美国留学热门商科专业方向及就业前景

《美国留学热门商科专业方向及就业前景》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、美国留学热门商科专业方向及就业前景美国留学最热门的商科包扌舌哪些专业？就业前景如何？商科是一个人类，包括很多分支专业方向,本文给大家简单介绍下美国大学商科专业方向并分析各个商科专业的就业前景，希望对大家有所帮助。1、会计(Accounting)会计工作是将财政、经济的数据进行搜集、处理、总结，并将之作为指导商业管理决策的科学根据。会计学与商业管理都有着多方面的联系，如成本、税务、利润、预算等都是商业管理屮很重要的一部分。专业会计师是商业管理中不可替代的重要人才。基础知识：数学；快速及精确的分析、比较数值图表的能力，书面

2、和语言交流能力，耐心、细心。就业：就业市场需求量巨大，商业和工业机构都需要会计师。刚毕业的学牛可能当成本会计、查税员等。人部分学生毕业后进入私营公司工作，如人、屮会计师事务所；15%的毕业生白疔开业提供报税服务及财务咨询。工作流动性较大，资深人员可成为公司的中高层管理人员。2、金融(Finance)金融专业是一个非常有前景的专业,个人、公司、政府和私人机构越来越依赖专业金融人员进行冇效的金融悖理。基础知识：社会科学、数学、数值分析、计算机；批判性思维与阅读能力，研究精神，团队合作精神。就业：公司的金融部门，保险、证券、

3、房地产业，政府的财政管理部门等。许多人的理想是去投资银行工作。一般初级人员的工作强度很大，工作时间很长。不同的工作单位，薪水待遇相差极大。3、精算科学(ActuarialScience)对商业风险进行精确评估的学科叫做精算科学，与其相近的专业是风险管理专业。精算专业学习对商业风险进行楮确的计算，为投资、保险提供依据。例如，在某地投资设厂生产某种新产甜的风险；保险公司对保险客户收取多少保费才能既保证赢利，又不因价格太高而使客户流失；等等。基础知识：数学、应用数学；商业知识，与人交流的能力。就业：市场需求量不人，但该专业的

4、学牛数量较少，就业情况训好。毕业生多在保险公司、投资银行工作，成为楮算师、会计师、投资银行家、风险投资家、银行职员、统计师等。“升级”与发展：经济硕士或MBA。有经验的资深精算师年薪远高于10万美元，公司高级主管的薪水常常超过百万美元。4、市场营销(marketing)美国市场营销协会将市场营销定义为:市场营销是企业以顾客需要为出发点，有计划地纽织各项经营活动，为顾客提供满意的商品和服务而实现企业目标的过程。学生主要学习市场营销及T商管理方面的基本理论和基本知识，受到营销方法与技巧方面的基本训练，具有分析和解决营销问题

5、的基本能力。毕业生可以从事市场调研、营销策划、广告策划、市场开发、营销管理、推销服务和教学科研等工作。5、酒店管理(hotelmanagement)在职业规划意识为先的理性冋归下，一些发展前景好、潜力大、薪资高的行业尤其受到家长、学生的关注。其中酒店行业尤被认为是职场上尚未被充分挖掘的“宝藏”。酒店管理，是全球十大热门行业z—,高级酒店管理人才在全球都是一直很紧缺的。近年来，在国际人才市场上，酒店管理人才出现了供不应求的局面。冃前，全世界已有17个国际酒店管理集团在上海投资或管理星级酒店，酒店行业在不断扩充，对人才的需

6、求也不断增加，每年都需要数以千计的国际化酒店管理人才。如果你打算进入并扎根酒店管理类行业，美国许多院校的提供的课程都是不错的选择。6、物流/供应链管理(SupplyChainManagement,Logistics)一般都设在美国的管理学院或商学院，还有的学校把这个专业开设在工业工程(IndustryEngineering)里，这个专业在美国的就业形势非常好，毕业生可以进入各种公司从事物流规划，采购，供应管理分析等职业，工作领域涉及制造业，服务业，卫生行业，零售业等等，就业前景非常乐观，因此竞争比较激烈，较难获得奖学金

7、，半奖的可能性还冇，全奖非常困难。按照不同学校提供的这个专业的特点来看，主耍分为三类：第一类偏重于供应链分析和研究；第二类是MBA的一个分支，需要按照MBA的标准来中请，第三类是偏垂于物流和供应链的管理方法。7、统计学(statistics)虽然统计学从属于数学类，但是从美国大学的设置來看，统计己经慢慢从数学系中独立出來，成为单独的统计系。现在越來越多的学校成立统计系就是最好的证明。在科学技术E速发展的今天,统计学广泛吸收和融合其他学科的新理论，不断开发应用新技术和新方法，深化和丰富了统计学传统领域的理论与方法，并拓展

8、了新的领域。今天的统计学已展现出强有力的生命力。因此统计学研究方向也是百花齐放，但是由于统计木身已经是数学的一个分支，因此统计学研究方向显得很分散。参考美国儿所典型的统计学学校，我们可以对统计学研究方向加以总结。统计学研究方向基础方而包括：(再)样本设计、数据挖掘、随即过程、建立统计模型、模型的选择、时间序列、非参数统计方法、蒙特