答案是：数据分析师（Data Analyst）。数据分析师的工作是负责挖掘并分析数据，将其转化为可以影响公司决策的信息。一般公司对数据分析师会有以下要求：
硬技能（Technical Skills）
- R编程（R Programming）
- Python编码（Python Coding）
- Hadoop Platform
- SQL数据库/编码（SQL Database/Coding）
- Apache Spark
- 机器学习和人工智能（Machine Learning and AI）
- 数据可视化（Data Visualization）
- 非结构化数据（Unstructured data）
软技能（Soft Skills）
- 分析技能处理大量数据：事实、数字和数字运算，并对其进行分析以得出结论。
- 沟通技巧提供发现，或将数据翻译成可理解的文件，所以需要清晰地写作和说话，轻松传达复杂的想法。
- 批判性思维必须查看数字，趋势和数据，并根据调查结果得出新的结论。
- 注意细节必须确保在分析中保持警惕以得出正确的结论。
另外，比数据分析师更高一层次的则是数据科学家（Data Scientist）。
数据科学家的要求就更严格了：一般受过高等教育，88％至少拥有硕士学位，46％拥有博士学位。虽然有明显的例外，但通常需要非常强大的教育背景。
要成为数据科学家则对专业有较大的限制：通常来自于计算机科学，社会科学，物理科学和统计学。最常见的研究领域是数学和统计学（32％），其次是计算机科学（19％）和工程学（16％）。
成为数据分析师，其实并不遥远
可见，数据分析师的门槛相对而言较低。只要是Technical Skills过关的同学，都可以跨入门槛成为一名光荣的DA。所以每年，都会有很多商科生选择学习技能，转型成为复合型人才。
门槛低地入行，再大把大把赚钱。因此，如今数据分析师已经是留学圈最热门的就业选择之一。
根据Hired薪资机构的权威数据统计，入门级Data Analyst的年薪介于$50K至$75K之间，经验丰富的分析师预计可获得$68K至$127K之间的年薪。
而数据科学家（Data Scientist）的年薪则在$86K至$157K之间。
数据分析师（Data Analyst）的工资远远高于美国中等家庭收入（$51K）。
在美国，数据分析师在西雅图、旧金山湾区、洛杉矶、华盛顿D.C、纽约等多个城市需求量极高，平均月薪更是在$10K以上，你们说是不是财富自由本人？
数据科学申请背景要求：
不论是陆本还是美本，在本科阶段就开设Data Science这个专业的学校并不多，所以大家不要一看自己专业名字和数据科学不搭边就觉得是转专业申请。
首先，本科是计算机科学CS的同学，是最符合申请条件的，因为大多数数据工作都是通过编程和数据库的相关手段进行的，同时学过统计、微积分、高级语言；
例如哈佛大学对于MSDS的本科背景要求是：希望有微积分、线性代数，熟悉概率和统计干涉、能使用至少1种编程语言，例如Python或R，了解计算机科学概念。
Prerequisites we expect from applicants include knowledge of calculus and linear algebra, familiarity with probability and statistical inference, fluency in at least one programming language such as python or R, and an understanding of basic computer science concepts.
其次，本科背景是统计、数学或应用数学，且有一定编程基础的同学也可以申请，这都是很好的专业匹配。
最后，商科背景出身，但量化背景较强的商科专业，比如金工，但又希望能选择一个STEM专业的同学，那DS显然也是个非常好的选择。
所以说，如果你有比较强的编程背景，又有比较好的数理基础，那你就很有竞争力；而纯商科背景的同学，如果没有强的量化背景，或者不懂编程，那建议还是数据科学DS和商业分析BA混合申请，因为商业分析更加偏商科，开在商学院，对商科背景接纳程度大很多。
建议可以从科研方面加强，在大学期间最好找和量化相关的科研，如果实在没有，可以把相关的课程大作业拿来用。再退而求其次，也可以是计算机软件、数据库相关。如果没有科研经历，那将是极大地硬伤。
此外，可以参加一些竞赛。竞赛的平台有很多，比如最近很火的Kaggle，再如阿里的天池、SODA、WID、数据嗨客等。
最后就是实习。实习最优选择应该是数据公司的数据岗，然而现实是这样的岗位由于太过重要，基本不会招实习生。所以建议找一些统计量化相关的或者计算机相关的实习。
美国热门数据科学硕士项目介绍：
哥伦比亚大学
哥伦比亚大学的MS in Data Science 项目处于美国数据科学硕士申请难度的第一梯队。该项目为期1年，学生共需修读30个学分，无需撰写毕业论文。该项目开设获得专业成就认证必需的四门基础课程，学生可以在此课程基础上将数据科学技术运用于各自的兴趣领域。
该项目要求申请者拥有一定的数学及编程基础，最好学过微积分、线性代数、计算机编程等课程，没有强制性的工作经验要求，有的话也会为申请者加分。
项目的学生将有机会从事包括毕业项目在内的独创研究，并与行业合作伙伴以及教学人员沟通互动。毕业生可以选择金融等服务领域工作，也可以选择偏向技术的IT企业。
杜克大学
杜克大学的Master in Interdisciplinary Data Science （MIDS）项目为期2年，该项目致力于培养一批能够使用计算策略来激发创新能力和洞察力，并且善于定量思考的新型领导者。旨在培养学生成为能给任何领域做出贡献的数据科学家，通过跨学科训练与团队合作科学实验的经验促进学生更好地利用数据的力量。项目规模不大，每年招收25-35名学生。
申请要求方面，不强制要求申请者有数学、计算机等专业背景，但是最好要学过微积分、线性代数、统计等数学方面的课程。毕业生去向良好，实习就业机会较多，从事的领域以计算机科学，金融，生物科学等领域居多。
宾夕法尼亚大学
1.项目介绍：宾大的数据科学科学项目MSE in Data Science设置在School of Engineering& Applied Science，Department of Computer and Information Science （CIS） 下。项目属于STEM。
该项目允许申请人使用同一申请账号申请多于一个硕士项目，但需单独提交并单独交申请费，同时选择“希望被其他项目考虑”。宾大修课自由度很大，学生可根据自己的兴趣在CIS系修读双学位或转学。
2.课程设置：项目修课时长通常为1.5/2年，学生需要完成10门课，包括3个部分：
基础课程 Foundations （two course units）
必修核心课 Core Requirements （three course units）
专业选修课 Technical and Depth Area Electives (five course units)学生需要完成Thesis/Practicum其中一项目方可毕业
宾大的DS课程覆盖面非常广，包括生物医学信息、通信和公共政策、机器人、机器学习和人工智能以及数据隐私等多方面，同时Penn Data Science Group还会举办各种讲座、workshop和data project供学生参加实践。
西北大学
西北大学分析学理学硕士项目（MSiA program）由西北大学工业工程与管理科学学院开设，为期15个月。该项目的核心课程由统计学、机器学习、优化、数据库、数据处理组成，每一门课都已之前的课程为基础，强调在商业实际中的学术研究。
申请要求方面。适合本科工程、商学、计算机科学、数学、信息科学技术专业背景的人士。该项目面向商业，加上课程时间较短，有很多的实习机会，大部分学生毕业后选择直接工作，毕业生多进入金融领域。
康奈尔大学
康奈尔大学运筹学与信息工程硕士项目（数据分析方向）为期1年，共计30个学分，要求申请者拥有数学、工程、物理、化学、数学经济学等本科背景，且已经修读过微积分、概率论、统计、计算机编程、数据结构等课程。
每年招收50人左右，其中中国人大约30个。该项目选课自由度很大，并且有选CS系课程的优先级，无论你是想学CS，IS还是商科，金融，统计，统统都可以选。这种选课的自由度放眼全美也是十分罕见的。
毕业生2015年平均起薪达到83925美元，大部分学生进入苹果，微软，甲骨文，Facebook等互联网公司。
南加州大学
南加州大学计算机（数据科学）理学硕士项目需要修满28个学分，要求课程读完GPA不低于3.0，班级规模较小，每年招收20-30人，偏向于理论研究方向。该项目的毕业生可进入微软、百度等世界500强的企业机构。
