數據分析可以選擇兩個大的專業方向，一個是統計學專業，另一個是大數據專業，另外不少計算機相關專業、金融領域相關專業和數學領域的相關專業也都有數據分析的細分方向。與數據分析關聯密切的專業有統計學、計算機、大數據（數據科學）、數學以及經濟學等專業，這些專業對于數據的理解各有側重，下面做一個簡單的分析。

1、未來想從事數據分析師（數據挖掘）本科應該選擇什么專業？

謝謝邀請！數據分析是專業性相對較高的工作崗位，未來要想從事數據分析工作不僅需要扎實的數學基礎，還需要了解數據分析的方式方法。與數據分析關聯密切的專業有統計學、計算機、大數據（數據科學）、數學以及經濟學等專業，這些專業對于數據的理解各有側重，下面做一個簡單的分析：數學是基礎學科，未來發展的彈性比較大，但是需要補學的相關專業知識也比較多，

數學專業未來可以從事計算機、統計、大數據、人工智能等方向，可以說數學是現代信息技術的基礎，掌握扎實的數據知識會有一個非常廣闊的發展空間。計算機學科是信息化時代的代表學科，數據分析（數據挖掘）是計算機專業的常見方向，目前大量從事數據分析（數據挖掘）的專業人才都是計算機專業畢業的，計算機專業不僅有扎實的數學基礎，同時計算機專業對于工具的使用也有系統的培養過程，

統計學一個重要的工作就是數據分析，通過對數據分析得出各種結果，發現數據背后的規律從而指導決策，可以說數據分析是統計學的核心內容之一。統計學與計算機的結合一直就比較緊密，因為現代統計學要通過計算機技術來進行呈現，而統計學、計算機和數學的結合就成為了大數據的基礎，所以大數據專業在做數據分析（數據挖掘）方面具有天然的知識結構上的優勢，

對于大數據時代背景下的數據分析師來說，掌握一定的編碼知識對于數據分析任務來說幾乎是不可避免的，因為大數據的時代特征造就了數據的諸多特點，包括數據量大、結構多樣性、價值密度低、速度快、真假難辨等等，這些特征如果采用傳統的數據分析方法顯然不能充分挖掘出數據的價值，通過機器學習等方式來進行數據分析是當前的流行做法。

數據分析專業并不需要做功能全面的編程工作，并不需要去考慮程序的系統級問題，比如并發、分布式、資源調度等等內容，只需要能通過算法設計和實現發現數據背后的規律就可以了，從這個角度來說，數據分析師的任務跟程序員還是有本質區別的，目前使用Python做數據分析是比較常見的做法，Python有豐富的庫可以方便各種數據分析，同時也能把結果比較直觀的呈現出來。

2、以后想從事數據分析的工作，那我研究生需要念什么專業最好呢？

作為一名計算機專業的研究生導師，我來回答一下這個問題，當前正處在大數據時代，而數據分析是大數據技術體系中的重要組成部分，也是數據價值化的主要方式之一，所以未來從事數據分析工作是不錯的選擇。數據分析可以選擇兩個大的專業方向，一個是統計學專業，另一個是大數據專業，另外不少計算機相關專業、金融領域相關專業和數學領域的相關專業也都有數據分析的細分方向，

隨著數據分析的重要性日益體現，現在不少專業也都增加了數據分析的細分方向，比如經濟學、社會學、醫學等專業都陸續開設了與本專業相關的數據分析方向。具體選擇哪個專業需要根據自身的知識結構來決定，最好能夠結合本科專業進行選擇，這樣在備考的時候會輕松一些，如果本科是計算機相關專業，那么可以選擇的余地是比較大的，計算機應用、計算機科學與技術、軟件工程等專業都有數據分析的細分方向，當然統計學和數學專業也是如此。

在大數據領域，數據分析通常有兩種方式，一種是統計學方式，另一種是機器學習方式，兩種數據分析方式同樣重要，學習數據分析通常需要具備一定的數學基礎、統計學基礎和計算機基礎，其中數學基礎是相對比較重要的，要想在數據分析領域走得更遠，一定要重視數學相關課程，包括高數、線性代數、概率論等內容。以機器學習的數據分析方式為例，需要具備算法基礎和編程語言基礎，機器學習的步驟包括數據收集、數據整理、算法設計、算法實現、算法訓練、算法驗證和算法應用，目的就是從一堆雜亂無章的數據中找到其背后的規律。