「21世纪最性感的职业——数据科学家」
2012年，《哈佛商业评论》将极具诱惑的「性感」之花嫁接到了冰冷枯燥的「数据」枝丫上，令数据科学（Data Science）逐渐成为了一个时髦术语。
从那时起，各行各业开始疯狂招聘数据科学家（Data Scientist），美国大学也陆续开设了数据科学专业（Data Science）。DS市场需求量大，起薪高增长也快，前景一片光明。
数据科学硕士学位授予量呈指数级增长趋势
十年后，数据科学已然成为了留学申请中的顶流专业，接力老牌CS与统计。
但在成为最受欢迎（最卷）专业的同时，许多留学生遇到了自身定位不明确、择校难、择业迷茫等问题。不知如何从内卷专业中突出重围，不知自己是否真的适合数据科学家相关的岗位。
这是三亩第一篇完整解读美国研究生各专业申请攻略的文章，涵盖专业介绍、就业前景、申请要求、项目解读与对比、案例分享等等。
如果大家对此类文章感兴趣，欢迎分享给更多的人。同时，如果大家有自己想深度了解的专业，也可以在公众号后台留言，我们会根据大家的需求优先选择专业进行解读。
本文篇幅较长，建议先收藏、先分享，找个时间慢慢读。
数据科学专业，真的适合你吗？本文开始前，先发个小福利：2022fall数据科学相关专业Top100大学的查校表，共计160个项目。在此表的基础上，大家可以更高效率地找到适合自己申请的项目。
留学选校时，我们经常遇到同学张口就问：这个项目好申吗？我的背景能申到吗？
很少有人真的扪心自问：这个项目的课程设置是什么样的？我的背景适合DS专业申请吗？我真的喜欢学习DS吗？我能胜任DS专业的就业岗位吗？
因此，本文前面大篇幅所介绍的，主要是DS是什么、学什么以及能做什么，后文才会解读大家更关心的，我能申请到什么。
数据科学是什么？
DS 词云
上世纪四五十年代，随着原子能、电子计算机等技术的发明，第三次工业革命到来。看似数据科学就是在这样的信息革命浪潮下自然而然涌现的，但数据科学概念的确立，事实上经历了业内大佬们的长期探索，才在本世纪最终确定下来。
最早，数据科学被称为Datalogy，由图灵奖得主Peter Naur在1966年提出，希望代替计算机科学（Computer Science）一词。
1998年，美国台裔统计学家吴建福发表了题为「Statistics = Data Science?」的演讲，又建议将统计学改名为数据科学。
直到2001年，William S. Cleveland 提议将其设立为一个新的学科，作为统计学的延伸，用来研究「计算在数据方面取得的进展」。
数据科学是一门典型的交叉学科，他不仅涵盖了最基础的计算机科学、统计学与数学的知识，随着各行各业对海量信息流处理⽅⾯的业务需求，数据科学家还需进一步了解甚至掌握⼈⼯智能、机器学习、数据库、模式识别、可视化技术等更具体领域的知识。
顾名思义，数据科学是一门利用数据学习知识的学科，可同样需要分析数据的专业其实还有很多，例如Business Analytics、Data Analyst 、Data Engineer等，这些很多也都是申研的热门方向。
我们该如何区分，从中选择一个最适合自己的呢？
举一个例子吧。数据处理可以分为五个步骤：明确问题、抓取数据、数据清理、建模分析、执行。
第一步明确问题与最后一步执行，需要的是极强的分析问题与解决问题的能力。他对商业嗅觉要求更高，而对技术的要求弱一些。商业分析（Business Analytics）就很好地满足了这一点，如果我们查看一下课程设置，会发现BA不要求你有太多的数学、计算机编程等知识，而更偏向于分析、决策和沟通。
第二步抓取数据，需要用到Python/java等编程能力，有点接近于码农需要干的活，数据工程师（Data Engineer）就是在数据处理流程中担当一个偏开发的角色。
第三步数据清理，需要从海量数据中提取出有用的数据，为下一步分析做准备。需要用到SPSS、SQL、R等工具，与数据库打交道，数据分析（Data Analyst）干的就是这么个活。
数据清理偏向于对历史的数据进行分析和描述，而第四步建模分析的核心则是预测。数据科学家（Data Scientist ）在对数据进行分析的基础上，通过建模去预测未来，去预测用户的习惯，在什么场景下使用什么产品。数据科学家不仅需要较强的数据分析能力，更需要的是数据洞察力。
最后，我们在申研时，可能还会看到MS in Analytics分析学项目，他与数据科学（DS）差别并不大，在企业招聘时往往将两者放在一起，大家可以当作同一个专业类别来对待。不过，在选择不同院校的项目时，大家依旧需要查看项目的前置课程与课程设置，来判断最适合自己的学校项目。
理清不同专业、岗位间的区别，同时认清自己的定位，在申研以及找工作时才能如虎添翼、指哪打哪。
数据科学学什么？
数据科学继续向下分类，还可以分为「A/B Test」与「Machine Learning」。
所谓A/B test，就是对照试验。很多公司都会选择用A/B test来收集数据，通过用户行为结果数据不断对其用户体验进行仔细更改，从而做出最佳决策。
Machine Learning机器学习，则是通过建立不同的模型，根据新的数据调整模型，从而决定市场战略，和确定品牌的商业战略。
根据学校项目的不同，学生所要掌握的DS相关知识的侧重点也会不同。但一般都包括数据分析、市场 / 业务分析、行业调研、Python、 SQL 、Apache Spark、Hadoop、Hive、Tableau、Machine Learning等技能。
数据科学能做什么？
综合薪水、工作满意度以及岗位缺口等求职者最关心的因素，美国最大求职网站 Glassdoor 每年都会发布最佳50岗位。
在2016-2019年，数据科学家（Data Scientist）都处于所有岗位中的No.1，而到了2020-2022年期间，该岗位则开始在第二、第三间徘徊。
数据科学依旧是非常火爆的新兴岗位之一，但是高速发展的时代或许已经过去了。
美国DS从业者的学历背景，硕士学位拥有者占据了近一半44.5%；博士学位20.7%，本科只有26.5%。
而国内博士从业者占比仅11.2%，本科从业人数占比上升至39.5%，硕士学位占比40.5%。
从长远的职业发展来看，如果想从事数据科学相关的工作，本科毕业后再攻读一个硕士学位还是非常有必要的。而如果想继续攻读博士，则应该从数学、统计、生物统计、计算机科学与工程和信息系统方面等方向出发，而不是数据科学。
数据科学专业毕业后能去哪些行业呢？
数据科学家的作用就是挖掘数据价值，任何有海量数据的行业，都可以去。
以纽约大学为例，DS专业毕业的一半去了Google、Facebook等科技公司；22%的前往了咨询、投行等金融行业；其余同学则到了制药业、生物技术公司，此外，还有小比例的学生去了政府数据中心，或是继续升造。
毕业后能做什么岗位？
DS毕业生除了去做数据科学家，也可以成为数据分析师、数据工程师、商业分析师这些同类岗位。
我们再以纽约大学为例，大部分学生还是数据科学家，其次是软件开发工程师、研发工程师、机器学习工程师。
数据科学家的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，帮助公司做出决策。比如Uber叫车的ETA、各种定价系统、Airbnb和金融行业的Fraud Detection、Amazon物流管理，FB/Linkedin的社交网络或者ebay/Airbnb/Uber这样供需双方Marketplace市场规模的实验。
DS相关岗位薪资待遇怎么样？
在indeed上，数据科学家的平均薪水在$102,599，Glassdoor上为$107,801，Payscale上是$97,358。总的来说数据科学家在国外工作的薪水在十万美金上下，在所有职业中名列前茅。国内大体在50万到六七十万之间，根据个人能力而定。
聊了这么多，大家知道自己适合申请DS专业了吗？适合数据科学家岗位了吗？
数据科学作为⼀⻔STEM专业，短期来看，在OPT、H1B上就有⼀定的优势。再加上看似非常光明的前景，长期来看，申请人数还将不断提高，申请难度还将不断加大。
申请者在定校前，一定要全⾯、细致的了解该专业的相关信息及开设此专业的相关院校信息，这样才能提高申请概率，从海量竞争对手中脱颖而出。
学位设置DS作为一门职业导向学科，美国大学开设的大部分都是硕士学位，博士学位极少。
数据科学项目多数开设在统计系下，拿到的是理学硕士学位MS（Master of Science），还有不少开设在计算机系下，拿到的一般是工学硕士学位MEng（Master of Engineering），还有的是统计系和工程学院联合授课，或专门的数据科学中心。
例如纽约大学的数据科学硕士就是设立在纽约大学数据科学中心下（The Center for Data Science ，简称CDS）。
DS硕士项目一般为30-36个学分，多数1.5-2年完成，也有个别Professional项目要求时间更短，一年即可完成学业。
由于DS很大程度上依赖于统计方法学和计算机科学，所以本科是计算机、统计学和数学相关专业的同学，申请DS是最具竞争力的。
又因为DS交叉学科的性质和未来广阔的不同专业的就业面，因此除了以上专业外，物理、经济学、其他理工专业也可以大胆申请。
以西北大学MS in Aalytics项目学生为例，数学统计学背景占43.5%，工程与计算机科学背景占28.3%，经济与社会科学占19.6%…
文商科背景的申请者，建议修过相关数学课程，如线性代数，概率论，数理统计，微积分等；计算机方面建议修过CS相关课程，如编程语言Python、R、Java等。美国大学部分DS项目都会对学生有以上先修课的要求，没有修过无法申请，但也有例外。
综合来看，DS相关专业的申请难度、申请要求比其他专业更高，申请者的三围成绩大致均分如下：
- Top10院校：平均GPA：3.8；托福：107；GRE：328
- Top11-30院校：平均GPA：3.63；托福：104；GRE：325
- Top31-50院校：平均GPA：3.6；托福：100；GRE：322
- Top51-100院校：平均GPA：3.4；托福：92；GRE：321
实习方面，最优选择自然是知名数据公司的数据岗，但这类岗位对公司来讲一般太高重要，一般不招实习生，大家也可以退而求其次，选择统计量化或计算机相关的实习。值得一提的是，有全职工作经历的学生，在申请时也会有极大的助力。
如果你的背景相关度不高，那么还可以参加各类科研竞赛来证明你的能力。比较火的有谷歌旗下的Kaggle竞赛，国内还有阿里的天池、上海政府主办的SODA、中国计算机学会主办CCF大赛等。
最早开设DS 相关专业的是北卡罗来纳州立大学，它在2007年就创建了美国第一个分析类专业。在此之后，美国其他大学才开始陆续开设相关分析和数据类专业。
作为美国数据科学和分析类专业的鼻祖，北卡州立大学在其官网上罗列了美国各大院校该学位的开设历史。我们可以看到，自2017年后，美国新增DS相关专业呈现了爆发性的增长。
美国数据科学及相关硕士项目新增统计
分析和数据科学项目开设年表查看链接：[https://analytics.ncsu.edu/?page_id=4184]
在选校时，我们都会习惯性查看U.S.News排名，不论是综排还是专排。但如果我们寻找DS、BA这类新兴专业，会发现这上面并没有统计。
如果此时我们单单根据综排来定校，看到项目名、学校名就觉得这个项目符合自己了，却并没有细读申请要求、课程设置等信息，可能就会收到拒信或在入读后发现与自己未来的就业方向大相径庭。
下面我们就几个热门项目来进行解读，大家可以看一下不同项目间有哪些不同：
哥伦⽐亚⼤学MSDS
哥大MSDS 项目处于美国DS硕士申请难度的第一梯队。该项目要求申请者拥有一定的数学及编程基础，需要学过微积分、线性代数、计算机编程等课程。
22fall申请者GRE可选，语言要求托福100、雅思7.0。录取背景上偏多元化，喜欢名校背景的同学，GPA至少需要在3.7 ，同时要有1-2段实习或者科研等相关经历，能够证明自己拥有比较扎实的数理基础。
课程设置上，学生需修满30个学分，一年半毕业。其中，计算机科学方向有三门必修课程，包括机器学习、数据科学算法等，工程方向一门必修，统计方向三门必修。
大家想了解哥大MSDS项目更详细的信息，可以直接查看官网：[https://datascience.columbia.edu/education/programs/m-s-in-data-science/]
还可以查看哥大官方发布的介绍视频，非常非常详细：[https://www.youtube.com/watch?v=CYqTkuFyccA]
纽约大学MSDS
NYU MSDS项目也是难度最高竞争最激烈的DS项目之一，设立于2013年。成功申请人来自许多不同的本科背景，包括统计学，计算机科学，数学，工程，经济学，商业，生物学，物理学和心理学专业。但不管来自什么专业，NYU都要求学生修读过数学、计算机相关课程，如果接触过机器学习、计算统计、数据挖掘，那么还会拥有更大的竞争优势。
2021申请季中，该项目平均托福成绩111， 平均GRE数学成绩167.4，语文159.3，平均GPA为3.87，难度颇高。
项目时长2年，共计36个学分，班级规模30-40人，且50%为国际生。必修课程如下：
哥大与纽大皆位于宇宙中心纽约，就业率方面大家自然不用担心。
杜克大学MIDS
杜克大学Master in Interdisciplinary Data Science (MIDS)项目为期2年，规模不大，每年招收25-35名学生，录取率16.76%。
该项目十分注重申请者的多元背景，许多申请者都来自商科、医药、文科等非数理专业，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。值得注意的是，超过一半的录取者有全职工作经验。
MIDS课程需要修读42个学分，30个必修，至少12个选修学分。MIDS学生还需要在第一学年和第二学年之间完成暑期实习。
西北大学MSiA
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，招生规模约40人。
申请要求方面，需要提供GRE分数，要求托福95，雅思7.5，GPA不低于3.0/4.0。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，不强制要求有数学统计或计算机科学相关前置课程。
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，每一门课都以之前的课程为基础，强调在商业实际中的学术研究，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。
卡耐基梅隆大学BIDA
拥有全美最顶尖CS项目的CMU，在如数据分析与处理技术等方面也是名列前茅。CMU下设多个数据科学相关硕士项目。其中Heinz College下的信息系统与管理学院主要有4个硕士项目可供学生选择：分别是 Master of Information Systems Management (MISM)， Business Intelligence and Data Analytics (BIDA)，Master of Science in Information Technology (MSIT) ，Master of Science in Information Security Policy and Management。
BIDA项目的目标是要培养学生跨领域具备商业处理分析与预期建模、市场细分分析、数据可视化的能力，从而在顶尖咨询公司、银行和科技公司从事应用数据科学相关的工作。
该项目有16个月的时长，也有针对有工作经验人的12个月时长的项目。项目无最低GPA要求，平均在3.7，托福100以上，雅思7以上。非文科背景的本科学位背景都可以尝试申请，但是需要有一定的量化背景。
在综合排名前30的院校中，有24所学校开设了26个相关项目。本文肯定无法覆盖全部，因此我们准备了22fall数据科学相关专业Top100大学的查校表，共计160个项目。在此表的基础上，大家可以更高效率地找到适合自己申请的项目。
三亩录取最好的DS相关项目，是斯坦福大学ICME，Institute for Computational& Mathematical Engineering。该课程尤其偏好数学计算机统计背景强的科研型申请者，2年硕士课程读完后，继续攻读博士的不在少数。
想了解更多DS相关案例信息吗？即刻私信咨询吧！
