这是一篇专业认知类文章

从0-1帮你迅速setup对专业的精准认知，成功“连线”最适合自己的专业。

本篇要说的专业是数学、统计、IE/OR和其他一些小众专业，它们的共同特点是都比较适合数学相关背景的同学来申请，那么该如何选择呢？

专业的基本信息、就业前景、选校介绍等等基础的选择标准在这里就不一一赘述了，干货包里面都有（你懂的！）这里就给大家点经验之谈，主要是一些专业之间的对比和实例解说。

首！先！

普及一下IE，OM和OR这三个专业的关系和区别：

IE

Industrial Engineering

IE涵盖的方向很多，每个学校又有不同，按Theory/Methodology分包括Optimization, Stochastic Modeling, Simulation, Probability/Statistics等，按应用方向分主要包括Supply Chain Management, Transportation, Financial Engineering, Healthcare, Social Network Analysis等。

OM

Operations Management

OM在国内一般叫做运营管理，一般隶属于商学院下面，在很多学校都和信息系统放在一个系里，比较少有单独成系的。同时很多运营管理系的名字都有着一些差别，不同的名字往往代表了这个系的特点。

比如，UT-AUSTIN 的运营管理系全称就叫做Department of Information, Risk and Operations Management (IROM)，下面设了三个不同的方向，分别是信息系统，决策管理和供应链管理；

又如OSU的运营管理系全称叫做Department of Management Sciences，其Ph.D. 项目分为两个方向，运营管理和决策科学；美国最著名的Wharton商学院，其运营管理系的名字叫做Operations and Information Management Department，由系的名字可见，Wharton也把信息系统和运营管理放在了一起。

OR

Operations Research

OR有偏工科的，也有偏理科的，在美国真正有OR这个program的学校不多，比较有名的有：UNC (Statistics and Operations Research), Cornell (Operations Research and Information Engineering）, Columbia (Industrial Engineering & Operations Research），但是竞争确实很激烈，所以你如果要申请OR的话，除了这几个学校，更多应该考虑申请其他学校IE或者OM下面的OR这个方向。

其实OR可以理解为一个理论基础，用来支撑IE或者OM。在Ph.D.申请的时候，这三个方向是可以混申的，所以接下面我们分析对比的时候会经常把OR，IE，OM三个专业视为一个来看。

其！次！

说下我们决定是否选择一个专业时常见的两个维度：专业匹配度和专业热度。专业匹配度也就是说这个专业跟你是不是match，而热度很大程度上决定了该专业的申请人数。所以这两个方面其实都影响了申请难度。

那么就让我们从以上两个维度具体对比分析一下这几个专业：

专业匹配度：

不同的专业对于申请者的专业技能要求是不同的，简单点说就是对申请者的专业背景要求不同。通过分析专业匹配度，你可以确定自己是不是属于转专业的范畴。

Master

>>>>统计：

数学统计＞其他理工科＞人文社医（越靠左边说明专业匹配度越高，下同）

统计专业一般要求申请者需要有一定的数学背景，特别是转专业的小伙伴，至少要上过我们常说的老三门：高数，线性代数，统计（如概率论）。

>>>>数学：

数学这里就不多说了，因为申请数学master的人很少

>>>>IE/OR:

工业工程＞数学统计＞物理＞自动化＞EE（强电）＞ME＞其他和Engineering相关的专业（如环工）

因为OR的硕士项目很少，所以通常都是申请IE，即工业工程。 国内有这个系的学校不是很多，所以清华的工业工程专业学生申请本专业具有绝对优势。国外来说，Georgia Tech的IE专排很高，但因为IE系很大，所以申请难度不算特别大，而且有时候可以被转到 supply chain的方向。

Ph.D.>>>>数学:

Prefer 数学背景

>>>>统计:

Prefer 统计背景

>>>>IE/ IEOR/ OM：

工业工程＞数学统计＞物理＞自动化＞电子

专业热度：

专业热度其实和就业难易程度相关，也就是说一个专业的就业前景越好，相对的它就越热门。从而导致申请它的人越多，申请的难度也就越大。

Master

统计＞IE/OR （越靠左边说明专业热度越高，下同）

Ph.D.

统计＞IEOR/OM（商学院）＞IEOR/OM（其他学院）＞数学

这里强调一下，IEOR/OM 有的是在商学院下面，有的是非商学院。 两者的就业情况还是有很大的区别的。如果OM/IEOR是在商学院下面， 那么基本上90%的Ph.D.毕业了之后都能找到faculty的工作，而且商学院的老师上班时间灵活，可以创业工作两不误。

而非商学院毕业去当faculty的就不多了（因为确实竞争不过在商学院毕业的Ph.D. ）。所以绝大部门人都去了工业界，比如亚马逊这类大物流公司的研究部，做的工作大致上就是需要读paper研究方法论，结合数学模型运营到公司业务上。

而数学的Ph.D. 找faculty也是比较困难的，一般都是去工业界。很多毕业的时候都成了统计学家（Data Scientist），去工业界找统计或者CS相关的工作。但是这就要求读博期间必须要有充分的准备，比如要自主的培养编程的技能，找一些相关的实习等。 所以总的来说数学Ph.D. 如果好好规划，可以和很多方向结合，比如统计，金融，计算机等，但是如果在Ph.D.期间不好好规划的话，毕业也是比较难找工作的。

Plus：

最！后！

再提几个适合数学相关背景学生申请的小众专业：EM，BA和Data Science：

General的 EM类常见的有：

EM (Engineering Management）, MS&E （Management Science and Engineering）, PM（Project Management）

EM（MEM）比较有名的学校：Dartmouth，Duke，Northwestern（难度相对角度，比较适合有名校情结同学选择），UC-Irvine。不过值得注意的是，有的学校的EM比较偏商科，会要求申请者有一定的工作经验。

MS&E比较有名的学校：Stanford 和Columbia。

总的来说申请IE的小伙伴可以和EM一起混申，而且EM对申请者的专业匹配度要求较低，比较适合数学背景不那么强的同学。

BA（Business Analytics）：

其实开设BA的学校并不是很多，一般在商学院下面，比较好的学校有Gatech，NCSU（顺便说一句，虽然这个学校综排不高，但是统计排名非常高，毕业生在NC也很好找工作），UMN，UT-Austin。

大多数学校的BA是以就业为导向的，贴合就业实际big data-analytical work的角度来培养学生的。课程也以实用唯多，囊括了MIS【小的但是实用的编程（如vba+sql），一些database的知识等】、STAT【教你用统计软件/帮统计软件编程来自动分析等】和部分Management的只是。总的来说比较偏数理的， 适合数学背景不强但是又想学数学方向的小伙伴。

DS （Data Science）：

是一个比较新兴的专业，为了迎合大数据潮流而开的专业。项目也比较少，好的学校比如NYU，Columbia，Northwestern等。最近几年的申请热度也在持续升高，从而带来了难度的加大。大多数项目倾向于录取数学或者统计等计量学科背景的学生，同时希望申请人有软件编程基础，能写程序分析数据。

综上所述，即使只是单纯的数学相关背景的同学，在申请国外Master或者Ph.D.时候依然有非常多的专业可以选择。只有在你对专业足够了解的前提下，结合自身的专业匹配度，参考专业的相对热度，才能选出最适合自己的那个专业。希望看完本篇之后，数学相关背景的同学都能选出跟自己真正“门当户对”的那个专业。

什么？你说你看了这么多还是不知道怎么选？没办法了，考虑选择我们专业的申请服务来帮助你吧。

添加申请方微信小助手a2liuxuejiangzuo，你的彷徨我们解决！留学就是一场没有硝烟的战争，而我们愿意用数年如一日的专业与态度陪你奋战到底。