求职的质量和速度会产生较大的影响。基于个人求职经验以及对其他BA项目的一些观察，我认为在求职资源方面MQM是有一些欠缺的，这种欠缺可能是由于所在的位置和城市罗利相比其他南方城市如Atlanta, Austin, Dallas而言并没有足够多的职业资源作为依托，而很多美国公司又偏好于Local Hiring，因此在求职阶段通过学校获得的职业资源会比较局限一些。这个判断主要基于三月份前做出的观察，可能会有偏差，因为三月以后临近毕业的两个月才是招聘和找工作的高峰期，而这个高峰期刚好受到了疫情的影响。这个缺陷可以通过个人实力以及积极Networking进行一定的弥补，不过个人认为学校途径的招聘会省掉很多前期的时间，毕竟大部分人只想拿到面试找到工作，而不是真的要Understand my own curiosity, Research Company, Build up Relationship, Ask meaningful questions, Ask for Recommendation。这或许也是一个长期业内Reputation积累的过程，相信MQM的资源会越来越好。
2. 不够Technical
很多东西都是两面性的，某种优势换个角度审视可能也会是一种劣势。MQM易于上手和重视软技能的特点也决定了其很难做到Technical，这种Technical并非是与Data Science项目相比而言的Technical，而是与其他同类BA项目相比而言, 参考以下Emory MSBA 和UT Austin的课表。这个特点体现在方法论和工具两个层面。就像之前在优势部分提到的，MQM会涵盖作为BA而言最核心和重要的部分，而其他的一些方法会作为Boot Camp的形式，给一些简略的介绍。如果想要走得更Technical，就需要自己进一步加强了。这些方法包括：A/B Testing，Time Series Analysis，Text Mining，Social Network Analysis，Neural Network。这当中的每一个方法，其实都是Data Science很重要的运用板块，都是频繁在各种JD上出现的词语，也都是值得花一整个Course进行学习的内容。工具层面最最主要的是Python，就像Career Center老师说的，很多时候拿到Offer的高低取决于大家Technical的程度，而Python的熟悉程度大大决定了每个Graduate在Data行业找工作的上限，也就决定了机会池的大小，尤其对于中国学生而言。其实其他的一些工具，诸如TensorFlow, AWS, Hadoop如能有涉及，也或许是很好的加分项。其实如果我们将MQM的课表与以下两幅相对比，会发现，不同点就在于MQM将以上提到的技术板块的课程换成了Soft Skill的课程，如Business Communication, Navigating Organization。这或许是MQM在BA项目竞争中的一种差异化策略，从长远来看，这些软技能对于Data岗而言确实是相当重要的，或许也是最重要的，从短期找工作来看，这样的替代可能对学生在Data这样一个技能密集的行业找工作造成一定的短板。
以上的优劣势或许能够帮助大家更多地理解MQM的特色，概括来说，我认为MQM是BA中更软性的项目，其最大特色在于对于软技能全面深度的塑造，这种特色的代价是在Technical角度的一定欠缺。 从BA长远职业发展角度，我对MQM充满信心。从Data Science或者短期找工作的角度，我给出90分，剩下10分，则需要自己通过上网课去弥补ML和Coding方面的欠缺。
