一定要會計算機。三者並不矛盾。 統計學、數學都是理論、方法，而計算機可以透過程式設計來進行展現，體現你的理論，否則，用什麼展現呢？透過軟體程式設計，把統計學、數學進行應用才是正解。

個人認為針對資料分析或者是挖掘工程師對口的專業是計算機、自動化、計算數學、統計學等，排名分先後。

首先演算法工程師首先要掌握的技能就是coding，絕大部分的演算法工程師需要寫程式碼來驗證自己的演算法思路，LR時代，做特徵工程，加特徵或者修改特徵都需要我們改線上或者線下服務特徵，處理兩套程式碼。一般語言用的是C++和python/java；一般來說，大部分的演算法工程師的專業都是計算機；

如果是數學專業的話，主要的課程都是數值代數，數值分析，運籌學等等。雖然不少計算機專業的同學會覺得對偶的做法很費解，這就是資料專業的優勢，可是劣勢也很明顯，就是程式碼方面的，計算機記憶體，資料結構，演算法導論都需要自學；

統計學和數學專業的差別也很大，比如多遠統計分析中就包含了主成分分析，因子分析，方差分析等等，經典的提供積雪的假設檢驗還有各種分佈也是演算法當中經常會涉及到的。個人認為，統計學轉演算法方向，是要學的東西最多，既要學習最佳化的東西，又要學習計算機的東西，難度較大。

最後看一下資料分析師或者挖掘工程師的必備技能：

一個不能少。真的讀那麼多，要有地中海了。孩子本碩是基礎數學專業，博士改讀計算數學，又去輔修統計學博士，捎帶一個金融工程碩士。十二年下來，真的地中海啦！