一、课程介绍
新加坡国立大学商业分析硕士（MSBA）由新国立商业分析中心（BAC）提供，旨在培养具有商业分析技能的专业人员，以满足希望通过数据分析改善运营的公司不断增长的需求。
接受新加坡国立大学商业分析理学硕士（MSBA）课程的学生将具备机器学习等技能，以便在金融、零售、信息技术、供应链和医疗保健等各个行业的数据分析领域表现出色。
该课程与各行各业的商业数据分析领域的行业合作伙伴有着密切联系，毕业生可以与该社区的领导者互动并向他们学习，以提高自己在商业分析领域的职业前景和能力。
完成计划后，MSBA毕业生将能够使用相关数据驱动技术和工具理解和解决复杂的业务分析问题，这是一项在本地和国际上不同行业和环境中备受追捧的技能。
二、入学要求
新加坡国立大学MSBA课程的录取标准包括：
1）具有良好荣誉优秀学士学位，最好来自：商业、经济学、计算机、数学、工程、统计学，如果没有商业分析或上述领域学位，应该在专业相关行业拥有至少 2 年相关工作经验。
2）对于海外学位持有者，要求良好的定量GRE / GMAT成绩。如果毕业于新加坡国立大学、SMU、NTU或SUTD任何一所，GRE/GMAT将被豁免。
3）坚实的数学基础。
入学人员的基本组成情况主要如下所示：
三、费用和奖学金
申请费为100美元。新加坡国立大学商业分析理学硕士（MSBA）课程的学费：
1）新加坡国立大学校友：55250新币
2）新加坡公民和永久居民：58500新币
3）国际：65000新币
*学费需加收8%的GST（商品和服务）税。接受该课程offer后，需要预先支付 4000 新元的留位费，此款不可转让，亦不可退款。
针对MSBA课程，新加坡国立大学还对需要经济援助的学生设置了如下的奖学金项目，奖金项目如下：
1）新加坡数字奖学金：由资讯通信媒体发展局提供，旨在培养有抱负的ICM人才，以便在快速发展的数字经济中为行业做好准备；
2）技能未来学习奖：支持有兴趣在信息通信技术领域从事职业的个人。
3）MAS金融奖学金计划：旨在培养应用金融，定量金融，精算科学和风险管理等目标领域的专业领导者。
4）卫生部人才奖学金：颁发给热衷于为新加坡公共医疗保健部门做出贡献的应届毕业生。
5）金融培训计划：为旨在提高新加坡金融业劳动力技能的个人提供财务支持。
四、课程设置
学生必须完成总共44个模块学分，其中包括8个模块（5个基本模块和3个选修课）和1个Capstone Project。
关于Capstone Project：高校会为学生寻找和匹配对口专业的实践项目，引入社会中真实存在的“客户”。这些客户可能来自于企业、政府、国际公益组织，而学生需要基于客户所面临的实际问题，开展严谨调研，提供专业咨询服务和解决方案。
在项目考核方面，学生不仅需要全程协助客户工作、为客户提供服务，还需要将最终项目成果反馈给学校，接受审核和监督，通常要提交一份基于调研的专业咨询报告，并进行成果汇报展示。
MSBA设置的Capstone Project将是一个为期1年的模块，形式包括Capstone课程、行业分析研讨会和3-6个月的全职Capstone Project。在专业咨询Capstone Project结束时，MSBA学生将通过商业分析中心研讨会（BACS）上展示的海报画廊展示其商业分析项目，以前称为商业分析技术之夜（BATE）。
BACS是学生与行业合作伙伴互动，与分析专业人员建立联系并结识潜在雇主的绝佳平台。
一年一度的国大商业分析中心研讨会（BACS）旨在建立行业和学术界之间的持久联系。它聚集了对商业分析（BA）和人工智能（AI）相关领域有浓厚兴趣的志同道合的人，每年吸引数百名行业领先的高管，从业者，学术研究人员和大学生。
了解本科一年级数学，特别是微积分、线性代数以及编程知识的学生将更具有申请优势。
01.基本模块
1）管理经济学分析：研究价格形成、不完全竞争市场中的经济表现、博弈论、信息经济学和实证建模。
2）数据管理和仓储：学习数据库概念、设计和查询数据仓库概念。
3）运筹学与分析：侧重于模型构建、解决方案方法以及与业务决策相关的结果解释。
4）业务分析基础：旨在为数据分析技术和应用提供基础，涵盖了常用的分析工具，如逻辑回归和决策树。包括以下几方面：
-强调对工具背后的直觉理解，而不是数学推导；
-结合现实世界的数据集和分析项目，帮助学生在理论和实践之间架起桥梁；
-让学生掌握使用数据分析软件的实践经验，以可视化概念和想法，并练习解决问题。
5）高级分析和机器学习
02.选修模块
选修模块将帮助学生更深入了解特定行业部门所需的不同分析技术，并建立在基本模块中学到的知识、概念和技能的基础上。通过这些选修模块，学生创新、设计和完善技术和工具来解决复杂问题。
·大数据分析技术模块
1）大数据分析技术：
学习分析无法放入计算机内存的数据，并将此类分析应用于Web应用程序。主题包括map-reduce作为创建并行算法的工具，这些算法对大量数据进行操作、相似性搜索、数据流处理、搜索引擎技术以及非常大的高维数据集的聚类。
2）云计算：
大致了解云计算设计、管理和应用。主题包括管理虚拟化、云计算环境、云设计模式和用例、数据中心架构和技术、云服务实现和保证、云资源的编排和自动化、云容量管理、云经济、案例研究。
3）神经网络和深度学习：
获得深度神经网络的知识以及将深度学习方法有效应用于现实世界问题的能力。学生设计、开发和评估基于深度学习的解决方案，以解决实际问题，例如计算机视觉、生物信息学、金融科技、网络安全和游戏领域。
·消费者数据分析模块
1）动手操作业务分析（消费者）：
学习分析项目的所有阶段，从设计、数据收集、执行和演示。通过组织中的数据管道使用技术工具和统计方法，重点是因果分析和计量经济学识别技术，在向同行、教师、投资者和行业专家开放的公共活动中展示自己的项目。
2）网络科学与分析：
介绍网络科学与分析领域，该领域在网络理论、统计分析和商业智能的融合中迅速出现。学生学习网络基础知识、计算技术和数据集的实践经验，以及接触业务应用程序的组合。
·财务与风险分析模块
1）金融科技、使能技术和分析：
通过真实案例研究和行业中使用的技术（如区块链和人工智能（AI）），来学习金融科技和相关技术的当前发展。
2）定量风险管理：
学习金融和非金融机构用于模拟市场，信用和操作风险的概率和统计方法。涵盖的主题包括损失分布、多变量模型、极值理论、风险度量、风险聚合、风险分配和供应链风险管理。
·医疗保健分析模块
1）医疗保健技术评估中的经济方法：
学习如何进行自己的研究，并通过健康技术评估（HTA）了解他人的研究。该模块还包括健康计量经济学、医疗保健中的成本效益和经济评估以及联合分析。
2）医疗保健分析：
获得对医疗保健分析的见解，包括临床相关和医疗保健运营相关分析，以及如何选择正确的技术来解决相关问题。
3）医疗保健中的信息技术：
学习信息技术（IT）在新加坡医疗保健中的使用，以及如何在工作场所成功管理和评估IT项目。
·统计建模模块
1）应用回归分析：
使用多元回归、模型诊断、补救措施、变量选择技术、非最小二乘估计、非线性模型、方差一因素和双因素分析、协方差分析和线性模型作为广义线性模型的特例。
2）分类数据分析II：
使用分类响应数据和列联表、对数线性模型、建立和应用对数线性模型、有序变量的对数线性和对数模型、多项式响应模型。
3）非参数回归：
使用各种平滑方法，包括核、样条、最近邻、正交级数。
4）生存分析：
涵盖生存时间的概率模型、图形程序、推理过程、参数和非参数模型、cox 比例风险模型、分组数据的回归模型、贝叶斯预测分布。
五、适合人群
该硕士学位课程适用于年轻在职人士和经验丰富专业人士，需要技能和知识来理解商业分析。通过参加该计划，IT、金融、经济或商业领域其他领域的专业人士将获得推进其职业生涯所需的必要技能。
除新加坡学生外，MSBA课程也向国际学生开放，并欢迎全球所有感兴趣的申请者。
六、就业前景