【长期加分贴】我为什么喜欢我的专业？【数科统计生统篇】

我是学应用经济学的，我也很喜欢，因为它给了我一个理解世界的“工具箱”。它完美结合了理论之美与现实之用，让我能用数据和模型剖析现实问题，从政策影响到市场行为，这种探寻因果的过程充满智识的快感。

它更塑造了我的思维方式：永远关注“激励”，懂得“权衡”，警惕“因果”。这套逻辑已内化为我的本能，让我在职业选择与日常决策中都更加清晰、理性。

它不仅是学科，更是一副眼镜，戴上它，世界的底层逻辑变得清晰可见。这种不断发现和验证的乐趣，是我热爱它的核心原因。

高中来了加拿大，一个小镇上学，小小的mac里承载了很多我的时间、娱乐、学习、对世界的探索。不断惊叹于人类科技的积累，以及自己在这机器上能完成的小成就们。所以大学选择了这个专业，不断地实习、学习各种前端react 后端go后面接触agent做一个个小项目，期待着未来某天能做出一个超牛的项目（未来都可以吹嘘的）， 并且（多多的）赚一大笔。过程中也有很痛苦的时候，但是转念一想 干啥不难呢。所以cs挺好的。

补充内容 (2025-09-25 23:51 +08:00):
求加米，真的很需要米

我最开始学纯数，又学了统计，又学了计算机。喜欢在数据中找signal，把模糊的问题一步一步变的清晰的过程。一直做自由的研究，所也没有非常紧急deliver的压力，总是能在问题里慢慢找答案的感觉很好，很喜欢。也可以rigorous和仔细一点的探索，认真学习探索每一个dataset的pattern

我对统计的兴趣，是从“想解决实际问题”开始的。

个人兴趣：大学时我学的是数学。虽然很享受抽象推理和严谨证明的过程，但随着学习的深入，我逐渐想清楚一件事：我不只是想把问题推导清楚，我希望这些理论推导能更直接的帮助解决现实世界的问题。我真正享受的是“问题从现实中来，又回到现实中去”的过程。 统计学正好满足了这一点。对我来说，统计学是一种应用数学。它关注在不确定性、噪声和有限信息的情况下，如何得到对现实问题有用的估计，推理，预测。核心问题不是“是否存在解”或者“这个解是不是正确的”，而是在现实约束下，如何做出可靠的判断。这种视角让我第一次感觉到，理论不是目标，而是在一些假设下，帮助我们在复杂系统中做决策的工具，是一个东西为什么work的证据，能解决问题才是硬道理。 后来我逐渐意识到，统计学的一个关键价值，是它和ML, AI之间的底层一致性。很多 ML 和 AI 模型，本质上都是统计建模和推断问题。在统计概率的框架下去理解这些模型，可以更清楚地看清它们的本质。基于这样的认知，本科毕业后我继续读了stats phd。读博的时候，我一直在做一件事：把统计学好，同时也不断去了解 ML 和 AI 那边在干什么、为什么这么做，然后从统计的角度想它们之间的联系。久而久之，我就很习惯在数据复杂、假设不稳定的环境中，先结构化问题，再通过实验和反馈不断调整解决方案

职业发展：想到业界工作的话，统计学的训练也天然要求coding的能力，这种把数学思维、算法设计和工程实现结合在一起的训练方式，非常贴合现代 tech 团队的工作方式。在职业发展层面，统计学在金融和科技行业都有很强的通用性。我觉得关键不在于行业标签，而在于是否尽早、有意识地把统计核心能力和具体业务场景对齐，开始有意识的学习训练相关的专业技能。博士毕业后，我进入了科技行业工作。虽然身处业界，但我的工作依然有很多时间花在research上：在真实系统和数据上，持续把统计和 ML 方法落地。我很享受这种状态，既理解模型的理论边界，又能把它们部署到实际产品和系统中。 总的来说，统计学给了我一种在 tech 行业长期有效的能力，用可解释、可验证的方式，理解复杂系统并在不确定性中做决策。

才发现我专业不符合，编辑了

本科在国内学的是数学，走的是比较偏纯的路线，证明、分析一大堆。说实话到后面慢慢发现，自己对“为了定理而定理”这件事兴趣不算太大，更想看到学的东西能解决点真实问题。

后来接触统计之后感觉还挺对路的：底子还是数学，但终于能和数据、现实世界连起来，于是来美国读了统计 PhD。博士期间一边做模型一边做应用，逐渐体会到统计的核心其实是如何在不确定性里做判断，而不是把公式推到多漂亮。

毕业后去了业界工作，到现在三年左右，这种感觉反而更明显了。不管是建模、预测还是支持业务决策，统计的思维方式都特别实用，也更符合我的性格。现在回头看，当年从纯数学转到统计并不是妥协，而是选了一个既能用数学、又不那么“悬在天上”的方向，至少自己学得和用得都更开心

在学习数据分析之前，我面对问题更多依赖直觉和经验。很多判断只能停留在“我觉得”“好像是这样”的层面。但数据分析教会我，用事实说话，用结构化的方式拆解问题。杂乱的数据背后，往往隐藏着清晰的规律，而找到这些规律的过程，让我感到踏实而有力量。

我喜欢数据分析，因为它是一门把“模糊”变成“清楚”的学科。无论是用户行为、业务表现，还是现实中的社会现象，数据都能提供一种相对客观的视角。通过清洗、建模和分析，我可以把零散的信息转化为结论，帮助他人做出更理性的决策。这种“让数据产生价值”的过程，让我感到自己的学习是有现实意义的。

同时，数据分析也极大地锻炼了我的逻辑思维能力。一个好的分析并不是简单地跑模型、画图表，而是要不断追问：这个问题真正想解决什么？这个指标是否合理？结论是否经得起推敲？在不断假设、验证、修正的过程中，我学会了更严谨地思考问题，也更清楚地表达自己的观点。

本科应数，从隔壁中规中矩的工科平转过来的，很喜欢数学，纯数学有分析和代数两大方向，可能是运气好的缘故吧，我代数和分析都学得很开心，而且从就业上来说只要自己规划的好也是毋庸置疑的上游专业，说些虚荣的或者怎么样的数学毕竟是学校大类里面最难分流进的专业，说出去不管是在学校里还是什么地方（亲戚朋友面前）都怪有面子的hhhh

大家好，我也来分享一下。

我是学统计学（statistics）硕士毕业的，目前在一家科技大厂做ds。当初选择统计其实挺偶然的，本科原本是数学系，大三时发现自己实在没有搞纯数的慧根。后来接触了概率论和数理统计，突然觉得找到了数学和现实世界的接口。

说实话，在找工作的那段时间，我也动摇过要不要转码。毕竟在湾区，swe的坑位比ds多太多了，而且面试好像刷题就有路可走，而ds的面试像是在考百科全书，从机器学习算法推导到实验设计，再到SQL和product sense，让人头大。但我最终还是坚持留在了统计这条路上，因为我发现自己真的无法理解代码！（哭脸）

现在工作几年了，越来越觉得需要精进一下我的代码skills，因为想要往ml这边走。虽然现在AI大模型很火，很多人说ds要失业了，但我依然觉得，这种基于概率和数据的底层逻辑思维，是很难被AI完全取代的。所以我还是很庆幸当初选了这个专业，虽然路窄了一点，但沿途的风景真的很独特。

为了更好的生活