学业规划出国读数据科学值么？

　　十年前数据科学方兴未艾，今天数据科学如日中天，明天数据科学还能火多久？岗位能力的进阶需求让数据分析师、商业分析师完成了历史的汰换，但 数据科学毕竟不是编程，不是推动信息革命与大数据浪潮的主力军 。如今大潮已过，各行各业都在纠偏，回到理智的审视，而不是疯狂的人才储备，数据科学的高速发展阶段也即将成为历史。
　　站在历史的转折点，看出国读数据科学Data Science值得么？ 没有目标，就没有合适的评价体系，那么一切的结论都是片面的 。别妄想通过大多数的情况来替自己谋划未来，也别妄想数据科学是就业的救世主， 不是谁都能成功上岸 。 为什么出国读数据科学？
　　没有目标就无所谓好与坏，值或不值。数据科学不是想自然基础科学一样诞生的学科，是在大数据时代背景下，有强应用导向而诞生的学科，是培养数据分析处理、建模能力的 复合型数据分析 人才。综合能力强，而没有特别的短板，并且具有敏锐的商业嗅觉与经济分析能力，才是数据科学人才的竞争力。
　　商业嗅觉与分析能力更多是在职场中逐渐培养形成 。学校读书只能提升自身的综合数据分析与建模的能力。它不是单一的学科或者技能，而是统计、运筹优化、机器学习、编程等等的综合能力。
　　愿意出国读数据科学的学生大底目标有三个方向：1）强烈的国外工作就业的诉求 2）剑走偏锋拿到更好院校offer 3）本专业无兴趣的尝新。有海外工作就业诉求自然不言自明， 没有过硬的编程等理工科技术，不能直接走计算机，希望通过数据科学过渡 ，跻身互联网亦或是其他行业数据、商业分析岗位。 剑走偏锋为拿名校offer更多是为了读理想的学校，避免某些专业＂内卷＂， 采取的选校策略，而没有明确的职业目标。最后就是 数据科学是很多＂天坑＂专业同学跨出转专业的第一步， 毕竟海外数据科学对于本科学位要求不很严格，商科、理工科、甚至文科都招收。
　　是一位的值与不值， 只要能帮助自己完成留洋读数据科学的目标，就是值的 。要么完成了职业发展的诉求，要么完成的专业转换亦或是教育圈层的进阶。 没学数据科学就干不了数据科学么？
　　与其他学科不同，数据科学是先有了企业的岗位才有了学校的相关学科。 大部分一线的数据科学人才，甚至是管理岗位都不是数据科学专业出身 。毕竟他们跻身这个领域的时候，学校里面还有这个专业。大部分数据科学家也都是从数学、统计、运筹、计算机、工业工程等等理工科专业在职场中转换而来。
　　因此也就没有所谓的对口专业，更没有所谓的对口专业知识， 没学过数据科学，也能成为数据科学家。 当然这也造成了数据科学家面试知识面广而杂，没有人知道一个公司数据科学岗位真正最需要的技能是什么。 谁适合出国读数据科学？
　　在满足个人留学目标的基础上，从就业的角度，有以下几类同学相对来说比较适合出国学习数据科学。 理工科背景，成绩均衡不突出，英语沟通流畅： 这类同学本身不是＂技术宅＂＂科研人＂，对理工科属于可以学，但没有一项例如编程、算法等等超群的技术，但软实力包括英语沟通好，逻辑思维能力强，非常适合读数据科学。摆脱和技术死磕，通过理工科背景入门，快速通过软实力获得职业发展。 文科背景英语沟通流畅没有量化分析背景： 很多文科背景的同学留洋，英语不再是自己的一技之长，显现没有其他过硬技术的短板，也可以通过数据科学来转型，达成＂一技傍身＂的转换，获得职场的新路径。 工作多年无心恋战技术，国内非职业优势赛道： 工作多年依然选择出国，说明国内已非优势赛道。借助数据科学专业，完成海外落地，同时技术栈要求不高，顺利毕业的同时还可以尝试海外职场的新路。 写在最后
　　企业中的数据科学家有点言过其实。 懂建模会算法能写代码的商业分析师，也不是真正意义上的科学家。 真正能有科学产出的甚少，更多的是 秉承科学家的精神，在企业中不断挖掘数据的价值，最终要为业务操盘，为结果负责 。技术方面更多的是在过去商业分析师的基础上，增加了高阶统计建模、机器学习算法、运筹优化算法的综合能力，更好的用数据来解决业务问题。一旦商业分析师在工作中不断迭代提升，满足岗位能力进阶需求，那么数据科学的春天也就随即结束 。数据科学家的岗位更多的不是新增就业，而是旧岗位的能力进阶，因此春天比程序员更短。