对数据科学家的需求远远超过了供应量，这使问题更加复杂化。作为回应，大学创建了更多的研究生课程，以教育具有数据科学技能的人

在经典的数据科学维恩图中，包含三个部分：数学和统计；计算机科学; 和主题经验，在这三者中，可以争辩说个是经典意义上的数据科学关键的东西（如果有的话），是分布式计算和银行业专家的人是数据科学家吗？熟悉分析领域的人会拒绝。

尽管数据科学和统计学显然不是一回事，但也很清楚，前者的迅猛普及对后者的状态产生了可观的影响

我们还没有看到传统的按钮式统计社区将如何应对大数据成名和荣耀的诱惑，但是很明显，由于大数据的推动，统计领域开始引起轰动，不能说得足够清楚，不确定未来会怎样，也就是说，这可能是一个大数据泡沫，可能是我们的希望过高，人们会转向别的东西，因为它[大数据]确实拥有自己的生命。

另一方面如果比较20年前对统计学家的看法或公众看法，就不会有公众对统计学家的看法！它完全不在雷达范围内

以前从未在新闻中听说过现场统计信息，也没有让小孩认为这对他们来说是一个职业机会，仅仅依靠我们成为众人瞩目的焦点，它正在改变统计数据，计算统计误差并确保误差在一定范围内，该误差通常会占用统计人员的大部分时间，但是由于大数据能够从大量人口中为我们提供巨大的样本量，因此抽样误差已不再是一个大问题。

现代统计学家必须应对其他可能污染方程式的事情，例如偏见

在拥有的海量数据中，您可能会误解事实，这是另一种以不同方式量化的错误，古老的格言相关不等于因果关系将继续使统计学家在夜间处于忙碌状态，尤其是当数据中的随机波动导致他们陷入困境时，但是错误类型（例如误报）可能需要一些新的思路，现在如果您拥有庞大的数据集，并且正在检查越来越多的事物，希望您会发现更多的积极结果和更有趣的结果，但是它们将被越来越多的错误结果所掩盖，有些事情肯定会保留下来并进行一些微调，有些地方确实需要新的思维。

当然数据科学与众多其他学科和研究领域相交

确实很难想到科学，工业，商业或政府领域没有以某种方式参与数据革命，但是提供核心管道的是数据库，统计信息和分布式系统，从根本的角度来看，我们将数据科学视为这三个专业社区之间的互利合作，并辅之以与众多相关学科的重大互动，为了使数据科学充分发挥其潜力，需要这些小组之间进行程度的多方面合作。

我们想说出我们的想法并促进对话，但是接着继续明确说明统计学家可以做什么以及他们如何在数据科学中扮演中心角色

由于大数据革命，统计领域正在发生变化，统计和数学理论不应改变，但是我要说，该理论必须扩展，过去有新的范式并不是特别重要，因为数据更加有限，而且由于数据集的规模，我们需要应对各种错误，需要不同的思维，桌面计算出现时，我们经历了一次启示，一场革命，一场变革，现在在某种程度上，这是相同转变的延续，但是由于我们拥有的技术和可用的数据，它肯定再次改变了我们进行数据分析的方式。

在当今时代，对于那些正在硕士或博士学位课程中学习高级应用统计数据的有前途的数据科学家来说

很少会碰到数据的麻烦。数据在高等教育中无处不在，无论它是“纯粹的”数据科学计划（很少），还是更有可能是统计是其中一部分的跨学科计划，学习将统计数据应用于当今时代的先进分布式计算系统也是至关重要的，因为现代分布式计算系统已经与统计数据密不可分。

很容易认为数学是困难的部分

但是在现实世界中，要让您的代码运行并让分布式系统运行并理解数据并清理数据（要处理数据中的奇怪工件），所有这些都需要考虑，如果做得不好，您会得到有趣的答案，因此，这些都是重要的技能，从某种程度上讲，这很困难，因为它不利于课堂活动。”

一个新兴的学科正在兴起，术语“数据科学”是主要的旗手，但是统计领域就在旁边

如果我对数据库和计算有所了解，那么我作为一名统计学家将在21世纪的数据问题上成为一名更好的统计学家，因为这将使我能够与他人合