互联网本身具有数字化和互动性的特征，这种属性特征给数据搜集、整理、研究带来了革命性的突破。与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。
结构化数据与非结构化数据成为大数据时代背景下的数据主体。结构化数据是指数据结构规范、完整的数据。在使用结构化数据对业务问题进行描述性分析时主要应用的IT工具有电子表格工具、数据库操作语言、ETL工具及数据可视化工具等。非结构化数据是指数据结构不规范、不完整、格式多样、难以理解、难以进行标准化处理的数据。来自企业系统之外的数据，大部分都属于非结构化数据。根据对结构化数据进行加工处理、分析、展现所使用
、数据分析概述数据分析(DataAnalysis)可以被定义为：用适当的分析方法和挖掘方法对收集来的数据进行研究总结，提取有用的信息，形成结论并支持决策的过程。数据分析的分类用于商业决策的数据分析方法主要分为业务描述性分析方法与数据挖掘分析方法两大类。业务描述性分析是以数据为分析对象，以探索数据内的有用信息为主要途径，以解决业务需求为最终目标，包含业务理解、数据采集、数据清洗、数据探索、数据可视化
一、数据分析概述与职业操守(占比 6%) 数据分析概念、方法论、角色(占比1%) 数据分析师职业道德与行为准则(占比1%) 大数据立法、数据安全、隐私(占比4%) 二、数据结构(占比 12%) 表格结构数据特征(占比2%) 表格结构数据获取、引用、查询与计算(占比2%) 表结构数据特征(占比4%) 表结构数据获取、加工与使用(占比4%) 三、数据库应用(占比 17%) 数据库相关概念(占比1%)