数据科学不是只学 Python,而是在学如何把问题变成模型

很多学生准备转 Data Science 的第一步，是打开一门 Python 课。

这当然没错。

但如果只停在这一步，很容易把数据科学想得太轻。好像只要会一点 Python，会调几个机器学习模型，会把 Kaggle 项目写进简历，就能自然走向 Data Scientist。

现实会更麻烦一点。

进入项目和求职之后，你会发现数据科学要处理的不是“我会不会写代码”这一件事。它要问：问题能不能被数据表达，数据从哪里来，质量够不够，特征怎么构造，模型为什么这样选，结果怎么评估，能不能部署，出错之后怎么解释。

这也是为什么 Data Science 和 Business Analytics 看起来很近，但训练重心并不一样。

BA 更常问：这个分析结果能不能帮助业务做决定。

DS 更常问：这个问题能不能被建成一个可解释、可验证、可复用的模型或数据产品。

所以这篇文章不把数据科学写成一张工具清单。我们先看清楚它到底在训练什么人。

本科阶段的数据科学，先是一套基础能力栈

本科生看 Data Science，最容易被工具名带跑。Python、机器学习、AI、可视化听起来都很重要，但本科训练通常更慢，也更基础。

一个扎实的数据科学本科路径，通常会从数学、统计、计算机和写作开始。微积分、线性代数、概率统计、离散数学、数据结构、算法、数据库、Python / R、数据可视化、机器学习、实验设计，这些课程会一点点把能力栈搭起来。

本科阶段还有一个常被忽略的部分：领域知识。数据科学不是在真空里建模。金融、医疗、教育、政策、消费、城市、传媒、供应链，不同行业的数据问题完全不同。一个本科生如果只有模型，没有行业问题，项目会显得很空。

所以本科生不必急着问“我将来要读 MSDS 还是 MSBA”。更早的问题是：我愿不愿意长期和数学、代码、脏数据、业务问题一起工作？如果只是喜欢 AI 的热度，却不喜欢调数据、查错误、解释模型，数据科学会很快变得不浪漫。

本科生先要理解：数据从哪里来

NTU Master of Science in Data Science 的官方描述里，有一句很适合作为入门定义。

它说 Data Science 是一种 data-driven approach to problem solving and scientific exploration，过程包括 collecting、managing、analyzing、explaining、visualizing data and analysis results。

这句话比“学机器学习”更接近真实工作。

数据科学不是拿到一张干净表格，然后直接跑模型。很多时候，最耗时间的部分发生在模型之前。

数据从哪里来？是日志、交易、图像、文本、传感器，还是业务系统里的多张表？

能不能合并？有没有缺失、重复、偏差、延迟和口径问题？

这个变量代表用户意图，还是只是系统记录习惯？

这个标签是人工标注的，还是历史行为自然产生的？会不会本身就带偏见？

这些问题不解决，后面的模型只是把错误包装得更高级。

这也是为什么很多数据科学项目会同时覆盖统计、计算机、数据库、机器学习、可视化和项目实践。NYU MSDS 的课程是 36 credits，核心课里有 Introduction to Data Science、Probability and Statistics for Data Science、Machine Learning、Big Data、Capstone Project and Presentation。它的 capstone 描述很清楚：学生要经历从真实数据采集和处理，到设计方法，再到实现方案的完整过程。

这个过程，才是数据科学和“学一门工具”的区别。

所以本科阶段最该积累的，不是堆很多零散证书，而是做出几段完整经历：从问题定义、数据获取、清洗、建模，到解释结果。哪怕项目不大，只要链条完整，就比只写“熟悉 Python、机器学习、可视化”更有说服力。

如果孩子本科阶段只喜欢调用现成模型，却不愿意查数据口径、处理缺失值、解释误差来源，那更适合把 Data Science 当辅助能力，而不是把它作为主专业路径。

本科四年最该反复确认的，是自己能不能接受“模型之前的大量脏活”。很多数据科学的分水岭，不在算法课，而在愿不愿意把数据和问题一点点对齐。

如果愿意，数据科学会越学越有方向；如果不愿意，工具越多反而越容易空。

图：模型只是中间一环。数据科学还包括问题定义、数据管线、评估和解释。

本科选专业时，DS、BA、CS、AI 不能混成一个池子

很多学生会同时申请 Data Science、Business Analytics、Computer Science、Artificial Intelligence。

这几个方向有重叠，但不能混成一个池子。

Data Science 更像一套完整的数据问题解决流程。它既要统计推断，也要机器学习；既要数据工程，也要解释和评估；有些项目还会加上伦理、产品思维、沟通和行业应用。

Business Analytics 更靠近业务决策。它也会用 SQL、统计、机器学习和可视化，但终点常常是一个业务动作：产品怎么改、渠道怎么投、库存怎么排、客户怎么分层。

Computer Science 更靠近系统和计算。它关心算法、系统、软件工程、数据库、分布式计算、编译、网络、AI 系统等底层能力。如果你想做平台、后端、基础设施或更硬核的工程，CS 往往更合适。

Artificial Intelligence / Machine Learning 更靠近模型本身。它会更深地进入深度学习、强化学习、NLP、计算机视觉、生成式 AI、模型训练和推理效率。

Statistics 更关心不确定性、推断、估计、实验和模型假设。很多好的数据科学家，底层其实很依赖统计思维。

可以先用一张表理解：

这些方向不是谁高级谁低级，而是训练目标不同。

最怕的是学生用“数据科学”这个名字，把所有路径都装进去。申请材料里写 AI，课程里只有入门 Python；文书里写科研，项目里只有一个跟着教程跑完的 notebook；简历里写机器学习，面试时讲不清为什么不用另一个模型。

这会很快露馅。

课程表里，先看四层能力

数据科学项目的课程名字很多。看起来都很热，也都很像。

主页君建议先看四层。

第一层，是数学和统计。

概率、统计推断、线性代数、优化、回归、实验设计、贝叶斯方法，这些听起来没有 generative AI 酷，但它们决定你能不能理解模型为什么有效、什么时候失效。Imperial 的 Statistics (Data Science and Machine Learning) MSc 就很典型，它强调 statistical methods used in data science and machine learning，也要求学生做 independent investigation / research project。

第二层，是编程和数据工程。

Python、R、SQL、数据库、数据清洗、Spark、Hadoop、API、版本管理、测试和基本软件工程。Berkeley MIDS 的课程能力里就有 Data Engineering & Infrastructure；Imperial 的 Machine Learning and Data Science MSc 也有 Programming for Data Science、Big Data: Statistical Scalability with PySpark 等内容。

第三层，是机器学习和 AI。

监督学习、无监督学习、深度学习、NLP、计算机视觉、推荐系统、强化学习、LLM、模型评估、模型选择。Columbia MSDS 的课程描述里提到 machine learning、natural language processing、applied deep learning 等前沿课程；Berkeley MIDS 也把 Machine Learning & Deep Learning、Generative AI & LLMs、NLP 放进核心技能。

第四层，是项目、解释和责任。

这层很容易被忽略。模型表现好，不等于项目成功。你还要能解释结果，识别偏差，考虑隐私和伦理，把模型交给别人使用。Berkeley MIDS 里有 AI Ethics, Policy & Responsible Innovation，也有 Product Thinking & Communication。这些不是装饰课，而是在提醒学生：模型进入现实世界之后，责任会变重。

如果一个项目四层都覆盖，训练会比较完整。

如果只有第三层，看起来很 AI，但容易浮。

如果只有第一层和第二层，基础扎实，但你可能需要自己补项目和应用场景。

如果只有可视化和商业案例，那更接近 Analytics，不一定能支撑 Data Scientist 或 ML 方向求职。

图：数据科学课程要看完整栈，不要只盯机器学习和 AI 字样。

美英港新，数据科学的项目气质不一样

美国的数据科学项目往往更强调跨学科和就业分流。

Berkeley MIDS 把课程放在 computer science、AI、machine learning、social sciences、statistics、management 和 law 的交叉里，适合希望把技术、政策、产品和行业问题一起看的学生。NYU MSDS 强调 36 credits 和 capstone，把学生带过真实数据问题的完整流程。Columbia MSDS 则要求 21 credits 核心课和至少 9 credits 选修，核心覆盖 algorithms、statistical inference、machine learning、exploratory data analysis and visualization，capstone 也和 faculty 或 industry partners 合作。

这类美国项目的优点是课程和行业连接丰富，缺点是求职竞争、身份、实习窗口都要提前算。尤其想走 Data Scientist、ML Engineer、Applied Scientist 的学生，不能只看项目名，还要看自己的数学、编程和项目深度。

英国的数据科学项目常见两种气质。

一种偏统计和研究，比如 Imperial Statistics (Data Science and Machine Learning) MSc，强调统计方法、机器学习和独立研究。另一种偏机器学习和在线/灵活学习，比如 Imperial Machine Learning and Data Science MSc，覆盖 probability and decision theory、advanced deep learning、reinforcement learning、Bayesian methods、unstructured data processing，并有 research project。Edinburgh MSc Data Science 则要求学生在 Machine Learning / Statistics / Optimization、Databases / Data Management、Applications 三类里有课程广度，并完成 dissertation/project。

英国一年制项目效率高，但留给学生补基础、做项目和找工作的时间更短。适合已经有一定数学、编程或科研基础的人，不太适合“到英国再从零开始学 Python”的学生。

香港项目的优势，是交叉应用和大湾区场景。

HKU MDASC 是 72 credits，full-time 1.5 years，课程有 core、electives 和 capstone requirement。官方页强调 statistical and computational concepts and methodologies，并且不局限于 business 或单一领域。它还把 computer technology、operational research、statistical modelling、simulation 和 private/public sectors 的 problem-solving 放在一起讲。

这说明香港数据科学不只是互联网岗位的训练，也常被放进医疗、金融、城市、公共部门、科研和企业数字化这些应用语境里。对想留港或观察大湾区应用场景的学生，这些方向值得重点看，但不能把它理解成某类岗位承诺。

新加坡项目更强调计算学院、跨学科和区域科技生态。

NTU MSDS 由 College of Computing and Data Science 主导，官方定义里强调 collecting、managing、analyzing、explaining、visualizing 的全过程，也写到数据科学 inherently interdisciplinary。新加坡段更适合放在区域科技生态里理解，区域总部、金融科技、AI 应用、供应链和企业数字化，都是申请和求职时可以重点观察的应用场景。

四个地区放在一起，大概可以这样看：

图：同样是数据科学，不同地区的训练重心和机会语境会很不一样。

Career path 先分清，你想离模型多近

Data Science 的职业路径，很容易被一个词盖住。

但现实里，岗位差异很大。

Data Scientist 是最典型的出口。它可能做用户增长、推荐、风控、定价、搜索、广告、实验、预测，也可能更靠近业务分析。BLS 对 Data Scientists 的美国口径显示，2024 年薪资中位数为 112,590 美元，并预计美国 Data Scientists 就业人数在 2024-2034 年增长 34%。这个数字说明美国数据科学岗位需求强，但不能拿来承诺任何学生的个人结果，也不能套到英国、香港、新加坡或中国内地。

Machine Learning Engineer / AI Engineer 更靠近模型工程和系统落地。它不只看模型原理，还看代码质量、工程能力、训练推理、数据管线、部署监控。想走这条线，CS 和软件工程能力会比很多学生想象中重要。

Data Engineer / Analytics Engineer 更靠近数据基础设施。它关心数据仓库、ETL、数据质量、管道稳定性、权限和指标口径。很多公司里，数据科学能不能顺利工作，很大程度取决于这条线。

Applied Scientist / Research Engineer 更靠近研究和模型创新。它对数学、算法、论文阅读、实验设计要求更高，常见于科技公司、AI 实验室、量化、医药、自动驾驶等场景。

Product Data Scientist 更靠近产品和实验。它需要懂用户、指标、A/B test、因果推断和产品判断。它和 BA 有交集，但技术和实验要求通常更高。

还有一些岗位会叫 Data Analyst、Decision Scientist、Quantitative Analyst、Research Analyst。名字不一定统一，关键是看 JD：它到底要你做 dashboard，做实验，做模型，做数据管线，还是做研究。

中文求职经验里，常把准备拆成 SQL、Python/R、Machine Learning、Stats、A/B Testing & Product Sense。这个拆法对数据科学学生也有用。但如果你想走更硬的 DS 或 ML，光这些还不够。你还要能讲清楚自己的项目：

数据科学求职，很多时候不是看你会不会调用某个包，而是看你能不能解释完整链条。

哪些学生适合，哪些学生先别急

适合数据科学的学生，通常有几个特点。

第一，不怕补数学。

你不一定一开始就是数学大神，但要愿意认真补概率、统计、线代、优化和推断。模型背后都有假设，不理解假设，就很难判断结果能不能信。

第二，能持续写代码。

数据科学不等于软件工程，但离不开代码。Python、SQL、数据处理、实验脚本、可复现 notebook、版本管理，都要慢慢形成习惯。

第三，愿意做脏活。

清洗数据、查口径、排查异常、重跑实验、写文档、解释失败结果，都不酷，但非常真实。只喜欢模型竞赛高分，不愿意处理混乱数据，会很难适应真实项目。

第四，有领域兴趣。

医疗数据、金融风控、广告推荐、供应链、城市交通、教育科技、气候科学，每个领域的数据都有自己的脾气。好的数据科学，不只是模型通用，还要理解问题所在的场景。

不太适合的人，也很清楚。

如果只是因为 AI 热、薪资高、名字好听而来，却不愿意补底层能力，数据科学会很快把短板暴露出来。

如果你更喜欢业务沟通、策略判断和跨部门推进，但不想长期钻模型和数据管线，Business Analytics 可能更适合。

如果你更喜欢纯工程，愿意写系统、做平台、搭基础设施，Computer Science 或 Software Engineering 方向可能更顺。

申请前可以先问自己五个问题：

这张表，比“我要不要读 DS”更早出现。

数据科学最迷人的地方，是它不允许你只会一件事

数据科学听起来像一个技术专业。

但读进去之后，它会不断把你往外推。

学统计时，它会问你数据从哪里来。

学机器学习时，它会问你模型为什么会错。

做项目时，它会问你结果能不能被别人使用。

求职时，它会问你能不能把一段代码、一张表、一个模型，讲成一个可信的问题解决过程。

所以，Data Science 不是只学 Python，也不是给 AI 时代贴一个热门标签。

它更像一种训练：把混乱的问题整理成数据，把数据整理成模型，把模型放回现实，再承认现实永远比模型复杂。

如果你喜欢这种复杂，它会很有意思。

如果你只是想找一条看起来高薪、热门、体面的捷径，它会比你想象中更不客气。