大數據分析挖掘需要學習以下內容：

1、數學基礎：包括概率論、統計學、線性代數等，這些是進行數據分析挖掘的基礎。

2、編程語言：掌握一種或多種編程語言，如Python、R或Java等，用于編寫和實現數據分析挖掘算法。

3、數據處理技術：學習數據的預處理、數據清洗、數據變換等技術，以便將原始數據轉化為可分析的數據形式。

4、機器學習基礎：了解機器學習的基礎概念、算法和應用場景，如分類、回歸、聚類等，以及常用的機器學習庫，如scikit-learn。

5、大數據處理技術：掌握大數據處理的技術和工具，如Hadoop、Spark等，用于處理大規模的數據。

6、數據庫知識：了解數據庫的基本概念和操作，如SQL的使用和數據庫系統的設計。

7、數據可視化技術：學習如何將數據分析結果以圖表、圖像等形式展示出來，以便更直觀地理解數據。

8、領域知識：針對特定的數據分析領域，需要了解該領域的專業知識，如自然語言處理、圖像處理、金融數據分析等。

除了以上內容，還需要不斷學習和掌握新的技術和方法，以適應不斷變化的大數據環境和需求。