如果你知道你想成为一名数据科学家，你几乎可以排除纯数学。请注意，我并不是说纯数学家不能成为数据科学家，但这不是最自然的转变。在其他两个分支之间，统计数据可能是最自然的路径。两者都会让您考虑应用数学来回答现实世界的问题，但统计数据非常专门针对更大规模的数据分析。

编辑：@rocinante 提到了对软件技能的需求，并建议将 CS 而非经济作为未成年人。我会说这真的取决于; 如果您在一个更大的数据科学团队中，您可能会与专门的程序员一起工作，他们将能够比您作为分析师所期望的更有效地实施您的分析。如果您知道要将 DS 技术应用于金融或业务，那么特定领域的知识会很有帮助。此外，如果您知道最终从事数据科学是您的愿望，那么您将能够在此过程中寻找使用编程的方法，并保持这些技能的敏锐。

如果您正在考虑从事数据科学职业，您应该开始开发统计理论、软件工程原理、数据库、数据结构、算法开发和统计计算方面的背景知识。

我同意 Gartner 关于静力学重要性的观点。但是，如果您的数据科学辅修课程侧重于经济学，我会重新评估是否完成它。相反，我会转学辅修计算机科学，或者用完你的选修课来学习编程课程。

作为一个应用数学和统计学的人，我觉得我的编程知识在处理现实生活中庞大、混乱的数据集时真的很缺乏。我所需要的所有程序都是两门 Java 课程，所以我最终不得不花费大量时间来学习更多关于脚本、有用的编程语言等的知识。

我最近在为什么拓扑很少出现在拓扑之外？纯数学（拓扑）在数据科学中很有用。我认为数据科学需要混合技能：编程（计算机科学、算法）、实践（统计、信号处理）、理论（逻辑、数学）。您可以获得数据科学技能的 Metromap，其中有很多。

数据科学家技能的地铁地图

我相信先学会什么比较难，什么是自己学或者网课不容易学的，会比较好。一点点数学似乎很有趣，它可以通过学习你在其他地方很少学到的抽象来为你（如果选择得当）提供未来的燃料。