21世纪什么最宝贵？数据！有人说Data is the new GOLD!，也有人说Data is the new OIL! 麦肯锡全球研究院更是明确指出“Big Data is the next frontier for innovation, competition, and productivity”。如果你准备修读硕士学位，如果你的目标是站在时代前沿寻找更好的工作机会、更加充分地实现个人价值，那就必须找到指向前沿的知识和技能。数据分析无疑是值得你认真考虑的专业。
之前，小编为大家精心整理过一篇新加坡国立大学（NUS）的商业分析硕士- Master of Science in Business Analytics （MSBA） 的文章，详细分析了专业特点、优势和申请流程。那么今天就为你隆重介绍新加坡管理大学（SMU）近期重磅推出的Master of Science in Accounting - Data ad Analytics（MSA）. 为你呈现新加坡数据分析类硕士的新一项选择。
新加坡管理大学
相信大家对新加坡管理大学（SMU）并不陌生。SMU是新加坡6所公立大学之一，是亚洲顶级的财经类院校，并且与美国多所顶尖商学院保持密切的合作关系，其中包括宾夕法尼亚大学沃顿商学院和卡内基梅隆大学。在UTD世界知名商学院排名中，新加坡管理大学李光前商学院排名第40位，亚洲第三位。而我们今天要讲的Master of Science in Accounting - Data ad Analytics（MSA）所属的会计专业更是在亚洲排名，全球排名第3。此外，李光前商学院和会计学院的本科生和研究生课程都获得了国际商学院联合会（简称AACSB International）和欧洲质量发展认证体系（简称EQUIS）的认证。
Master of Science in Accounting - Data ad Analytics
SMU的MSA项目的特点和前沿之处在于它是亚洲个专注于会计领域的数据和分析硕士学位。与其它数据分析硕士项目不同，MSA的数据和分析着重于深入到大数据分析技术在会计领域的应用。
据立思辰留学360了解，MSA项目是专门为有兴趣发展会计学专业知识，将数据技术应用到该领域以精准解决商业问题专业人士。如何获取并运用海量的数据，如何分析此类数据并获得决策所需的洞见，对于会计和金融领域的公司极其重要。由此市场中也逐渐产生了对于具有熟练数据分析能力的专业人士的高度需求。MSA就是为满足这个人才需求所设置，学生在这个项目中将学习到如何分析大量数据，并产出将为公司带来具有竞争优势的模式和见解。
项目逻辑与优势
虽然这是一个顺应市场需求新成立的硕士项目，但SMU对于如何实现其项目目标，培养出专业的会计领域数据分析人才确实有很深入和系统的思考。
1. 全面且创新的课程：课程设置大体分为三大领域，其中包括专业方面的会计学基础知识，技术应用方面的数据分析编程、建模和数据管理，以及两者的有机结合，运用数据做出财务分析和预测、金融分析工具以及投资估值等。
2. 深入市场的实践：除课程之外，每位学生可自由选择实习或自主研究项目。相信大家都非常清楚硕士过程中的实习对于毕业后的职业选择的重要性。MSA项目专门为学生留出第二和第三学期中的近3个月时间，通过实习切身接触行业与市场，思考所学专业的实际应用和现实需求的契合度，同时也为毕业后的职业选择做铺垫。
3．即时有效的职业准备：为了帮助学生在寻找实习和全职工作的过程中有更充分的准备，MSA项目也为硕士生专门配备了职业发展辅助服务和多种行业分享会。
课程设置
MSA硕士项目需要修满12门课程。课程的内容设置采用了最新数据处理技术与世纪商业案例相结合的方式，通过SMU自制研发的SMU-X的创新教学方法，帮助学生学以致用，不仅掌握必要知识，同时熟知在怎样的应用场景下如何使用基础，解决更高层次、更复杂的会计领域问题。
SMU的硕士项目采用一年三个学期的学制，可选课程包括IFRS财务报告、数据管理、数据编程、会计学信息系统、数据建模和可视化、预测分析等等。各个阶段所涵盖课程可参考下图:
2019申请关键信息
全职硕士：14个月
兼职硕士：24个月
申请时间：2019年8月入学的申请截止时间为2019年5月15日
申请要求
1. 优秀的本科成绩，偏好商科本科。有工作经验的申请人优先考虑。
2. 申请者需要对高等数学和微积分有足够的了解
3. 必备GRE 、GMAT 成绩或SMU入学考试成绩
4. 海外申请者需要提供优秀托福或雅思成绩
5. 初选通过的申请人需要接受MSA录取委员会的面试海外申请者可通过电话形式进行。
这些资源为你助力申请
1. 从基础说起，那必然是要适当地开始熟悉或掌握常用的数据分析工具，其中包括Excel, SPSS, SAS, R 语言和Python 软件等等。其中R因为其开源的特点，扩展性比较强，非常适合数据统计和数据处理。而Python的上手难度很低，特别实在金融和商业分析领域应用广泛在线课程。学习这些语言，现在国内外有很多线上、线下的资源，相信有意向申请MSA的同学们应该不会陌生。
2. 另外在Coursera, Udemy , edX等等每MOOC平台上，有很多data analytics 的相关课程。虽然资源提供院校不同，内容侧重和深浅稍有差异，但不乏为入门的好资源。大家可以初步感受一下这个专业，看是不是自己真正喜欢和擅长的。
