先讲个故事，故事的女主角是一个数学系的才女。
她父母当年一直想让她报考类似统计局之类的铁饭碗岗位。确实，不少同专业女生都倾向这类选择。
女生么，而且读数学系，用她的话说，很多人都不知道能做什么。
她跳槽了3、4次，后来进入一家大型互联网公司的数据挖掘小组。
也就几年时间，她月薪涨到2万多。而她班上几个在统计局上班的同学，至今月薪7千来块。
大家转过头，纷纷说她运气好，这工作刚好踩在风口上了。
But,这仅仅是运气好的原因吗？
我经常在公众号上说，混职场的人，有空最好多去招聘网站上看看。
因为上面的信息量，真是 太 。大。了。
哪怕你不是去找工作，也很容易从岗位的需求量变化、平均薪酬、职能要求中看出一些趋势苗头。
比如近几年热门的数据分析。
前阵子，我一个做大数据开发的学弟说：
“我们公司内部开了数据信息分析课，结果一堆商务、运营、甚至行政人员跑去听，回来还问了我不少问题，搞得我有点儿危机感啊。”
听得我这枚主页君瑟瑟发抖。
为什么现在人们对数据分析，突然感兴趣了？
1、数据分析，岗位缺口大，就业薪资高
从我们熟悉的猎聘数据统计来看，2019年全国大数据人才需求是2015年的12倍！这也将成为现在及未来职业发展的一个重要方向。
对于要具备数据分析能力的人才，企业也愿意开出让人羡慕的薪资。同样一份来自猎聘的数据显示，数据分析人才的平均薪资可达22,322元。
2、数据分析能力是职场必备技能
近50%的岗位需要具备「数据分析」能力，现在几乎大多数热门岗位都会在招聘JD中，给出“具备数据分析能力”这样的招聘条件。
从销售、市场，到运营、产品经理、用户研究等，都试图从各种繁杂数据中看出点门道，获得对市场、产品、消费者等方面的洞见。
毫无疑问，数据分析能力已经成为目前最有潜力，最有"钱"途的能力之一！
那么，跟数据分析关联性紧密的专业都有哪些？答案自然是：数据科学专业！以下，简要介绍数据科学的三类职业方向：机器学习、数据分析和数据科学家。
机器学习工程师
代表了技术含量较高的方向，工作内容主要是开发机器学习系统和用这些系统解决实际问题。一般需要ship production code，做出来的是数据产品。
数据分析员
工作内容俗称analytics (product analytics or business analytics)，从数据中提取insight，估计投资回报比，为产品方向提建议。
Data Analyst的基本工资中值为58777美元。
能够影响薪资的技能包括：
数据分析、Microsoft Excel、SQL、数据库管理与报告、Microsoft Office、数据挖掘/数据仓库、统计分析、数据建模、数据录入、Microsoft SQL Server、Microsoft Access、Microsoft Word、R、Tableau Software、SAS。
数据科学家
IT数据科学家工作内容以高级建模为主，会针对复杂的问题来设计技术方案。它的任务是为建模、数据挖掘和生产目的设计和构建新的数据集流程。确定改进数据和搜索质量以及预测能力的新方法。
那么什么条件才能申请上这些热门的专业呢？
Data Science是近几年被独立分割出的新兴专业，是一门交叉的学科，涉及到很多的领域包括：
统计学、数学、计算机、人工智能、机器学习、数据库、模式识别、可视化技术等多学科的知识。大数据时代的到来，为各个科学领域带来了新的改革。然而其交叉学科的性质和未来广阔的不同专业的就业面，使得众多学科背景的人群都可以参加学习这个专业。
这些专业背景包括：
数学：Data Science无法避免的就是算法，而算法的基础就是数学。
因而数学系的同学如果申请Data Science的话是非常有竞争力的，虽然你可能没有计算机基础，但是你的逻辑思维直接导致了你有很好的处理大数据的能力。
计算机相关专业：计算机在Data Science 方向自然是最具竞争力的。
但是这个专业除了巩固自身的编程能力，更着重了解更多的处理数据的方法。因此，学计算机的同学们，建议在数学方向有一定的基础，不然学的时候会很费脑。如果你申请的方向与经济有关的话，你还能通过大数据专业学习到基础的经济发展知识。
经济学相关专业：在大数据环境下，你有经济学基础，那么恭喜你，你一定比其他专业的同学们更懂得什么数据才是有利于预估经济发展行情的。
因此，如果你有很好的逻辑能力的话，你完全可以学习一些基础的计算机知识和编程，这不但是适应社会发展的知识，也是能让你在今后就业方面如鱼得水的专业。
纽约大学
纽约大学（New York University）数据科学硕士MS in Data Science属于数据科学中心Center for Data Science，学制为2年。
申请人数最多，竞争激烈。学校培养方向主要有深度学习、自然语言处理和数据库。
罗切斯特大学
罗切斯特大学（University of Rochester）是一所美国著名的私立研究型大学，“新常春藤”联盟之一。
罗切斯特大学商业和科学硕士-发现信息学和数据科学 MBS-Discovery Informatics and Data Sciences学制为1.5-2年。
综合了数据管理、统计、机器学习与计算等诸多领域的内容，培养学生成为各行各业的预测建模专家、数据挖掘工程师、分析师等。
核心课程包括8门分析类课程和6门商学院课程，大致如下两类：统计学、分析学与数据挖掘、数据库系统与编程等。
罗切斯特大学要求申请者本科毕业，拥有科学、工程学、数学或商学等专业背景，但没有统计学或数据分析等先修课程要求。
哥伦比亚大学
哥伦比亚大学有一个世界顶尖的大数据科学与工程研究室(Institute for Data Sciences and Engineering)，学生在此参与实验与科研项目。下设的数据科学硕士(MS in Data Science)学制两年。
项目侧重数据挖掘、算法和统计建模(i.e., Algorithms for Data Science, Machine Learning for DataScience, Statistical Inference & Modeling)，培养方案面向业界需求。
哥大的申请是美国数据科学硕士申请难度的第一梯队。条件是要求申请者本科毕业，拥有一定的数学及编程基础，需要递交GRE成绩，但无最低GRE、GPA等分数要求，不可使用GMAT代替GRE成绩。该学院还认可PTE成绩，总分要求不低于68分。
如果您对美国留学还有更多想要了解，请下方留言或者私信我们，我们有资深留学规划老师将提供免费的留学评估与规划服务！