在老查諮詢過的學生中，絕大部分都讀商科，尤其是會計和金融。但實際上，如果你希望未來留在國外工作，你必須思考：「到底在國外什麼專業容易就業「。其實，想知道並不難，但是大部分中國學生對這個比較排斥。
招聘網站報告稱，數據科學家平均年薪為11.9萬美元，而程式設計師平均年薪為6.5萬美元，差距由此可見。你擅長數學，會用Python編程，而且還對某個行業了如指掌？如果你擁有這樣的技能集，那你就有可能當上數據科學家。如果你當上了數據科學家，那你的日子就可以過得風風光光了——LinkedIn的最新投票結果顯示，「統計分析和數據挖掘」是2014年最大的求職法寶。美國招聘網站Glassdoor的報告稱，數據科學家的平均年薪為118709美元（約合人民幣737550元），而程式設計師的平均年薪為64537美元（約合人民幣400974元）。
麥肯錫公司的研究預測稱，到2018年，在「具有深入分析能力的人才」方面，美國可能面臨着14萬到19萬的缺口，而「可以利用大數據分析來做出有效決策的經理和分析師」缺口則會達到150萬。該領域目前異常火爆，紐約大學數據科學中心課程的負責人羅伊-洛倫斯（Roy Lowrance）表示，現在可能已經到了巔峰期，「也許存在着泡沫。」
「無論什麼事情，一旦變得這樣火爆，之後就肯定就會冷下來。」不過，紐約大學希望在未來幾年裏擴大數據科學課程的招生規模，把學生人數從40名增加到60名。本學年還有五個月才會結束，但50%到75%的學生已經找到了比較理想的工作。
為什麼該領域會變得如此火爆？琳達-博奇（Linda Burtch）是芝加哥的獵頭公司博奇工程的董事總經理，她表示，儘管像谷歌、亞馬遜、Netflix和Uber這樣的高科技公司都有自己的數據科學團隊，但那些非高科技公司，比如Neiman Marcus、沃爾瑪、Clorox和Gap，它們現在也需要使用這方面的人才，「很多公司都在物色數據科學家，」她說。
這些公司希望，數據科學專業人才可以挖掘新的信息，來幫助公司開源節流。IBM負責大數據業務的副總裁Anjul Bhambhri表示，航空航天製造商Pratt&Whitney現在可以預測出飛機發動機何時需要進行維護，準確率達到97%，這可以幫助它更加有效地開展業務。
雖然IBM在本月剛剛推出了基於雲計算的Watson Analytics免費增值工具，但是，為了分析非結構化數據，數據科學家常常不得不親自動手編寫專門的軟件程序，這正是數據科學家必須掌握編程技巧的一個原因。
學校教育
洛倫斯說，數據科學家需要具備三項基本技能：數學/統計、計算機能力、在特定業務領域的知識。紐約大學數據科學中心希望招收至少具備其中一種技能的學生，然後培養他們掌握其他技能，讓學生到畢業的時候，可以獨當一面負責處理數據工作。「在學習過程中，他們要做一些數據科學項目，這些項目需要他們用到這三種技能，」他說。
但是，如果你想成為一名數據科學，也不一定非得去大學讀書才行。從今年9月開始，一家名為梅蒂斯（Metis）的公司開始在紐約舉辦為期十二周的數據科學訓練營，費用為1.4萬美元。報名的人非常之多，入學競爭相當激烈。梅蒂斯公司的聯合創始人傑森-莫斯（Jason Moss）說，大約有一半的學生都擁有碩士或博士學位。
第一期訓練營在12月初結束。莫斯說，不過幾周，15名學生中就有6名拿到了聘用通知。
「我不認為訓練營可以替代大學教育，」莫斯說。「訓練營可以提供一條捷徑，讓你以最快的速度找到一份工作，但大學的目的不在於此。但我也不認為你必須上大學才能成為一名數據科學家，」他說：「有一種人，他們天生具有好奇心，有勇氣，有決心，總想把事情理出頭緒，他們在這一行可以幹得很好。」
Anmol Rajpurohit是一名獨立的數據科學家兼顧問，他說，做這一行工作最重要的素質就是能夠快速學習東西。「與專長於任何特定編程語言相比，泛型編程技巧遠遠更加重要。」「在如今這個時代，技術的發展突飛猛進，語言會很快過時，新的語言則將迅速普及。因此，學東西很快的人，會比單獨領域的專家更有前途。」
洛倫斯認為，在某些技能方面，訓練營和網上課程可以為學習者提供很大的幫助。但在另外一些方面，它們的作用就就相對有限了。紐約大學的數據科學課程有一個優勢，就是可以按照正確的先後順序來培養你的技能。
「我們的教學順序可以讓你循序漸進、融會貫通地掌握技能。」
數據科學家要做哪些事？
遊戲公司Playstudios的數據科學家喬恩-格林伯格（Jon Greenberg）說：「在日常工作中，我需要管理一系列控制面板，它們提供的信息可以讓公司知道，我們的生意到底做得怎麼樣？用戶在做什麼事情？」格林伯格現在是一名經理了，所以他編程的時候沒有以往那麼多，但是他有時候仍然需要編程。通常來說，他把數據從Apache Hadoop的存儲器里調取出來，在分析平台Revolution R上運行它，並對它進行一些可視化處理。「比如說，我們可以從中得知一部分用戶如何與新推出的功能互動，」他解釋說。
六年前，格林伯格拿到了統計學的碩士學位。他希望進入政府部門工作，但卻驚訝地發現，公司企業非常需要數據科學家。「那個時候，數據科學領域還沒有現在這麼火爆」他說。現在，他每天都能從獵頭那裏收到一個電話或一封郵件。「這種情況不只是發生在我身上，」他說。「所有的數據科學家可能都是這樣。」對於格林伯格來說，就業機會很好只是一個加分項，因為他本來就熱愛這一行。我認為，要做數據科學工作，你必須得有分析頭腦才行，而且還得有好奇心，他說。「你必須得有靈活性和創造性，構思出不同的方法來解決問題。」這項工作的唯一缺點，格林伯格說，就是「清潔」數據（去掉那些沒有相關性的結果）需要花費大量時間，「這部分任務並不是那麼招人喜歡，你得花很多時間來做它。」
Rajpurohit說，他花了很多精力來清潔數據和做研究。「我很大一部分時間都花在做研究上，因為我經常會遇到全新的問題，因此，我需要研究特定領域最新文獻，或者是找找專家，聽聽他們在這方面的看法，」他說。「儘管數據科學這個名字和藝術毫不沾邊，但是你需要把藝術和科學很好地結合起來。科學的部分很明顯——數學，程序設計等等。但藝術部分是同樣重要——創造力，對語境有着深刻的理解。把這兩部分結合在一起，你就會變得善於解決問題。」儘管如此，Rajpurohit也承認，數據科學並不像眼下很多人以為的那樣善良迷人。這個領域確實是在變得越來越重要，而且也出現了很多高薪機會，但在數據科學家需要做的日常工作中，有很多其實都很枯燥。
你是當數據科學家的料嗎？
每天花大量時間來編程，分析控制面板上的數據，獲得相關信息，如果你對這樣的工作感興趣，那麼你可能就適合幹這一行。但如果你僅僅是想拿高工資，那麼你可能就會覺得這樣的日子過起來苦不堪言。你要知道：真正適合幹這一行的人，常常會在業餘時間裏編寫程序，分析數據，而他們這樣做只是為了自娛自樂。
亞當-弗洛葛爾（Adam Flugel）是博奇公司的數據科學招聘獵頭，他談到了最近遇到的一名候選人。此人擁有博士學位，今年秋天將去電藝公司（Electronic Arts）工作。」弗洛葛爾說：「真正讓他脫穎而出的是優勢是，他在空閒時間也做這種事情，而且純粹就是為了好玩。「他是多人在線遊戲世界《坦克世界大戰》的玩家，領導着一個玩家團隊。於是他編寫了一個從遊戲伺服器抓取數據的程序，然後進行數據分析，評估自己團隊的表現。然後他利用這些信息來弄清應該如何調整自己的戰略，應該招收哪些類型的成員，才能提升團隊的整體表現。」
所以，如果你愛的並不是數據本身，而是它可以給你帶來的高薪，那麼你會發現，自己很難與那樣的人競爭。但是博奇說，每個人都應該學會熱愛數據，即便只是為了自己事業前途着想，也該這樣做。
「十年之內，如果你不是數據大咖，你就別想升到『首席XX官』的位置上。」
但是像史蒂夫-喬布斯、比爾-蓋茨那樣的情況又怎麼解釋呢？他們擁有遠見卓識，並沒有陷入數據科學的細枝末節之中。博奇說：「那是30年前的事了，我說的是未來10年。」
