大數據如今已經深入人們生活的方方面面，相關大學專業也十分受歡迎。不過在熱門的同時，也出現了一些如“千萬不要學數據科學和大數據”、“學大數據專業后悔死了”之類的言論。究其原因，主要跟學生自身因素有關。
如有的學生高考分數低，無法選擇實力更強的院校，學習成果也不是很理想，還有的學生報考前沒有了解專業的學習內容，最終因為難度太大而對專業產生負面情緒。
一、千萬不要學數據科學和大數據？
這顯然是片面的，每個專業都有學習的優劣，最終學習成果也是因人而異的。而不推薦該專業的學生主要有以下兩點原因：
①學校實力太參差
因為近幾年相關專業越來越熱門，所以開設該專業的學校也越來越多，但是不同學校的辦學實力卻相差很大。
在一些學校中大數據專業是掛在統計學專業的下面，更多的是統計披了計算機的皮，在統計的基礎上教點hadoop，教點Python，教點Linux。
有的學校是放在計算機下面，對實際操作要求高，編碼能力要強，而且極有可能會開編譯原理，計算機組成原理等偏硬的課，如果掛在統計或者數學下面這是不可能開的。
還有的學校則是有專門的院系，比如華東師范的數據科學學院，就有自己比較獨立的一套培養方案，在學生的培養上會更有體系。
關于大數據就業，你學的東西并不是你都能用到，能力強可以做大數據算法、深度學習之類的，能力較弱也可以做大數據可視化這一塊，還有專門處理數據寫sql、hql之類的，還有維護和管理節點的。所以說能學好一個方向就不虧。
②學習難度較大
該專業的重點分為兩部分，數據科學偏向于數學，大數據偏向于計算機。
從學科方面說是由數學、統計學和計算機科學三個組成，因此數據科學與大數據專業并不能完全說歸結在哪一類學科，它算是交叉學科中的專業。
這樣就導致該專業的學校會同時學習多個專業的課程，因此在課程跨度上較大，并且需要一定的數學基礎。
二、學大數據專業后悔死了？
大數據專業肯定有學習的價值，在IT大行其道的時代，國家需要更多的相關人才，而且相關行業的薪資待遇也很好。
上文說到過不同層次的學校因為實力不同，因此在學生的培養上也就有很大差別。該行業又是一個很注重個人實力的專業，但由于培養方案不成熟，加上本科階段的學習博而不精，真正能上的專業課是非常非常少的。
因此如果考生的分數不能夠選擇該專業中比較好的學校，建議考慮別的專業。
如果是想在該專業中發光發熱，在大一大二時盡量完成語言基礎的鋪墊，不要滿足于學校開設的基礎課程，可以試著嘗試更高級的題目。也可以選擇參加各種相關的競賽，如果學校沒有集體組織參加，可以自己找老師進行輔導。
不要過多的注重成績績點，在企業招聘時時更注重應聘者的個人技能和實力。關于這一點可以選擇盡可能參加各種實習，進一步了解行業真實的要求和規則。
最后就是這個專業是否要讀研究生。
如果在本科畢業后能夠拿到自己滿意的offer，那么可以選擇就業，但是在這一行中就業并不意味著學習的結束，因為技術更迭太快所以需要永遠不停的學習，才能保證自己能夠一直被需要。