回校的路上聽了一個知乎live，在講“經濟學技能點”
經管專業到底虛不虛？
數理化以及很多工科專業，人們會認爲其很“實在”，給人比較踏實的感覺。這種“踏實感”的來源於技能，即通過四年甚至更長時間的學習掌握了一門他人不會的技能。但技能或者說手藝既是特點又是限制，但手藝的市場需求量大時，很容易找到工作，比如會計專業。但並不是說其他經管類專業比較虛，更多經管類專業學習對“軟技能”的培養是潛移默化的，比如說經濟思維方式、解讀數據觀點等等，硬點的技能如統計知識、數據處理等等。
經濟學在業界
學術界已經很標準化，但工業界也開始招募經濟學家，如Amazon，Facebook等科技公司也開始招募經濟學家，其看重的是這些人的數據挖掘能力，即發掘數據之間內在關聯的能力，這是實證分析培養出來的核心技能。這一技能越來越被廣大公司認識到價值。因爲分析數據內在關聯統計學家也可以做，但如果沒有受過系統經濟學訓練，容易掉坑裏。由此可以持樂觀態度。但現在有新興專業如商業分析專業，其更具有針對性，因此還需謹慎看待。究竟趨勢如何，還需要後續觀察。
對於業界所需技能
首先是編程的技能：python、R和其他（C、C++等等）。相比較Stata，SAS來說，python、R是開源的，代表的是通用。python和R各有側重，python是主流的編程語言，R專注於數據處理和統計。初期的數據探索，R更擅長，統計迴歸R可以秒殺python；機器學習上python是秒殺R。對於兩者有條件可以都掌握下。關於算法，有餘力地可以學習下，能使得代碼更高效在學習過程中，推薦“項目學習法”，學習的過程就是解決問題的過程。
python在經濟學主要是數據收集、數據整理、初步分析、數據可視化、機器學習，同時應學習計算機系本科的算法已經綽綽有餘。用python自己爬數據未來會成爲經濟系甚至社會科學中不可或缺的技能，因爲其學習壁壘不高。對於高階數學，比如測度論、實變函數、泛函分析、動態優化、拓撲學、偏微分方程、隨機過程等等，根據研究方向、內容把握好學習的程度。
live主 知乎ID 司馬懿