当数据量变得大时，进行统计分析需要采取适当的策略和工具来处理和分析数据。以下是一些常用的方法：

1. 数据清理和预处理：对大量数据进行清理和预处理是进行统计分析的重要步骤。这包括去除异常值、处理缺失数据、标准化数据等。可以使用数据处理软件如Python中的pandas库或R语言中的tidyverse套件来处理数据。

2. 抽样：当数据量大到无法在合理时间内进行分析时，可以采用抽样方法来获取部分数据进行分析。抽样可以是随机抽样、分层抽样或者聚类抽样，具体选择哪种方法取决于数据的特点和分析的目的。

3. 并行计算：当数据量大时，可以利用并行计算的优势来加速统计分析。可以使用并行计算框架如Hadoop或Spark来并行处理数据，提高计算效率。

4. 数据可视化：当数据量大时，通过数据可视化可以更好地理解和分析数据。可以使用各种图表和图形工具来展示数据的分布、趋势和关系。常用的数据可视化工具包括matplotlib和seaborn库。

5. 建立模型：对于大数据集，可以利用机器学习和统计模型来进行分析。可以使用机器学习算法如决策树、随机森林、神经网络等来构建预测模型或分类模型。同时也可以使用统计模型如线性回归、逻辑回归等来进行推断和预测。

总的来说，当数据量大时，需要合理选择适当的数据处理和分析工具，并采用有效的方法来处理和分析数据，以获得准确的统计结果。