“数据科学与大数据技术”专业是近两年才设立的新专业。“数据科学与大数据技术”专业有着很好的就业前景并且就业的宽度广，就业薪资待遇水平高，缺点可能在于专业设立较新，教学课程设置上可能无法跟上大数据人才培养的技能需求。

“数据科学与大数据技术”专业的人才培养方向：

分析类岗位

分析类工程师。使用统计模型、数据挖掘、机器学习及其他方法，进行数据清洗、数据分析、构建行业数据分析模型，为客户提供有价值的信息，满足客户需求。

算法工程师。大数据方向，和专业工程师一起从系统应用的角度,利用数据挖掘/统计学习的理论和方法解决实际问题;人工智能方向，根据人工智能产品需求完成技术方案设计及算法设计和核心模块开发，组织解决项目开发过程中的重大技术问题。

研发类岗位

架构工程师。负责Hadoop集群架构设计开发、搭建、管理、运维、调优，从数据采集到数据加工，从数据清洗到数据抽取，从数据统计到数据分析，实现大数据全产业线上的应用分析设计。

开发工程师。基于hadoop、spark等构建数据分析平台，进行设计、开发分布式计算业务，负责机器学习、深度学习领域的开发工作。

运维工程师。负责大数据基础平台的运维,保障平台的稳定可用，参与设计大数据自动化运维、监控、故障处理工具。

实际上，虽然在大数据时代背景下，统计学的知识体系产生了一定程度的调整，但是统计学本身的理念与大数据还是具有一定区别的，统计学注重的是方式方法，而大数据则更关注于整个数据价值化的过程，大数据不仅需要统计学知识，还需要具备数学知识和计算机知识。从另一个角度来说，统计学为大数据进行数据价值化奠定了一定的基础。

从技术体系结构来看，统计学知识主要应用在大数据分析领域，统计学方式是大数据分析的两种主要方式之一，另一种数据分析方式是机器学习。所以，对于主攻大数据分析方向的研发人员来说，掌握统计学知识还是很有必要的，统计学在数据分析方面已经形成了一个较为系统的知识体系，而且很多技术已经经过了实践的检验。其实对于很多职场人来说，平时大部分的数据分析任务都是基于统计学理论进行的，包括采用的数据分析工具也都属于统计学领域的范畴。

从未来的发展趋势来看，一方面统计学会进一步向大数据倾斜，包括目前不少统计学专业的研究生课题，都逐渐开始向大数据方向拓展，另一方面大数据会在发展的初期大量采用统计学相关理论和技术，这也能够提升大数据相关技术的落地应用能力。

女生是适合学习大数据技术的，而且大数据行业内有很多岗位比较适合女生从事，比如数据整理、存储、分析等岗位都是不错的选择，但是由于大数据的知识体系比较复杂，所以学习起来也具有一定的难度。具体原因如下：

①与男性相比，女性在沟通上更有优势

众所周知，做大数据开发就是为了服务于客户，虽然说做出项目可以满足于客户需求，但是如何完整地表达出你所做的项目初衷，则是不少男性大数据工程师的硬伤。在这一点上，女性就显得更有优势的多。因为女性给人平易近人的感觉，在与客户的沟通中会给客户以好感，自然能够减少与客户的沟通障碍。

②外界对女性工程师的期望值不高

虽说男女平等，但是由于生理原因，外界对女大数据开发工程师的要求，并不如男大数据开发工程师的期望高，因此对于女大数据开发工程师来说其压力也就相对小一些。你可能会觉得这样的环境不公平，但是需要提醒各位的是，在这样的环境下你将会更容易创作出不错的业绩，证明自身的实力，企业也将会格外重视你的发展，给你更多的空间。

③女性大数据开发工程师心细惹人爱

绝大部分男大数据开发工程师性格大大咧咧，在工作中常常会有粗心大意的毛病。但是女工程师相对来说，就比较少，这正是因为女性的细心，女工程师的细心常常能够找到开发过程中的bug，因此很多公司非常乐于招聘女性大数据开发工程师。