Cindy是上海姑娘，高中就读于上外附中。
大学里她一口气学了三个专业，都是基础专业，研究生申请到统计学全美排名Top2的加州大学伯克利分校，从投简历到拿到大牛工作Offer仅用了短短两个月时间……
基础学科看上去可能不像CS、Data Science那么炫酷热门，但是基础学科一样有自己的成才之路，让我们看一下Cindy的故事吧。
嘉宾介绍：
姓名：Cindy
本科：华盛顿大学西雅图
硕士：加州大学伯克利分校统计学专业
职业：尼尔森市场调研公司
（美国波士顿） 高级统计分析师
访谈内容：
Z为择由教育，Cindy为被访嘉宾。
Part.1本科学术经历
Z：你本科在华盛顿西雅图读了三个专业，应用数学、统计学、经济学，为什么会选择这三个专业呢？
Cindy：
我在高中时就特别喜欢数学，觉得数学模型很高级。大学一年级一般以基础通识课程为主，大二可以选专业了，我就决定学向往已久的应用数学专业。
大三时，我已经学完了数学的基础课，接下来要学习应用数学下面的分支课程了。
其中我必须学的一个分支是经济数学，经济数学需要修很多经济系的课程。
当时，经济数学对经济学课程的要求多到我再上个两三门经济学课程，就可以拿经济学专业的毕业证了。于是，我索性就决定把经济学专业也读下来。
统计学也有类似的原因，它和应用数学很多课程重合，我自己也很喜欢这门课。
Z：你本科的专业应用数学+统计+经济学这个排列组合可以让你在研究生阶段有很多专业可以选择，比如应用数学、数学、统计学、经济学、金融、数理金融、金融工程等，你为什么最后选择的是研究生读统计学呢？
Cindy：
确实，我的本科专业背景可以让我在研究生阶段有很多选择。
选择太多，以至于我决定读研之后，必须先要自己摸索清楚自己到底喜欢什么，不喜欢什么。
这是个不断做减法的过程。有时候，我需要被迫推翻曾经的努力和付出。过程中，你需要保持开放的心态，需要接收各方面的信息，需要容许自己试错，需要尊重自己内心的选择。
比如，我一开始想以后在金融和风险投资这类领域发展，于是我大三就自学参加精算师的考试。
拿到精算师证书需要四门考试通过，我当时已经通过了两门，第一门是概率论，与统计学相关的；第二门是金融数学，需要金融方面的知识，比如保险定价/股票/债券等纯金融知识。
当时准备第二门的时候，纯金融知识我自学起来也比较费力，在学的过程中我兴趣没有那么大。虽然这门也通过了，但是分数没有第一门那么理想。
在准备精算师考试的过程中，我找机会和已经从事精算师工作的学长学姐沟通，慢慢地我了解到初级精算工作对我来说可能会比较无聊，环境也比较枯燥。
所以，最终我就放弃了精算师的考试，也决定了研究生不考虑金融和经济领域。
选择统计学是因为统计学一开始是作为数学（或应用数学）的分支学科，在各个学校都是比较新和比较小的专业，学生比较少，老师对学生的关注度很高，师生之间的关系更密切。
我也受我们学校统计学系一位和我关系非常好的老师的影响，从她那里，我更加深入了解了统计学的作用，未来前景等。于是，我就决定申请统计学专业的研究生。
Z：申请统计学的研究生，你除了自己在学术和推荐信方面准备地比较充分之外，有没有再找过相关的实习或者研究项目来锻炼自己的实践能力？
Cindy：
有的。我当时首先想到的就是校内与统计学有关的学术研究项目。
我们学校有自选自修的学术研究，内容学生自己定，按照每周的时间算学时。
这需要你首先找到正在招募研究助手的老师，他们研究的内容正好与你的专业相关，你们互相满意之后，你再把相应资料拿到统计系老师那里去审批，看是否满足学分课程的要求。
如果审批通过，你就可以一边做着研究，一边修学分了。
我有自己联系统计系的老师，也有联系外系的老师。
我帮助过统计系的老师做学术研究，也再在大三暑假，协助我们学校商学院的一位老师做过市场调研。这个研究需要我利用统计学的知识和编程模型的技能，需要我自学一些商科的背景知识。
一直到大四第一学期开学，我还在做，一共做了3-4个月。在大四学期末，我还完成了学术研究的总结文章。最后，很幸运，我拿到了UCB的统计学研究生Offer。
Part 2 工作与展望
UCB的研究生项目仅仅一年时间，这一年时间里，你既要学习，写毕业论文，还要实习，找工作，你的压力很大吧？
Cindy：
第一个学期，课业压力很大，有很多理论课学习和考试。
第一个学期结束成绩比较好的学生，老师会推荐做TA，教本科生，TA可以减免部分学费。我觉得这可以减免学费，就当了TA。
12月份的时候，我开始在一家公益教育机构兼职实习，帮助他们把在谷歌搜索平台上的搜索关键词进行优化。
同时，我也是从12月开始投简历找工作，每天我会投5份简历，1-2月份大量面试，拿到Offer在2-3月份之间。4-5月份研究生毕业。时间真的很紧凑，事情满满当当的。
统计学专业的学生，一般会去什么样的公司工作？
Cindy：
统计学的就业非常好，原因是统计学的应用性强。统计学一直被广泛应用在商业的情报决策中，统计学的学生会用统计、建模的方法去解决一些商业问题。
学过商科课程的学生，会倾向于去银行、咨询公司；学习生物统计专业的学生，会去制药公司、生物、医疗仪器公司；喜欢Data Science、机器学习的学生，很多选择去科技公司、游戏公司。
像我这样，对消费者行为研究和Digital Marketing感兴趣，我就来到了尼尔森。在不同的公司，我们应用的模型类型和数据种类不一样，但是思路是一样的。
Z：你们这类工作未来的前景怎样？
Cindy：
目前人工的很多统计（数据）工作，未来会通过自动化的新产品来实现。基础的东西会越来越自动化。未来比较标准化的项目，不太需要人工参与，但是需要人工来维护。
现在很多大公司的数据和程序员的工作都外包给了印度的公司。美国本土、欧洲也有这类工作，但是很多都转到了印度，因为那里程序员很多，工资低。
我们公司在印度有一个组，工作内容其实和我们的差不多。现在我们岗位如果招新，美国本土的人会越来越少。
尼尔森做项目的人（与客户打交道的），相对于技术岗位来说流动性偏大。他们整个培训过程较快，难度和理论性不是那么高，看重经验积累、商业分析、与人沟通能力等软实力。
他们很多离开尼尔森这类乙方公司后去了甲方公司的市场部。
我们这类偏技术的岗位，在公司内部会有初级和高级之分，根据水平和经验来评定。有的人离职之后，会换到别的公司做，比如去硅谷的科技公司做数据统计、分析和研究。