复核专业数据分析主要考核以下方面内容：

1. 数据收集：考察候选人怎样有效地收集数据，包括选择合适的数据源、了解数据质量、设计数据收集流程等。

2. 数据清洗：考查候选人的数据清洗技能，包括处理缺失值、处理异常值、数据标准化、数据去重等。

3. 数据探索：评估候选人如何运用统计工具和可视化方法进行数据探索，识别数据内在关系和规律。

4. 数据分析技能：检验候选人的数据分析技能，包括应用统计学、机器学习和建模技术对数据进行分析预测。

5. 数据解释和敏感性分析：考察候选人对数据结果的解释和敏感性分析能力，能否就数据分析结果向他人清晰传达。

6. 数据保护：测试候选人对数据安全和隐私保护的意识，能否有效管理和保护数据。

7. 编程能力：考察候选人的编程技能，例如熟练掌握R、Python等数据分析工具和编程语言。

8. 综合解决问题能力：评估候选人综合运用数据分析方法解决实际问题的能力，包括项目管理、团队合作等方面。

通过以上多个方面的考核，可以全面评估候选人在数据分析领域的能力水平。

复核专业数据分析主要考察以下几点内容：

1. 统计学基础：数据分析是建立在统计学原理之上的，因此复核专业数据分析考试通常会涉及基本的统计学知识，包括概率、假设检验、方差分析、回归分析等内容。考生需要掌握这些知识，并能够灵活运用以解决实际问题。

2. 数据处理能力：数据分析工作离不开数据处理，包括数据清洗、数据转换、数据可视化等环节。复核专业数据分析考试会考察考生对数据处理的能力，包括数据清洗的方法、数据转换的技巧、数据可视化的工具等方面。

3. 数据挖掘技术：数据挖掘是数据分析的重要工具，用于发现数据中的模式、规律和趋势。复核专业数据分析考试会涉及数据挖掘的基本算法和技术，包括聚类分析、分类分析、关联规则挖掘等内容。

4. 机器学习算法：近年来，机器学习在数据分析领域的应用越来越广泛。复核专业数据分析考试通常会涉及一些常见的机器学习算法，如决策树、支持向量机、神经网络等， 要求考生了解这些算法的原理和应用场景。

5. 商业洞察力：数据分析的最终目的是为了帮助企业做出更明智的决策。因此，复核专业数据分析考试还会考察考生对商业问题的理解能力和解决问题的能力，包括利用数据分析结果为企业提供战略建议、优化业务流程等方面。

复核专业数据分析考什么

在复核专业数据分析方面，通常需要考察数据处理、数据分析和数据可视化等方面的知识和技能。在面试或测试中，以下几个方面通常是被重点考察的：

1. 数据处理

数据清洗

• 对数据集进行清洗，处理缺失值、重复值、异常值等。
• 数据清洗的常用工具包括Python的pandas库、R语言中的dplyr包等。

数据转换

• 对数据进行格式转换，例如将时间戳转换成日期格式，对文本进行编码等。
• 数据转换的常用工具包括Python的pandas库、R语言中的tidyverse包等。

数据合并

• 合并多个数据集，根据共有的列进行合并或连接操作。
• 数据合并的常用工具包括Python的pandas库、R语言中的dplyr包等。

2. 数据分析

描述性统计

• 对数据进行描述性统计，包括均值、中位数、最大最小值、标准差等。
• 描述性统计的常用工具包括Python的pandas库、R语言等。

探索性数据分析

• 进行数据可视化分析，绘制直方图、散点图、箱线图等，探索数据之间的关系。
• 探索性数据分析的常用工具包括Python的matplotlib、seaborn库、R语言中的ggplot2包等。

统计推断

• 运用统计方法对数据进行推断分析，包括假设检验、方差分析、回归分析等。
• 统计推断的常用工具包括Python的scipy库、statsmodels库、R语言等。

3. 数据可视化

静态图表

• 利用静态图表展示数据的分布、趋势和关联性，例如柱状图、折线图、饼图等。
• 静态图表的常用工具包括Python的matplotlib、seaborn库、R语言中的ggplot2包等。

交互式图表

• 利用交互式图表展示数据，提供更多的交互性和可视化效果，例如地理热力图、动态图表等。
• 交互式图表的常用工具包括Python的plotly、bokeh库、R语言中的plotly包等。

仪表盘

• 将多个图表整合在一个仪表盘中，以便用户可以通过交互式操作来查看数据的不同方面。
• 仪表盘的常用工具包括Tableau、Power BI、Python的dash库等。

综上所述，在复核专业数据分析方面，需要掌握数据处理、数据分析和数据可视化等相关的知识和技能，通过处理真实数据并进行分析和可视化展示，展示自己的数据分析能力。