Computer Science 计算机科学专业是大学生选择的最热门专业之一，同时也是移动互联网蓬勃发展下就业市场上需求最大的专业之一。但除了CS以外，我们发现在招聘市场出现了一个新兴起的热门职业 Data Science 数据科学。计算机科学和数据科学有什么实质性的差异呢？
CS 计算机科学的技能即学即用，非常直观，不像DS需要基于对所应用的业务结合经验和实际理解，才发挥实际价值。计算机科学专业主要掌握与计算沟通交流的语言逻辑规则，如C++，JAVA，HTML5等。因此，长期学习和应用这个专业的技能会在思维模式上非常严谨以及对研究对象有非常高的确定性。与此不同的是DS更强调的是量化分析以及信息解读能力，思维模式相对严谨，对研究对象各种结果的概率。
如果具备CS的背景，在职业延伸方面，可以比较轻松选择DS的转型，或者选择坚持计算机技术领域里更高阶的方面，例如架构师，技术总监，甚至CTO都可以。但DS背景如果要选择计算机技术方向的延伸，则需要大量地补充计算机相关的知识。
Data Science
DS 数据科学家的优势在于业务型全能。与传统的统计分析师或者写代码程序员相比，数据科学家具备三种技能：编程能力，业务分析洞察能力，数据解读能力（讲故事能力），而统计分析师通常只具备其中两样，业务分析洞察能力和数据解读能力。程序员通常也只具备其中一样或两样，编程能力和一部分也具备业务分析洞察能力。
此外，数据科学仍然有行业红利期。随着网络数字化生活的普及度渗透，数据科学的应用也逐渐被越来越多大大小小公司重视。我们常常见到一些比较新颖的岗位，例如，大数据分析专家，经营分析师，需求分析师等，这些都是基于数据科学的应用范畴。与计算机科学相比，因为软件应用的流行更早于移动互联网的普及，具备计算机科学技术的人才数量会比数据科学更多一些，也就是市场竞争和饱和度更高。
数据科学更为灵活，选择门槛更低。CS专业因为存在时间更长，大部分高等院校已经设置完善的专业方向和课程。因此，CS专业的毕业生如果是专业领域知名大学的背景将会是很有利的加分。在福布斯的统计的一项调查显示，50%的计算机领域从业人员毕业于排名前200大学计算机专业，其中30%则集中在前50院校计算机专业。与其相比，数据科学领域的从业者仅有28%持有相应的学位，大部分来自不同的专业。
