大數據分析是大數據技術的重要環節，也是目前數據價值化的重要實現方式之一，所以學習大數據技術的一個重點就在于數據分析。

數據分析的方式通常有兩種，一種是統計分析，另一種是機器學習。統計分析主要是運用數學的手法，通過已有的大量數據來反應事務的聯系性。要想熟練運用統計分析方式，需要具備扎實的數學基礎。當然，隨著目前統計工具的普及化，一些統計工具會極大的簡化統計分析的過程和難度，對于數學基礎比較薄弱的人來說，只要經過一個系統的學習過程，往往也能夠熟練地進行統計分析。

機器學習是另一種比較常見的數據分析方式，機器學習的目的就是從一堆雜亂無章的數據中找到其背后的規律。機器學習的步驟分為數據采集、數據整理、算法設計、算法訓練、算法驗證和算法應用，可以說機器學習的重點在算法設計上。從這個角度來看，機器學習也需要具備扎實的數學基礎。通常來說，機器學習分為兩個階段，分別是學習階段和識別階段，學習階段需要掌握數據之間的聯系，而識別階段則是對未知數據的鑒別（分類等）。

隨著大數據的落地應用，在大數據領域進行數據分析的難度也在逐漸下降，比如BI工具就能夠明顯降低數據分析的門檻。BI工具通常需要學習一些數據庫方面的知識，而數據庫知識的難度相對來說并不大，這在一定程度上促進了BI工具的使用。

目前，場景數據分析是一個數據分析的重點和熱點，場景數據分析的商業應用價值還是比較高的。另外，場景數據分析對于行業知識有一定的要求。

我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續在頭條寫一些關于互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收獲。

如果有互聯網方面的問題，也可以咨詢我，謝謝！