1、要了解常用的统计学指标

比如说 Excel函数、最大值、最小值、平均数、中位数、众数、方差、标准差、标准差系数、简单线性等等，只有掌握这些才能结合着大量数据做有效的处理。

2、数据基础分析方法

比较常见的方法有对比分析、结构分析、同期群分析。具体举几个例子，对比分析会涉及横向对比、纵向对比、横向纵向组合对比、与目标对比。结构分析指的是分析目标、选择合适的结构拆分维度、确定拆分先后顺序，还要看一下拆分之后指标的具体表现。所谓同期群分析说的是分析群体随时间变化的规律并且得到结论。学习以上课程的主目的是为了形成数据分析切入思维和角度，同样超过10tb的数据，由不同分析师来分析，结果为什么会有差别？主要是因为有的分析师切入角度足够全面、在排除了其他所有可能之后剩下的就是真实结果。

3、要了解数据分析的从业流

要先做无效数据剔除，要先做数据的分层，要做数据分析建模，要做数据方向测算，要得到可视化结论。了解从业流能让学生知道到底在不同时间段到底得做什么。

4、要学习系统软件

一本500万字的书它所占的容量可能只有500KB左右，你却需要花一两个月的时间才能看完，现在有10tb以上的数据集放在你面前，如果要单纯由人力来操作的话光是将数据看一遍、可能都需要花费好几年的时间，所以需要利用包含linux、spark、java、hadoop等软件系统，将诸多存储、分析软件打开进行有效运作，如此就能够分析得到可视化的结果。

5、实操

结合着过去已经得到结论的大数据做详细模拟分析，学生需要一台电脑、将所有软件和系统安装上去，然后在老师的指引下走几遍从业流程，如此就能将理论和实践融入在一起。