DS和CS在难度方面存在较大区别。DS的整体难度是中等，绝大多数同学都能拿到Offer，轮空的概率较低，但顶级的项目难度非常大，并不低于CS的顶级项目。
对于想要在北美就业的同学来说，CS是在北美就业最强的学科，通用性更高，竞争也就更加激烈。CS的开发岗位较多，在北美的就业难度较小。CS可以选修DS的课程，因此CS的岗位兼容了DS。DS在北美起步通常做data analyst（数据分析师），薪资中等，竞争较小，三年左右有机会转data scientist，薪资和SDE（开发工程师）基本持平。后期data scientist和SDE基本在同一水平线。
在国内算法工程师的薪水会高于开发工程师，但开发岗位的竞争难度远远低于算法岗位。DS最终考察的是该模型所达到的指标，例如图像算法会考察图像检测的错误率，推广搜则是考察用户在该平台消耗的时间和金钱，工作成果可以得到有效量化。年轻人有较强的数据分析能力和思考能力，也可以在工作中有较为出色的表现。CS则会相对稳定一点，无论国内外，需求稳定，工作质量和工作量直接挂钩，可以熟能生巧。
在求职时，CS的刷题难度会高于DS。DS和CS在就业时都需要做题，DS只需要达到中等水平，但是CS需要达到较高的水平。虽然在求职时存在一些难易区分，但工作到后期，开发岗位会更简单，因为没有具体的指标要求。
BA的申请难度整体较小，BA的顶级项目会稍弱于DS的顶级项目。如果仅仅是毕业后想从事数据相关的工作，对于技术没有过多的要求，可以带上BA专业混申。
就业难度两者在北美差不多，在国内有较大差异，算法就业会明显难于分析师。BA起薪低于DS和SDE，后期会向DS发展，路径趋于相似。国内算法转BA比较容易，类似于对于已经做过的业务做分析，但是BA很难转向算法，从一个不直接提供价值的工种转向直接提供价值的工种，难度较大。在国内做数据分析前期无法体现价值，但后期随着对业务的熟练度增加，能提供的价值越来越丰富，薪水最终可以和算法工程师趋于持平。DS就业是看指标，BA则是累积需求，是一个量变产生质变的过程，通过业务需求累加分析经验，工作上压力较小。
BA的领域集中在商科领域或金融领域，DS的领域涉及较广。BA在近几年的热度较高，有一部分学校的BA倾向量化，较为看重编程能力。BA如果不加入经济学习的部分，很多时候都是在做数据处理，如果带入模型能力，就会在BA的基础上叠加一层预测属性，有更大的指导建议和价值。
以上三期就是师姐关于DS专业的全部分享。
【竞赛报名/项目咨询请加微信：mollywei007】
