统计学考研跨考大数据涉及到统计学和大数据两个领域的知识，需要具备一定的数学基础和编程能力。下面是几个方面的重点：

1.

数学基础

微积分：对函数的求导、积分等基本操作，理解导数和微分的概念。

线性代数：矩阵运算、特征值与特征向量、向量空间等基础概念。

概率论与数理统计：包括概率分布、随机变量、期望、方差、极大似然估计、假设检验等内容。

2.

统计学知识

基本统计量：均值、中位数、方差等。

统计推断：置信区间估计、假设检验、参数估计等。

回归分析：线性回归、多元线性回归、逻辑回归等。

方差分析：单因素方差分析、多因素方差分析等。

3.

大数据技术

数据处理：数据清洗、数据转换、数据抽样等。

数据分析：数据可视化、数据探索性分析等。

机器学习：监督学习、无监督学习、深度学习等。

编程技能：Python、R、SQL等编程语言的掌握，以及相关的数据处理和分析库的使用。

4.

实践能力

通过实际项目或者案例学习，掌握数据分析和统计建模的实践技能。

参与一些开源项目或者竞赛，提升解决实际问题的能力。

5.

准备考研

针对统计学考研的专业课，系统地复习相关知识点，掌握考试的命题规律和解题技巧。

参加模拟考试，及时发现自己的不足之处，并进行针对性的弥补。

要跨考统计学考研大数据方向，需要全面掌握统计学和大数据领域的知识，并且具备扎实的数学基础和编程能力。