作為一名教育工作者，同時也在帶大資料、機器學習方向的研究生，所以我來回答一下這個問題。

首先，資料分析師和會計師都有比較廣闊的發展前景，至於如何選擇應該根據自身的知識結構、興趣愛好和發展規劃來進行綜合考慮。

當前正處在大資料時代，隨著大資料技術的逐漸落地應用，資料分析師的發展前景還是比較廣闊的，未來除了網際網路領域之外，廣大的傳統行業也將釋放出大量的資料分析師崗位，所以從就業的角度來看，選擇資料分析師似乎更有優勢一些。

如果對數字比較敏感，善於發掘資料背後的價值，那麼資料分析方向是比較好的選擇。選擇資料分析師需要具備以下幾個方面的知識結構：

第一：數學和統計學基礎。資料分析當前有兩種主要的分析方式，一種是統計學方式，另一種是機器學習方式，不論採用哪種方式都需要具備紮實的數學基礎。

第二：計算機基礎。資料分析不論是採用資料分析工具進行應用級分析，還是採用機器學習的方式進行專業級分析，都需要具備一定的計算機基礎知識。以機器學習為例，機器學習的步驟包括資料整理、設計算法、實現演算法（程式語言）、訓練演算法和運用演算法，雖然演算法設計是機器學習的核心，但是演算法實現也是非常重要的步驟。目前不少企業的資料分析師崗位，既需要具備演算法設計能力，同時要具備演算法實現能力。

第三：行業背景知識。資料分析師的知識結構除了數學、統計學和計算機之外，還需要了解包括社會、經濟、教育、醫療等領域的行業知識，因為資料分析與應用場景具有密切的關係，不同行業需要有不同的側重點。

作為IT行業的一名從業人員，我來提供點建議供您參考。

首先，選擇什麼崗位需要您根據自身的綜合實際情況，結合自己愛好興趣去選擇。

資料分析師是大資料行業的一個細分崗位，從事的工作主要是對蒐集到的海量資料處理分析，得到其包含的價值。當前處於大資料時代，隨著各種大資料產業的落地實施，未來行業會釋放大量的資料分析崗位，從就業的角度來看，資料分析的前景更好。

資料分析師一般都對數學有較高的基礎要求。統計知識是海量資料綜合處理的首選，資料處理完之後利用數學建模來進行模型的簡歷與分析，這個過程中更需要的是從事者對於資料的敏感度，敏感度對於資料的分析可以說是事半功倍。

資料分析師一般都是分行業的，需要對行業背景知識有一定的瞭解，因為不同的行業資料的模型不會相同，對於資料分析的思維角度差別也是很大。不同的行業存在不同的側重點。

資料分析師一般都會依賴一些計算機軟體進行資料的處理分析。需要對一些資料處理軟體，如SPSS、Hadoop、MATLAB有一定的瞭解，最起碼會使用。

會計的話屬於傳統行業崗位，擁有完善的知識體系、晉升方法。以及行業管理方案。屬於穩定性工作的一種。

我本人從事多年網際網路Java開發，感興趣的朋友可以關注私聊，共同努力，共同進步。