Computer Science 計算機科學專業是大學生選擇的最熱門專業之一，同時也是移動網際網路蓬勃發展下就業市場上需求最大的專業之一。但除了CS以外，我們發現在招聘市場出現了一個新興起的熱門職業 Data Science 數據科學。計算機科學和數據科學有什麼實質性的差異呢？
CS 計算機科學的技能即學即用，非常直觀，不像DS需要基於對所應用的業務結合經驗和實際理解，才發揮實際價值。計算機科學專業主要掌握與計算溝通交流的語言邏輯規則，如C++，JAVA，HTML5等。因此，長期學習和應用這個專業的技能會在思維模式上非常嚴謹以及對研究對象有非常高的確定性。與此不同的是DS更強調的是量化分析以及信息解讀能力，思維模式相對嚴謹，對研究對象各種結果的概率。
如果具備CS的背景，在職業延伸方面，可以比較輕鬆選擇DS的轉型，或者選擇堅持計算機技術領域裡更高階的方面，例如架構師，技術總監，甚至CTO都可以。但DS背景如果要選擇計算機技術方向的延伸，則需要大量地補充計算機相關的知識。
Data Science
DS 數據科學家的優勢在於業務型全能。與傳統的統計分析師或者寫代碼程式設計師相比，數據科學家具備三種技能：編程能力，業務分析洞察能力，數據解讀能力（講故事能力），而統計分析師通常只具備其中兩樣，業務分析洞察能力和數據解讀能力。程式設計師通常也只具備其中一樣或兩樣，編程能力和一部分也具備業務分析洞察能力。
此外，數據科學仍然有行業紅利期。隨著網絡數位化生活的普及度滲透，數據科學的應用也逐漸被越來越多大大小小公司重視。我們常常見到一些比較新穎的崗位，例如，大數據分析專家，經營分析師，需求分析師等，這些都是基於數據科學的應用範疇。與計算機科學相比，因為軟體應用的流行更早於移動網際網路的普及，具備計算機科學技術的人才數量會比數據科學更多一些，也就是市場競爭和飽和度更高。
數據科學更為靈活，選擇門檻更低。CS專業因為存在時間更長，大部分高等院校已經設置完善的專業方向和課程。因此，CS專業的畢業生如果是專業領域知名大學的背景將會是很有利的加分。在福布斯的統計的一項調查顯示，50%的計算機領域從業人員畢業於排名前200大學計算機專業，其中30%則集中在前50院校計算機專業。與其相比，數據科學領域的從業者僅有28%持有相應的學位，大部分來自不同的專業。