好的申请，是看见过去未曾发现的自己，
也看清未来该往哪里走。

我们把她过往的经历重新放在一起：童年的长期分离、女篮、跨国摄影、经济学社团、教育公益组织、商科实习，以及疫情期间组织的跨国捐赠。它们原本只是并列的人生片段，并没有一件是为「申请教育政策」而做。

真正重复出现的，是她对教育机会与人的成长的关注。一个小规模社团逐步发展为跨学校的教育组织，规模扩大后出现的资金和师资问题，又让她看见：只靠个人执行能够解决一部分问题，却无法替代制度层面的改变。

四所学校并没有共用一篇文书。我们先确定共同的核心，再根据项目的审核方式重新组织材料：

• 哈佛版本从个人经验写到教育实践，再写到实践的边界与政策学习的必要性。商科经历不单独罗列，而是作为她解决资源、运营与执行问题时的判断基础。
• 芝大版本更重视学术潜质，因此女篮、摄影和公益组织不再只是成长故事，而被重新组织为她如何观察人、理解制度，并从现实中提出问题的证据。

四所全部录取，她最终选择了哈佛。毕业求职时，Harvard 的院校背景帮助她获得了更多进入面试的机会，而真正完成转化的，仍然是她的商科基础与案例面试表现。最后，她进入了 MBB。

我们逐段追问她在每份实习中究竟看到了什么、怀疑了什么、又根据什么作出判断。在一次私募尽调中，一家食品工厂宣称已实现自动化生产；她继续追问成本、研发与实际落地情况，却始终得不到可验证的答案，最终建议不投。这个细节让她的能力从「参与过尽调」变成了可以被看见的专业判断。

四段经历实际上是她与数字和业务之间逐步改变的四个位置：在会计师事务所从企业内部理解账目，在券商从外部读财报与估值，在私募尽调中验证一家公司的叙事是否可信，再到出行平台直接用数据支持业务决策。

在会计线中，我们突出她对数字可信性的审视；在商业分析线中，则突出她如何走进业务现场，用数据找到可执行的决策。同一组经历没有被硬拆成两个人设，而是呈现她在两种角色中真实存在的能力。

会计线拿下 Cornell、UMich、UIUC，UIUC 还带了奖学金。商分线拿下 JHU Carey 和多伦多 Rotman。

第一步不是写文书，而是回去把实习问清楚。我们让她重新去问店长，那家酒店的运营到底发生了什么。店长提供的是一组日常运营信息：同品牌两家店开在同一个高铁枢纽，彼此存在竞争；周中商务客将出租率推至 95%，周末则回落到 60%；节假日客流是平日的 1.5 倍；酒店区分周中与周末定价，并根据当日流量调整；客源构成为会员 60%、第三方渠道 20%、协议客户 20%；一年下来，出租率同比增长 10.7%。

学生说「什么都没做」，是因为她只看见了日常运营，没有意识到这些信息背后的分析问题。

换个角度，同一组信息就不再是流水账：两家同品牌酒店位于同一枢纽，构成了具有可比性的样本；根据客流调整价格，是动态定价场景；周中与周末的客群差异，则是现成的分群问题。

在确认酒店的真实业务场景后，我们的专业老师进一步介入，帮助她识别可以继续研究的问题。随后，她在老师指导下完成相应的数据分析和建模，包括客户分群、动态定价、时间序列需求预测、获客渠道分析和数据看板。所有素材都来自真实发生过的业务场景，老师的工作是帮助她选择合适的方法，并准确呈现实际完成的分析。

还有一层是成长曲线：两个暑假都在同一家酒店，就按照能力进阶来组织。第一阶段完成描述性分析，处理订房数据、识别季节性规律并搭建 KPI 看板；第二阶段在学完专业课程后，进一步进入建模。招生官读到的不只是一段实习，而是一条从描述到预测、从分析到落地的成长曲线。

文书里最有价值的也不只是结果，而是一段不断调整方法的过程：先使用线性回归，但变量之间呈现明显的非线性关系；随后改用 ARIMA，能够拟合常规趋势，却无法捕捉本地活动引发的需求突增；最后将活动日历和天气作为外生变量纳入模型。三次调整体现了她如何发现模型局限，并据此改进方法。比起简单罗列做过什么，这个过程更能呈现她是如何思考的。

芝加哥大学 Applied Data Science。

这个案子一共做了 31 小时一对一沟通：20 小时文书讨论，10 小时面试培训。逐段追问时，她在不同经历中反复提到同一件事：如何让一个尚未被理解的项目，获得投资者的注意。把早期项目筛选、产业资本和公开市场相关经历放在一起，可以看到一条从早期发现到进入资本市场的链条。

更关键的不是「做过不同阶段」，而是她在这些位置上做着相似的工作：把技术与商业信息翻译成资本能够理解的语言，也在资本市场的标准中识别那些尚未被充分看见的价值。这条「双向翻译」的主线，来自她真实做过的事。

主线确定后，所有细节都需要回到证据。我们核对了上百页一手资料，逐一确认文书中的每个判断是否真正属于她，也确认她在项目中的角色没有被放大。她可以写自己看到了什么、如何理解，却不能把别人设计的交易逻辑写成自己的成果。

在 MIT 的申请中，重点不只是她能识别价值，还有她曾从零开始推动一个公益科技项目，把判断变成了实际行动。这一部分让「分析能力」和「builder」之间形成了可验证的连接。

面试阶段单独投入了 10 小时。我们先按面试时长和提问方式反推节奏，再把素材整理成可以灵活调用的故事库。金融经历不能只用行业术语来讲，每个案例都要让非金融背景的招生官也能听懂她遇到了什么问题、作出了什么判断。训练前期先补齐素材，后期则不断做减法，使回答在有限时间内仍然清楚、完整。

MIT Sloan Deferred MBA 最终录取。

实习中最值得展开的，是一次健身器材维修市场的私募尽调。她先将市场拆成不同场景，用「站点数 × 单点支出」做 bottom-up 估算；再通过专家访谈发现，部分大学健身房有内部维修能力，并不会将需求外包，因此将这部分从模型中剔除。

公开数据不足以支撑利润率判断时，她寻找了业务模式相近的可比行业，并进一步识别出订阅制与一次性服务对利润率的影响。最终她没有为了完成模型而强行给出积极结论，而是基于整合成本、增长空间与退出路径的限制，提出不建议投资。这条完整链路成为文书中最有力的专业证据。

文书没有把三段实习写成三个互不相干的岗位，而是按「数据如何进入判断」来组织。在审计项目中，她从收入变动继续追到客户集中度、应收账款与信用风险；在投资项目中，她通过一手访谈修正市场模型，并在数据不完整时明确说明假设与限制。

她对航空业的长期兴趣则提供了另一组证据：一边从财务与市场角度研究公司表现，一边利用大规模乘客反馈数据分析运营与客户体验。外部的投资视角与内部的运营视角，因此被收进同一条主线。

「既然拿到了四大的 return offer，为什么没有接受？」这个问题出现在后续面试训练中，而不是文书挖掘阶段。她第一次回答时按时间线讲了很长的心路历程，但没有先给出核心理由。

我们把回答重新组织为：审计帮助她理解一家公司过去发生了什么，而她更想参与的，是如何用分析支持未来的行动。这个回答没有否定审计经历的价值，也自然连接了她为什么转向金融。所有专业案例也都要用非行业人士能够听懂的语言解释，而不是默认面试官了解金融术语。

MIT MFin、Yale Asset Management、LBS、Columbia MSBA 与 UChicago MiF 全部录取，UChicago 带 3.2 万美金奖学金。