大数据时代的到来，让数据科学——这个在美国研究生热门又高薪的专业受到了越来越多的关注，大数据时代每天都会产生海量的数据，如何从这些数据中提取信息知识就是数据科学的主要任务。如何才能把这些数据变成有用的信息价值被人类所利用，就需要通过一系列的收集、统计、整理、分析、挖掘等方法和技术来实现整个过程。
今天这篇文章我将着重分析三个部分：
1.数据科学与相近专业（商业分析、统计）的区别；
2.申请数据科学专业应当做哪些准备；
3.数据科学专业的就业先关信息。
其一说到数据科学可能很多同学有所疑问：数据科学专业跟商业分析专也的区别是什么？Data Science跟统计又有什么不同之处？其实，数据科学专业大多在文理学院或计算机学院下设，而商业分析一般设置在商学院。二者专业课程有相通之处，也有区别：数据科学更偏向计算机和数学，而商业分析课程会有商科的部分涉及。
二者的应用技能和未来就业领域也有所差别：数据科学与统计相比，主要体现在课程差异及未来方向上：相对来说统计学更偏向科研，设有博士学位；而数据科学则更偏向应用，此专业读博大多数人会考虑转到CS。
其二大多数Data Science项目更倾向录取数学、统计等计量学科背景的学生，同事希望学生有软件编程基础。如果学生的数理基础不是非常强，会比较建议考虑商业分析专业（也需要一定的编程基础哦）。如果要申请院校及专业排名较高的数据科学专业，在达到gpa、托福、gre等硬件考试成绩之外，相关的科研实习经历必不可少：建议实习岗位可参考互联网公司、金融证券公司、电商公司等；科研可参考计算机数据挖掘、深度学习等专业方向。
其三大数据相关的行业或岗位都是比较广泛的，相关数据报告显示，未来几年，大数据科学家的缺口将达到十几万，懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到上百万，其中对大数据处理需求最旺盛的行业有制药业、计算机软件、互联网、科研、生物技术等，可以说，在未来，大数据或数据工作者的岗位将会越来越紧缺。Linkein数据显示，当前美国数据人才缺口约为15万人
IBM预测，2020年数据科学/分析岗位需求增加36.4万个，带来巨大人才短缺，大数据时代的到来，让商业进入懂数据者得天下的阶段，各个行业的公司都在向数据转型，它们都用高薪展现出对数据人才的青睐。
