在这个信息爆炸的时代，大数据已经成为一个不可或缺的概念，它不仅影响了商业模式和决策过程，也深刻改变了我们对世界的理解。那么，人们通常会问：“大数据一般是学的什么？”这实际上是一个复杂的问题，因为它涉及到多个领域和技能，但可以概括为以下几个关键点：

基础数学：

学习大数据首先需要扎实的数学基础，这包括但不限于线性代数、概率论、统计学等。这部分内容对于理解和处理大量复杂数据至关重要。例如，在机器学习中，线性代数用于构建模型，而概率论则帮助我们分析随机事件发生的可能性。

编程能力：

作为现代计算技术的一部分，大数据处理往往需要通过编程实现。因此，对于Python、R这样的编程语言以及SQL数据库管理系统有着深入了解是必须的。在实际工作中，我们可能需要使用这些工具来清洗、分析和可视化海量数据。

算法与模型：

从理论出发，了解各种算法（如K-means聚类、朴素贝叶斯分类等）及其应用，以及如何建立预测模型，是进行有效大数据分析不可或缺的一环。这要求掌握各类优化技术，如梯度下降法，以确保算法在处理庞大数量级下的效率高低。

分布式计算与存储：

随着传统单机内存有限，大规模问题常常被分解成多个子任务并行执行。大型公司如谷歌、亚马逊就推出了自己的分布式计算平台Hadoop MapReduce，它允许用户利用集群中的每一台服务器资源，从而快速完成复杂任务。此外，还有Spark框架，它提供更快捷、高效地处理结构化和非结构化的大规模 数据集功能。

人工智能与深度学习：

随着AI技术迅速发展，大量研究者开始将其应用于大规模行为观察以识别模式并做出预测。深度学习特别是在图像识别、大型语音识别等方面取得了巨大的进步，为解决现实世界问题提供了一种全新的途径，即使如此，这仍然是一个不断探索未知领域，面临挑战重重。

业务洞察力与决策支持：

最后，但同样重要的是，将这些数字转换为有用的信息，并将它们融入到具体商业环境中，使得企业能够基于这些洞察力做出明智决策。这意味着结合经济学原理，以及对行业动态变化敏感，不断调整策略以适应市场变化是非常必要的技能之一。

综上所述，大数据一般是学的大致范围包含数学基础知识、编程能力开发、大量算法与模型设计，以及分布式计算系统运用，同时也要培养人工智能尤其是深度学习方面的心思，以及最终将所有这一切转化为指导企业决策支持的情报分析能力。