现在是数据时代，很多地方都用到数据分析，美国是一个科技发达的国家，数据分析专业在美国是一个热门专业，下面出国留学网来为大家详细介绍一下美国的数据分析相关的专业。
一、数据科学的三大类职业方向
1、 机器学习工程师 Machine Learning Engineer
代表了技术含量较高的方向，工作内容主要是开发机器学习系统和用这些系统解决实际问题，一般需要ship production code， 做出来的是数据产品。
2、数据分析员 Data Analyst
工作内容俗称analytics（产品分析或商业分析product analytics or business analytics），从数据中提取insight，估计投资回报比， 为产品方向提建议，所用工具一般较基础，比如写SQL query取数据用、用R/Python做简单的分析、用Tableau、Excel作图比较常见，能自己开发Dashboard， 算是analyst里面技术强的。工作需要产生各种形式的报告，在统计层次上，懂基本t-test和线性回归即可。
3、数据科学家 Data Scientist
这类职位就是大家想象的那样，此类职位工作内容一高级建模为主，会针对复杂的问题来设计技术方案，比如Uber叫车的ETA、各种定价系统、Airbnb和金融行业的Fraud Detection、Amazon物流管理、FB/Linkedin的社交网络或者ebay/Uber这样供需双方Marketplace市场规模的实验。这些例子。听上去不是写SQL能解决的，也不是写代码能做出来的，都需要比较深的领域知识。
二、申请数据科学专业背景要求
由于数据科学， 商业分析 或者数据分析专业是不同学科相交叉的专业， 目前美国高校以研究生专业为主（主要是硕士专业，部分有博士专业，很少部分是本科专业）。如果读研究生可以考虑， 如果读本科就免了。
有一定的理工科背景，或者学过高等数学，统计学，和计算机语言。
有一定的商业背景， 初步了解商业数据的价值。
这些专业是热门专业，基本上没有奖学金和助学金。需要有能力自费去读。
有兴趣有激情。具有一定的职业道德修养。不泄漏不乱用数据信息，注意保护客户隐私和自己的职业生涯。
三、美国数据科学专业需要具备的能力
（ 1 ）计算机科学能力
一般来说，数据科学专业大多要求具备编程、计算机科学相关的专业背景。简单来说，就是对处理大数据所必需的 Hadoop 、 mahout 等大规模并行处理技术与机器学习相关的技能。
（ 2 ）数学、统计、数据挖掘的能力
除了数学、统计方面的素养之外，还需要具备使用 spss、sas 等主流统计分析软件的技能。
（ 3 ）数据可视化
信息的质量很大程度上依赖于其表达方式。对数字罗列所组成的数据中所包含的意义进行分析，开发 web 原型，使用外部 api 将图表、地图、dashboard 等其他服务统一起来，从而使分析结果可视化，这是对于数据科学家来说十分重要的技能之一。
（ 4 ）跨界为王
麦肯锡认为未来需要更多的“ translators ”，能够在 it 技术，数据分析和商业决策之间架起一座桥梁的复合型人才是最被人需要的。
四、美国大数据分析专业顶尖名校推荐
加州大学伯克利分校
加州大学伯克利分校有两个相关的学位项目：数据科学工程硕士Masterof Engineering （concentration in Data Science），信息数据科学硕士Master of Information andData Science （MIDS），伯克利的两个硕士项目综合教授技术和企业运营的技能，立足现有最前沿的技术，扎实务实地培养学生成为领域内的佼佼者。
哥伦比亚大学
哥伦比亚大学有一个业界顶尖的大数据科学的工程研究室（Institute for Data Sciences and Engineering），学生在此参与实验科研项目。该项目是2014年秋季新开设的，由此可见其对于这一与业的重视。
纽约大学
纽约大学的data science 既不是在 stern商学院下面，也不是在computer science下面，而是在 math下面。申请的时候应该比较看重数学背景，该与业开设于2013年，开设在 math下面的一个与门的Center for Data Science，为想迚入NYU的申请者多提供了一个录取的可能通道。
普渡大学
普渡大学商业分析不信息管理硕士（MS Business Analytics & Information Management， BAIM）项目为期11个月，总计修36个学分。要求申请者本科毕业，不限与业背景，无前置课程要求，如有相关工作实习经验则更受欢迎，符合录取要求的学生将由机会参加学校安排的面试。
马里兰大学帕克分校
马里兰大学的商业市场分析硕士成立于2013年秋，向学生提供一种综合的训练，用于解决市场分析时处理客户数据的各种问题，尤其是利用数学不统计模型和工具。
推荐阅读：
