数据科学（Data Science）一词于二十世纪六十年代被首次提出，而直到2001年才被正式提议设立为一个新的学科，吸收“计算在数据方面获取的进展”作为统计学的延伸。顾名思义，数据科学是一门利用数据学习知识的学科，其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。

数据科学集合了计算机科学/信息技术、数学、机器学习、数学/统计学、软件开发、商科以及传统研究方法等等领域。是一门非常综合且实用的学科。此外，数据科学也对商业竞争有极大的帮助。各个行业的头部公司，如今都会组办自己的行业研究部门和通过大数据分析消费者行为与偏好的部门，例如 Netflix，迪士尼，国内的 BAT，京东小米等大厂。

Data science 出来的学生未来可以成为data analyst（数据分析师）, data engineer（数据工程师）, data scientist（数据科学家）等。

就拿 data analyst 来说，他们的工作主要是从数据库中提取有用数据，再将这些数据转变为可理解的文字，并帮助公司做出决策。根据 glassdoor，data analyst 的平均年薪在十万澳币，属于高薪工作。

此外，data science 的有关职位现在是供不应求。除了 Google，Facebook 这样的信息技术公司，生物、医疗、投行等各行各业也急缺这样的人才。每天客户都会提供源源不断的数据，如何处理这些数据并预测公司未来的发展就变成了目前重要的议题。总的来说，如果你本科读的是 data science专业，那么你未来就业就会轻松许多。

数据科学这个词现在被滥用，它包括的范围可以很广。把 data scientist 放在求职背景里看，它可以分为四个梯队。

第一梯队:真正的 data scientist 应该属于第一类research scientist，这个梯队更偏向于科学家，研究者，就必须要有很强的研究元素在里面。作为第一梯队的数据科学家，定位就是总舵主，研究方案的制定者，所以必要俱备强大的算法设计能力，建模能力。这个职位一般都会录用博士级别的，有经验的人，所以说难度大。

第二梯队：可以理解为第二个梯队的 Data scientist 是第一梯队的执行者，功能性更强，把第一梯队的数据科学家设计出来的方案变成现实。第二梯队有两个分支，一个是更偏向于工程的 Data engineer，另一个分支更偏向于统计和建模，这个分支的数据专家一般都活跃在金融领域。

第三梯队：是 Analytics Advisory/Non-IT Data Scientist，也就是分析咨询师，比起编程能力更需要的是交际能力。对模型的理解能力和交际能力是很重要的。

第四梯队：第四个梯队是就业面最宽泛，职称一般为 Data Analyst（数据分析师）/Business Analyst（商业分析员）/Business Intelligence Developer（商业智能工程师），可能 70% 的时间放在在了数据集整合，数据传输管等方面，当然还包含其它的一些工作，所以它其实偏向engineer一些。