考研数据分析主要学习以下内容：
数据挖掘：
这是大数据分析的核心内容之一，涉及从大量数据集中提取有价值的信息。数据挖掘技术包括分类、回归、聚类和关联分析等，这些方法在许多领域都有广泛应用。数据挖掘的过程包括数据预处理、特征选择、模型构建和结果评估等步骤。
机器学习：
机器学习是大数据分析的重要组成部分，旨在通过算法和统计模型使计算机系统能够自动改进性能。监督学习和非监督学习是机器学习的两大类方法。监督学习包括分类和回归，常用算法有线性回归、逻辑回归、支持向量机和神经网络等。非监督学习包括聚类和关联分析，常用算法有K-means、层次聚类和主成分分析等。
统计学：
统计学为大数据分析提供了理论基础和分析方法。课程通常涵盖描述统计、推断统计、回归分析、假设检验和时间序列分析等内容。学生需掌握如何通过统计方法进行数据描述和推断，以揭示数据中的模式和关系。
数据库管理：
涉及数据的收集、存储、处理和维护。学生需要学习如何设计和管理数据库系统，包括关系型数据库（SQL）和非关系型数据库（NoSQL）。课程通常包括数据架构、数据治理、数据清洗和数据转换等内容。
编程技能：
掌握一些关键的编程语言和工具，如Python、R、SQL、FineBI等。这些技能不仅在学术研究中非常重要，在实际工作中也是必不可少的。
数据可视化：
教学生如何将复杂的数据以直观的方式呈现出来，常用的数据可视化工具包括Tableau、Power BI等。
云计算：
学习如何利用云计算平台进行大数据处理和分析，常用的云计算平台包括AWS、Azure和Google Cloud Platform等。
商业智能：
了解如何利用数据分析结果进行商业决策，包括数据驱动的决策制定、业务优化等。
伦理和法律问题：
了解数据分析在实际应用中可能涉及的伦理和法律问题，确保数据分析工作的合规性。
建议学生在准备考研时，重点复习上述内容，并尽可能通过实际项目来积累经验和技能。选择专业时，可以根据自己的兴趣和职业规划来选择相应的方向，如统计学、计算机科学、数学或商业管理等。