未来想从事数据分析师（数据挖掘）本科应该选择什么专业？
谢谢邀请！数据分析是专业性相对较高的工作岗位，未来要想从事数据分析工作不仅需要扎实的数学基础，还需要了解数据分析的方式方法。与数据分析关联密切的专业有统计学、计算机、大数据（数据科学）、数学以及经济学等专业，这些专业对于数据的理解各有侧重，下面做一个简单的分析：数学是基础学科，未来发展的弹性比较大，但是需要补学的相关专业知识也比较多。
数学专业未来可以从事计算机、统计、大数据、人工智能等方向，可以说数学是现代信息技术的基础，掌握扎实的数据知识会有一个非常广阔的发展空间。计算机学科是信息化时代的代表学科，数据分析（数据挖掘）是计算机专业的常见方向，目前大量从事数据分析（数据挖掘）的专业人才都是计算机专业毕业的，计算机专业不仅有扎实的数学基础，同时计算机专业对于工具的使用也有系统的培养过程。
统计学一个重要的工作就是数据分析，通过对数据分析得出各种结果，发现数据背后的规律从而指导决策，可以说数据分析是统计学的核心内容之一。统计学与计算机的结合一直就比较紧密，因为现代统计学要通过计算机技术来进行呈现，而统计学、计算机和数学的结合就成为了大数据的基础，所以大数据专业在做数据分析（数据挖掘）方面具有天然的知识结构上的优势。
对于大数据时代背景下的数据分析师来说，掌握一定的编码知识对于数据分析任务来说几乎是不可避免的，因为大数据的时代特征造就了数据的诸多特点，包括数据量大、结构多样性、价值密度低、速度快、真假难辨等等，这些特征如果采用传统的数据分析方法显然不能充分挖掘出数据的价值，通过机器学习等方式来进行数据分析是当前的流行做法。
数据分析专业并不需要做功能全面的编程工作，并不需要去考虑程序的系统级问题，比如并发、分布式、资源调度等等内容，只需要能通过算法设计和实现发现数据背后的规律就可以了，从这个角度来说，数据分析师的任务跟程序员还是有本质区别的。目前使用Python做数据分析是比较常见的做法，Python有丰富的库可以方便各种数据分析，同时也能把结果比较直观的呈现出来。
数据分析，数据挖掘，大数据，机器学习，深度学习，统计分析的区别是什么？
这个问题最近刷到很多次，看来是要回答一下了。因实际工作中会接触数据分析、挖掘、大数据、机器学习及深度学习，这里分享一下自己对这些概念的认知。 数据分析 主要是面向结论。通常是通过人依赖自身的分析经验和对数据的敏感度（人智活动），对收集来的数据进行处理与分析，按照明确目标或维度进行分析（目标导向），获取有价值的信息。
比如利用对比分析、分组分析、交叉分析等方法，完成现状分析、原因分析、预测分析，提取有用信息和形成结论。数据挖掘 主要是面向决策。通常是指从海量（巨量）的数据中，挖掘出未知的且有价值的信息或知识的过程（探索性），更好地发挥或利用数据潜在价值。比如利用规则、决策树、聚类、神经网络等概率论、统计学、人工智能等方法，得出规则或者模型，进而利用该规则或模型获取相似度、预测值等数据实现海量数据的分类、聚类、关联和预测，提供决策依据。
需要注意，较传统数据挖掘主要针对相对少量、高质量的样本数据，机器学习的发展应用使得数据挖掘可以面向海量、不完整 、有噪声、模糊的数据。数据统计 同样是面向结论，只不过是是把模糊估计的结论变得精确而定量。比如。得出具体的总和、平均值、比率的统计值。从广义上讲，广义的数据分析分为如上介绍的数据分析、数据挖掘、数据统计三个方向。
机器学习 是一门专门研究计算机怎样模拟或实现人类的学习行为，能够赋予机器学习的能力以让它完成通过编程无法完成的功能，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科，但机器学习不会让机器产生“意识和思考”，它是概率论与统计学的范畴，是实现人工智能的途径之一。深度学习 是机器学习的一个子领域，受大脑神经网络的结构和功能启发而创造的算法，能够从大数据中自动学习特征，以解决任何需要思考的问题。
