如果是壹種資料篩選，那麽邏輯學和社會學壹定要有基礎，不壹定精通，但基礎壹定要有。大數據的數據本身是沒有意義的，需要從大數據中提取出想要的數據，所以如果邏輯和社會學失敗或者不紮實，那麽這部分數據可能與需要的數據有關，但可能沒有被註意到，但可能與需要的數據無關，但它被放在其中（等於增加無用功），這不是壹個好現象。而這部分需要邏輯學和社會學。
如果是具體操作，比如數據可視化，那就沒什麽好說的了。編程能力和理解能力都是大頭。
還有數據治理等等（這是數據倉庫的概念，也可以放入大數據）。數據的敏感性實際上與數學有關，邏輯社會學實際上與數據有關，編程也與數學有關，所以我認為大數據的基礎需要數學。當然，職位（或職位）的基礎是不同的。如果只是操作的話，會更簡單。如果往上走，數學基礎會更紮實。但都是需要的。