这个帖子原贴是1年半前开的。近一年发现关注这个专业的同学越发多了起来，很开心这个帖子能带给你们一些帮助的同时，也一直懈于把帖子完全更完。前段时间原贴被莫名删除，联系吧主很长时间但还是没得到回复。加之一些同学想让我重开此贴，我就就着这次机会把这个帖子彻底更完。整理了一些之前同学关心的问题，希望这次的帖子更加全面，也能给大家带来更大帮助。

关于CIM
要了解一个专业，首先要了解这个专业是开在什么科系下的。经常遇到同学问我big dataand digital futures, data science 和 business analytics 这三个专业的区别。这个问题首先就要看他们分别所属的科系。Big data这么一个近年来的热门领域想必很多同学都想接触一下。那么华威大学在这个领域下开设的研究生专业主要就是这三个。Data science开在computer science系下，偏重的应是算法，编程，数据挖掘，R，C++等典型的计算机专业方向。Businessanalytics开在WBS 商学院，学习上更侧重商业应用，偏重的软件会是例如SAS，Python, R, 商业预测，定价分析，文本分析等商业方向。需要注意的是即使是不同专业可能学习相同的软件，他们的应用侧重点可能都是不同的。
讲完前两个专业，那CIM下属的这个bigdata and digital future又有什么特色呢？我们可以先从这个专业的官方介绍了解一下。“In contrast to manybig data focused degrees (e.g. Data Science or Data Analytics) where the focusends up being almost exclusively on data practices and computational tools,this degree provides key skills in a range of theoretical approaches and practice-basedskills.” 下面我就顺着最后强调的这两条特点来聊聊这个系和专业。
第一个是provide theoretical approaches. 这里可以看出这个大数据方向是偏向理论知识构建和理解的。为什么会这样，原因就在这个系的名称：centre for interdisciplinary methodologies--交叉方法系。这个系建于2012年，可以说是非常年轻的一个系了。强调交叉方法就是因为近几年来很多学科和专业逐渐有融合互鉴的趋势。你可以从一些专业了解到，比如行为经济学（要同时掌握经济学和心理学的知识）；再比如商科的一些专业，你需要同时掌握management, marketing,和计量经济学的知识。在这些交叉科系中，方法论被CIM视为产生和交流交叉知识的基石，是跨越专业间鸿沟的基础。打个比方，如果你想结合心理学和经济学两种知识研究一些人类的行为经济现象，你首先面对的就是采用什么样的方法去研究。因为两个原本隶属不同的研究体系，研究方法可能是完全不同的。想打破这种鸿沟，就需要有新的研究方法连接起两个原本不相干的研究领域。这同时也为两个领域的学者互相了解，交流，分享，合作奠定了基础。因此CIM的一大特色就是跨学科研究，主要横跨领域为：Arts, Humanities, Social Sciences andSciences。其实你可以理解为基本全跨了，所以CIM会与WBS, CS, engineering, sociology等专业和科系有合作关系。这在接下来的可选课程可以看出来。
CIM在这个思想的指导下主要关注的是数字化领域，由此下设三个研究生专业：digital media and culture, big data and digital future, urbaninformatics and analytics. 也有好多同学问过我这三个专业的区别，我在这里就简单提一下。这三个专业都是关注digitalization的不同方面。第一个关注的是digital media领域，第三个偏向digital city (urban science)方向。但其实系里近几年也在努力让这三个专业更鲜明，原因是这三个专业有许多（或者说完全一致的）选修课库。因为系里强调交叉方法，所以也就希望不会设置一些某个专业特有的课程，而是希望不同专业的同学在一起学习各自感兴趣的东西，这样可以迸发出更大的火花。所以可以说，这三个专业最主要的区别现阶段是必修课和最后dissertation的不同。但是由于一个专业的必修课可以是另一个专业的选修课，如果你想，完全可以学成一样的专业。因此最大的不同还是大家最后毕业论文方向的不同。下面我就具体介绍一下big data and digital futures这个专业。

关于Big data and digital futures
首先看课程设置。这个专业去年对课程设置做了调整。相较我这届，主要是必修课做出了调整。我这届的必修课是两门：big data research: hype or revolution? 和spatialmethod and practice in urban science. 去年这届的必修变为三门：bigdata research: hype or revolution? , fundamentals in quantitative researchmethods, 和 advanced quantitative research. 据我所知，后两门课去年开始变为本系中只有big data and digital futures专业能修的课。这也是使这个专业更鲜明的一种尝试吧，其实通俗的说就是多了一些定量分析的课程。因为我这届这个专业还是过于偏向理论，所以去年这届多增加了一些量化分析的课程设置。另外，从去年开始，这个专业会定期开设“大师课”，类似集中一天或几天的时间带你入门学习R，可视化等技术，满足条件可以获得证书，这也是强化了这个专业practical方向的特色，这样方便大家更好的找工作。需要注意的是，这个专业入学条件不要求大家有编程或者很强的数理基础，所以这些技术或者量化课程也仅停留在入门或者基础阶段。对于那些希望强化进阶本科相关知识技术的同学，我推荐你去之前提到的另外两个big data专业。否则结课后可能会让你觉得学的太浅略失望。下面我开始逐一聊一下每个课程。

首先是必修的两门定量分析课。因为我这届没有这两门课，所以我也仅能就module介绍的内容做一些简单分析。从我个人角度，这两门定量分析的课都还属于较简单的level,其实并不很难，数学底子不好的同学完全不用打怵。但是我观察到的一点，因为这门课是和隔壁系political science一起上的，教授的内容其实会略偏向传统socialscience,尤其是政治方向的应用。所以咱们专业的同学学这门课的时候还是要自己心里有一杆秤，要多想想怎么应用到自己的领域而不是一味被老师牵着鼻子走，拐到隔壁系你不感兴趣的领域。另外就是这个课程的名称是quantitative research method，所以其实它更适合PHD第一年学习。这种定量课程主要是为了搞research用的，所以可能不会太工作向的practical. 那么对于那些已经有数学基础的同学，我建议你上这门课的时候也不要浪费了机会，主动和老师交流下，自己挖掘下level更高和更难的量化分析应用。毕竟，研究生阶段你不能指望着什么都老师教你，一切还是要靠自己。
第三门必修课big data research.这门课我这届的老师是Emma，一个非常nice的女老师，在我生活学习和申请博士阶段都给了我许多的帮助。但是去年这届是隔壁专业的Michael上的。原因是Emma休假了，希望明年你们这届还是Emma教~毕竟她已经休假回来了。这门课算是纯粹的big data理论课了。涉及内容有什么是big data? Big data会带来哪些问题？big data如何改变传统研究方法？哪些big data的核心理论与research practice相关？我们如何辩证的去认知big data? 以及Big data如何帮助我们实现跨学科？这门课其实完全就是一门开脑洞课，老师会举例很多bigdata相关的研究（政府的，个人的等等），社会热点问题,然后大家一起讨论，开脑洞。最后的考试形式是一篇4000-4500字的论文，选题范围其实非常广泛。我当时的题目是big data如何改变审计行业，因为我本科是accounting and finance专业的。这点算是这个系很特色的一个方面。因为Bigdata可以和许多领域产生交集，因此这个专业的论文一般不会限制你的选题方向，大家可以尽情选择想研究和喜欢的话题，包括你最后的毕业论文。
下面讲下选修课。我这里只讲下我上过的课程，其余课程大家可以去CIM这个专业的官网最看Module介绍。这里想强调的一点是，这个系开的课程最终的考试形式都是论文和presentation形式，没有那种2小时的考试。我之前的另一门必修课spatial method and practicein urban science是和engineering还有CS专业的同学一起上的。这门课前半部分是urban science的理论知识（urban theory，internet of things），后半部分是这个领域的研究方法(spatialmethods and geographic information systems, visualization)和实践。上机课主要学习的软件是GIS.最终的考试形式是presentation+论文形式。Presentation是小组作业，通过收集open spatial/urbandata (e.g. data.gov.uk)去进行一个spatial anaylsis.我们组当时的课题是health inequality in London.对伦敦的healthinequality进行spatial analysis,看它的区域分布，并分析可能导致这种分布的原因。论文则主要侧重urban science的理论理解。这个是3500字的命题作文。我那年是“How are the emerging sources of urban data changing the way citiesdeal with quality of life and what are challenges and opportunities of spatialmethods in this context”
第二门选修课是visualization可视化这门课。可以说也是偏重理论的一门课。前半部分会教一些visualization的理论，概念和相关的技术。第一篇report 1000字，主要围绕这些理论。我的第一篇写的是“How can we deceive people with visualization”. 后半部分主要教授practical的技术，手把手教你做可视化，用的软件是Graph. 第二篇2000字report主要围绕老师给的一些图形参数做一个visualization design和graph，并辩证分析你的可视化结果。第三，四篇1200字的report主要围绕最后几节课的课上可视化实践。（老师会带大家做一些有趣的可视化小游戏，然后大家做一些讨论分析，这两篇report其实就类似一个课后思考反馈的过程）
第三门选修课是digital object, digital method.这门课也是隔壁专业digital media and culture的必修课。主要偏向digitalmedia方向。会教授很多这个领域的概念和技术。如果如何抓空间数据，推特数据，facebook数据等，还有如何分析这些数据。会学到很多软件，但是对中国的微博数据的抓取分析技术聊得很少，毕竟学校老师不会中文。第一篇report 1000字+presentation. 我们组的这个report题目是“What is the role of social mediaplatform in composing the employment issue for Brexit”。这个课可以让大家对时下社会热点讨论的问题进行数据收集和分析，得到一些有趣的结论~第二篇论文3500字，这个主要偏向理论的critical thinking.我的题目是“digital bias insocial media research--combine controversy analysis and actor-network theory(ANT)”
第四门选修课Playful media: Ludification in thedigital age.这门课是在复活节假期集中5天从早9点到下午5点的密集课程。主要仍是偏理论，但这门课主要学习如何用游戏，娱乐的方式（play）了解学习digital concept和object.考试形式为一篇1500字论文，一篇3500字论文和最后一天下午的presentation.我们组的presentation主要讲的是模拟人生这款游戏几个版本变化中隐含的一些gender问题。课上会带大家玩一些游戏，我们组当时玩的狼人杀，所以我1500字论文的题目是“play journal for werewolf”. 3500字的论文我写的是魔兽世界（WOW），题目是“dynamic of cheating in WOW”. 可以说喜欢玩游戏的同学应该会很喜欢这门课。印象很深第一天老师聊起一个单机游戏叫暴雨（有兴趣的大家可以搜一下），然后分析这个游戏中隐含的心理学和社会学的一些理论概念应用。
最后一门毕业论文，每个人会有分配一个指导老师，但请大家注意，他们最多只会给建议，而且有些并不一定正确。自己才是最懂自己论文的人，因为大家选题范围很广，老师也并不一定什么都懂。他最多只能给你一些大概的建议。所以大方向还是请大家自己把握。我的毕业论文研究是smart home智能家居的变迁 “from non-digital to smart:the evolution of television ventures in China through digital innovation” 这个和我的博士方向有关系。告诉大家只是想说可选的题材其实很广，大家尽管去选自己感兴趣的。因为其实现在万物互联，任何东西都可以和大数据扯上关系。

由于每门课所占学分可以选不一样的（15CAT, 20CAT或者30CAT），所以有些同学可能一年就7门课，有些有8门课，有些有6门课，但只要所有module叫起来等于180个学分就可以。大家想学习计算机或者其他系的课也可以和系里沟通商量，基本CS系的课如data mining和data analytics都是可以选修的。犀利有一门课也会和WBS一起上。所以这个系其实在尽量满足交叉学习研究这个点，希望打破专业界限和壁垒。总的来说，本系开设的课程所学的软件，技术都还属于比较基础的，想学进阶的还是可以去选一些其他专业的课或者上大师课。

最后两点。Entry requirement这一块，因为我本科是英制算法，所以2等上60分就可以。总的来说其实我觉得要求不是很高的，主要还是看大家申请时的PS写的怎么样。所以鼓励大家想申请的都可以试试~这个专业也没有什么本科专业限制，不管你本科是工科，商科还是文科，只要你对大数据感兴趣，都可以来申请。系里其实鼓励这种不同背景的同学一起来学习这个专业，这样更符合系里跨学科，跨专业的特色。

然后是往届毕业的同学都在做什么。我其实只了解我们这届的个别同学在做什么，因为这个专业才开没多久，所以其实也没太多数据。总的来说，有进JD，MeiTuan的marketing部门的，有进咨询，商业分析公司的，有像我这样继续读博的。大家方向还是很多的。然后这个系还是中国人偏多，大概占了2/3的比例。大概就写到这么多。具体的还是希望大家去系里官网查一查了解一下，信息更新会更准确，课程介绍也会更加完善。这里放上专业网站方便大家查询：https://warwick.ac.uk/fac/cross_fac/cim/study/msc-big-data-digital-futures/