数据分析考研需要考察的内容包括数学、统计学、计算机科学以及专业课。具体的参考书目和考试科目如下：
数学基础
高等数学：了解微积分、线性代数、常微分方程等基本概念和性质。
线性代数：掌握矩阵、向量空间、线性变换等核心内容。
概率论与数理统计：理解随机现象、概率分布、假设检验、回归分析等。
统计学
描述统计：掌握数据的收集、整理、描述方法。
推断统计：学习从样本数据推断总体特征的方法。
多变量统计分析：处理涉及多个变量的数据，包括回归分析、聚类分析等。
计算机科学
数据结构与算法：掌握常用的数据结构（如数组、链表、树、图）和算法（如排序、查找）。
编程语言：熟悉至少一门编程语言（如Python、R、Java）。
数据库管理系统：了解关系型数据库（如MySQL、Oracle）和非关系型数据库（如MongoDB）。
专业课
大数据分析原理与应用：理解大数据的基本概念、处理技术和应用场景。
数据挖掘：学习数据挖掘的基本方法和算法，包括关联规则、分类、聚类等。
机器学习：掌握常见的机器学习算法（如决策树、支持向量机、神经网络等）。
数据可视化：学习如何将数据以图形或图表的形式展示，便于理解和分析。
推荐参考书目：
数学分析：《数学分析》（2018 年，第四版）， 欧阳光中等编， 高等教育出版社；《数学分析讲义》（2011 年，第五版）， 刘玉琏等编， 高等教育出版社。
高等代数：相关教材或参考书。
大数据分析相关书籍：《大数据分析原理与应用》、《数据挖掘：概念与技术》、《机器学习》、《数据科学实战》、《统计学习方法》、《Hadoop权威指南》、《Python编程：从入门到实践》等。
考试科目：
思想政治理论：101
英语一：201
数学分析：655
高等代数：915
这些科目和书籍涵盖了数据分析考研的基本要求，建议考生根据具体学校和专业的要求，选择相应的教材进行复习。