統計學是研究和挖掘、分析和應用資料的科學。
統計學與數學和計算機密切相關。
學習統計學需要一定的數學基礎，因為您需要學習數學分析、高階代數、數理統計和這些基礎數學課程。
但統計學並不像數學專業那樣理論化和抽象化——燒腦的程度比數學專業要好。
統計學更注重利用現有的方法和模型來解決實際問題，是一門工具性的學科。
統計學的理論模型需要計算機應用，即將統計模型與計算機程式設計相結合，從海量資料中挖掘資訊。
因此，統計學專業的課程結構可以概括為：
數學理論 + 數學統計方法 + 帶有方法模型的軟體工具該課程一般包括：
基礎課程：數學分析、高等代數、概率論和數理統計。
專業課程：回歸分析、時間序列分析、多元統計分析。
工具課程：MATLAB、Python、C、R、資料庫等
統計學專業可以選擇網際網絡行業等職業方向：資料探勘、資料分析等。
金融行業：行業研究、定量分析、精算師、投資分析等。
*機構：稅務局統計局。
商業諮詢行業：麥肯錫、波士頓、埃森哲等
生物統計學方向。
從求職和個人發展的角度來看，統計學是一門不錯的專業，雖然不如計算機金融那麼受歡迎，但作為基礎工具，它有著廣泛的應用。
完成統計學專業後，可以考慮金融、網際網絡、生物醫藥、統計局、稅務局等。
可以說，只要有資料，就需要統計專業人才，資料量越大，需要的統計人才就越先進。 與統計專業最對應的職業是資料崗位，如下圖所示
僅在就業方面。
統計學本科內容是理論性的，實用性不足，能應用於工作的很少。 因此，大多數本科生去讀研究生、轉行或從事與統計學無關的工作。
研究生畢業後，大部分畢業生會做資料分析師，即使用excel、sequel、python等軟體工具分析資料，然後結合業務知識製作分析報告。
少數特別優秀的學生可以考取資料工程師或資料探勘等職位，演算法職位對程式設計能力要求高，薪資也更高，通用計算機或大資料專業更合適。
總的來說，統計學是一門不錯的專業，因為統計學具有應用工具的屬性，可以輻射到很多行業。
資料是現代生產的核心要素之一，掌握資料讀分析能力，猶如掌握內力。 生活和工作中的許多事情都可以從理性的角度來看待和處理。
但是，僅靠統計學的理論方法是不夠的，因為現在很多企業在招聘資料崗位時越來越注重計算機應用能力、程式設計能力和落地能力，而統計學專業在這方面不如計算機專業。
因此，如果你只是想著找工作，以後想從事資料工作，你應該申請計算機專業。
如果因為成績而不得不選擇統計學或者轉入統計學專業，那麼你必須有自己的巨集觀計畫，不能完全按照學校的培養計畫，不能對窗外發生的事情視而不見。
最好通過自學來加強計算機素養和程式設計能力，始終著眼於實實在在的行業，爭取和老師，尤其是電腦科學學院的老師一起多做專案，盡快參加實習，積累技術經驗。
這將帶來乙個好的職業選擇。