曼彻斯特大学Data Science (Urban Analytics)本身就是一个跨学科项目，既学习数据科学核心技术，也会接触城市规划、房地产分析、空间数据分析等领域内容。课程设置中有固定必修课，同时学生需要从多个方向选择部分选修课程。由于未来就业方向不同，选课思路也会有所区别，因此在正式选课之前，最好先明确自己毕业后的发展目标。

　　（一） 先确定自己属于哪种就业方向

　　很多学生选课时最大的误区就是哪里容易过就选哪里。实际上，这个专业毕业后的发展方向差异很大。有些学生希望进入数据分析、商业分析或者数据科学岗位；有些学生计划进入城市规划、房地产咨询或者政府研究机构；还有部分学生准备继续申请博士。

　　方向不同，课程组合自然也会不同。如果未来目标是数据岗位，那么选课时应尽量强化统计、机器学习以及数据库相关能力；如果希望进入房地产和城市规划领域，则需要增加规划分析和地产相关课程比例。

　　（二） 数据方向学生优先保留技术课程

　　课程中的数据科学核心模块属于整个项目最重要的部分。　　项目本身已经设置了Machine Learning、Statistics、Understanding Databases、Applying Data Science等核心课程，这些课程构成了未来求职数据分析岗位的重要基础。

　　在选择选修课时，如果未来希望投递Data Analyst、Business Analyst或者Junior Data Scientist岗位，建议优先选择与数据处理、决策支持以及数字化分析相关的课程。这类课程虽然学习压力相对较大，但对于简历竞争力提升往往更有帮助。

　　（三） 想做城市分析不要忽视GIS和空间分析

　　很多学生报考Urban Analytics就是因为对智慧城市、城市治理以及空间数据分析感兴趣。这类方向与普通数据科学最大的区别就在于空间数据处理能力。

　　未来无论进入咨询机构、政府部门还是城市研究机构，GIS思维和空间分析能力都会成为重要优势。因此与Digital Planning、Spatial Analysis相关的课程通常值得优先考虑。不少毕业生后期从事城市数据分析工作时，真正拉开差距的并不是Python本身，而是对空间数据和城市问题的理解能力。

　　（四） 房地产方向课程适合哪些学生

　　课程列表中还包含Property Valuation、Real Estate Investment and Finance、Advanced Real Estate Finance等模块。部分留学生看到Finance字样就会直接选择，但这类课程更适合未来希望进入房地产投资、地产咨询或者城市开发行业的学生。如果未来主要目标仍然是互联网数据分析或者科技行业，那么这类课程的直接帮助相对有限。

　　西听留学生选课辅导机构在帮助学生制定选课方案时，经常发现不少学生盲目选择房地产金融课程，结果毕业求职时发现与自身职业规划并不匹配。

　　（五） 成绩和就业要同时考虑

　　选课不能只考虑就业，也不能只考虑容易拿高分。有些课程项目较多，平时作业压力大；有些课程考试占比较高；还有部分课程需要完成大量案例分析和报告撰写。

　　在正式选课之前，最好提前了解Assessment结构，再结合自己的背景进行选择。例如统计基础较弱的学生，可以避免同时选择多门高强度定量课程，否则学期后半段压力往往会明显增加。

　　（六） 论文方向最好提前布局

　　该项目最终需要完成研究项目和毕业论文，而论文选题通常与所修课程存在联系。因此选课时不要只考虑当前学期。如果未来想研究城市交通、房地产市场、智慧城市或者空间数据分析，那么相关课程最好提前纳入选课计划。这样后续开展论文研究时能够积累更多理论基础和数据分析经验。

　　西听留学生选课辅导机构在长期辅导曼大学生过程中发现，提前围绕毕业论文方向进行选课规划的学生，后期论文准备过程通常会轻松很多。

　　对于曼彻斯特大学Data Science (Urban Analytics)专业而言，最理想的选课方式并不是简单选择最容易通过的课程，而是围绕未来职业目标进行组合。如果未来希望进入数据行业，可以重点强化机器学习、数据库和决策分析方向；如果希望从事城市规划、地产咨询或者空间分析工作，则可以增加Digital Planning和房地产分析相关课程比例。选课之前先确定未来发展方向，往往比研究哪门课容易拿高分更重要。