在美国，统计学也是这两年来非常热门的申请专业之一，一方面因为该专业的申请难度相对热门专业较低较低，属于基础学科，另一方面就职范围较广(统计局，银行、保险公司、证券公司等金融部门，互联网公司，市场调查公司、咨询公司、各公司的市场研究部门)。下面将会从申请、知识结构和就业等方面揭开统计学的神秘面纱。
申请：
对于国内学生，本科有一定数学基础的都可以申请。因为统计作为一门学科，可以说是数学的分支，也可以说是各行各业都需要的一种分析工具，现在流行的人工智能，机器学习，实际上都是从统计学衍生出来的。
美国的统计研究生课程大多数比较偏向理论方向，如果对数学理论不太感兴趣，更实用的方向可以选择Data Science，Business Analytics，Information Syestem专业，都是很实用，很针对就业的研究生专业。
就业：
统计的研究生，需要在课程中涉及到更多的编程，数据库，或者自学，这样就业更有优势。统计的博士生，很好找工作，毕竟博士都读下来了，钻研解决问题的能力已经得到证明，很多公司也偏好博士生，再加上同门之间的互相推荐。
毕业求职 找工作类型：
1、Data Scientist
职位重要的知识结构：概率论，数理统计，回归分析，R，Python，SQL， 数据库的基本知识，(SAS懂一点)
数理统计中涉及到的假设检验以及其他基础的统计知识，回归分析作为最重要的统计模型，在以后的工作中很重要，虽然R和Python中有很多可以直接调用的东西，但是读懂结果，知其然。知其所以然，需要一些理论知识。R和Python二者其一必须用的很好。
Data Scientist 职位在互联网公司，零售业，金融行业，农业，制造业都有需求。尤其是科技类公司，Google， Facebook/Ins, linkein, Amazon 很多职位，很多中国人。
2、Machine Learning Engineer
计算机背景好的学生的机会，是当下新的工作职位，专注于各种机器学习算法的设计，需要较强的计算机背景C，Python 二者其一必须用的很好。找工作职位名称是一方面，更多还是看职位介绍，每个公司职位名称一样，单所负责职能都有所差异。
总而言之，一定的理论知识 + R，Python，SQL 对于统计研究生很重要，这些基本技能之余能学习大数据基础架构，如haoop， spark 是非常好好的事情，在简历中会成为一大亮点。
