
CDA数据分析师研究院-经管之家
一、行业背景
这是一个用数据说话的时代,也是一个依靠数据竞争的时代。LinkedIn的最新投票结果显示,“统计分析和数据挖掘” 是2014年最大的求职法宝。LinkedIn对全球超过3.3亿用户的工作经历和技能进行分析,公布2014年最受雇主喜欢、最炙手可热的25项技能,其中位列榜首的是统计分析和数据挖掘。麦肯锡公司的一份研究预测称,到2018年,在“具有深入分析能力的人才”方面,美国可能面临着14万到19万的缺口,而“可以利用大数据分析来做出有效决策的经理和分析师” 缺口则会达到150万。数据科学家将成为2015年最热门的职业。
作为一个数学和统计学的强国,数据分析、数据挖掘和大数据价值挖掘在我国仍属于朝阳行业,数据分析人才仍然比较稀缺。各行各业在平常工作中积累的各种各样的数据分析问题仍然没有得到及时有效地解决,有些问题,还是关乎本行业发展的至关重要的问题。数据积累越来越多,期待解决分析的数据问题也越来越多,人们逐渐习惯的使用数据作为决策的重要参考依据。据艾瑞的研究报告,未来与数据分析相关的就业岗位会在1000万左右,而目前来说国内的合格的数据分析师不足5万,建立一个科学有效的数据分析师培训体系迫在眉睫。
在这样一个以数据驱动的时代,在社会缺少专业系统的人才培养与认证机制的时代,CDA数据分析师应运而生。美国注册数据分析师协会(CERTIFIED DATA ANALYST INSTITUTE)联合人大经济论坛(BBS.PINGGU.ORG)于2013-2014年度推出CDA数据分析师LEVELⅠⅡⅢ资格标准,并根据标准制定了规范的人才培养与考试认证机制。
二、专业优势
CDA(CERTIFIED DATA ANALYST ),全称“注册数据分析师”,由“注册数据分析师协会”(以下简称“CDA协会”)联合人大经济论坛在顺应大数据、云计算的潮流下发起成立的职业简称。旨在加强国内外乃至全球范围内正规化、科学化、专业化的数据分析人才队伍建设,进一步提升数据分析师的职业素养与能力水平,促进数据分析行业的高质量持续快速发展。人大经济论坛自03年成立以来,已累计500万会员,自06年开展统计、数据分析、数据挖掘专业培训后,已累计讲师近200名,学员3万名。由于世界范围内缺乏系统的数据分析师考核认证标准,CDA协会及人大经济论坛以丰厚的专业积淀,整合资源,汇聚国内外学术界、实务界顶级数据分析师团队推出“CDA数据分析师认证考核”,为企业、政府等单位培养优秀的数据分析人才。
三、认证标准
CDA Level Ⅰ:业务数据分析师。专指政府、金融、电信、零售等行业前端业务人员;从事市场、管理、财务、供应、咨询等职位业务人员;非统计、计算机专业背景零基础入行和转行就业人员。CDA Level Ⅰ业务数据分析师需要掌握概率论和统计理论基础,能够熟练运用Excel、SPSS、SAS等一门专业分析软件,有良好的商业理解能力,能够根据业务问题指标利用常用数据分析方法进行数据的处理与分析,并得出逻辑清晰的业务报告。
CDA Level Ⅱ:建模分析师。两年以上数据分析岗位工作经验,或通过CDA Level Ⅰ认证半年以上。专指政府、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与数据挖掘的人员。在Level Ⅰ的基础上更要求掌握多元统计、时间序列、数据挖掘等理论知识,掌握高级数据分析方法与数据挖掘算法,能够熟练运用SPSS、SAS、Matlab、R等至少一门专业分析软件,熟悉适用SQL访问企业数据库,结合业务,能从海量数据提取相关信息,从不同维度进行建模分析,形成逻辑严密能够体现整体数据挖掘流程化的数据分析报告。
CDA Level Ⅱ:大数据分析师。两年以上数据分析岗位工作经验,或通过CDA Level Ⅰ认证半年以上。专指政府、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与云端大数据的人员。在Level Ⅰ的基础上要求掌握JAVA语言和linux操作系统知识,能够掌握运用Hadoop、Spark、Storm等至少一门专业大数据分析软件,从海量数据中提取相关信息,并能够结合R python等软件,形成严密的数据分析报告。
CDA Level Ⅲ:数据分析专家。五年以上数据分析岗位工作经验,或通过二级认证半年以上。专指从事各行业、企业整体数据资产的整合、管理的专业人员,面向用户数据创造不同的产品与决策,一般指首席分析师(CA)。数据分析专家需要掌握CDA Level Ⅱ的所有理论及技术要求,还应了解计算机技术,软件开发技术,大数据分析架构及企业战略分析方法, 能带领团队完成不同主题数据的有效整合与管理。对行业、业务、技术有敏锐的洞察力和判断力,为企业发展提供全方面数据支持。
四、报考条件
专业不限,但拥有本科学历或相当的专业水准(工作经验)
Level Ⅰ:(满足以下之一皆可报名)
1. 拥有本科及以上学历或在校本科大四学生
2. 本科以下学历非学生需从事数据分析相关工作1年及以上
Level Ⅱ:(满足以下之一皆可报名)
1. 获得CDA Level Ⅰ认证半年以上
2. 本科及以上学历并从事数据分析相关工作2年以上
3. 本科以下学历需从事数据分析相关工作3年以上
Level Ⅲ:(满足以下之一皆可报名)
1. 获得CDA Level Ⅱ认证1年以上
2. 本科及以上学历并从事数据分析相关工作5年以上
3. 本科以下学历需从事数据分析相关工作6年以上
(注:上述数据分析相关工作不限制行业,工作涉及统计,数据分析,数据挖掘,数据库,数据管理等内容即可。)
五、考试内容
Level Ⅰ:客观题(单选+多选)
参考书籍:
《从零进阶!数据分析师的统计基础》(人大经济论坛 主编 曹正凤 编著)
《如虎添翼!数据处理的SAS EG实现》(人大经济论坛 主编 徐筱刚 编著)
《胸有成竹!数据分析的SAS EG进阶》(人大经济论坛 主编 常国珍 编著)
Level Ⅱ:客观+案例分析(选择+案例分析)
以下是CDA数据分析师本届考试大纲及解析:
CDA LEVEL Ⅰ 业务数据分析师_考纲及解析(点击下载)
CDA LEVEL Ⅱ 大数据分析师_考纲及解析(点击下载)
考试内容由CDA命题组按照CDA等级标准大纲要求命题;考试最终成绩分为A,B,C,不及格四个层次,A,B,C三个层次皆为通过考试并获得认证证书。
六、2015考试安排
CDA LEVEL Ⅰ(业务数据分析师):2015年12月26日(下午)
CDA LEVEL Ⅱ(数据建模分析师):2015年12月27日(上午)
CDA LEVEL Ⅱ(大数据分析师):2015年12月27日(下午)
地点:北京/上海/深圳/广州/成都/杭州/武汉/长沙/贵阳/青岛/沈阳/福州/西安
考试费用:
CDA LEVEL Ⅰ: 1000元(CDA学员由论坛补贴400元)
CDA LEVEL Ⅱ: 1500元(CDA学员由论坛补贴500元)
截止时间:2015年12月7日
七、报名办法
(1)在线报名http://cda.pinggu.org/online_registration.html
(2)报名流程:
在线注册——提交资料——完成缴费——审核通过——报名成功
---------------------------------------------------------------------------------------------------------------------------
CDA数据分析师人才培养计划
人大经济论坛CDA数据分析研究院,推出CDA数据分析师系列培养方案,详情如下:
CDA数据分析员培训简介:
CDA数据分析员为CDA课程体系中最为初级阶段的入门课程,针对非专业背景、非专业岗位(例如营销、财务、产品、销售等岗位)的零基础业务人员,以一个分析员而非分析师的标准,对数据分析的理念,整体框架,常用方法,报表撰写的一个系统性培训,主要达到让学员能够快速掌握数据分析常用技术,使用EXCEL、Tableau等易操作软件,高效运用到自己相关业务之中,形成规范的数据分析报告。
CDA LEVEL Ⅰ业务数据分析师培训简介:
CDA LEVEL Ⅰ 是针对零基础或基础薄弱欲就业、转行从事数据分析岗位的初学者,也针对有础但不系统欲进一步完整提升技能的职场人员。此系统课程截止2015年3月已举办十期,课程内容主要是从理论-实操-案例应用步步进阶,能让学员充分掌握概率论和统计理论基础,能够熟练运用Excel、SPSS、SAS等一门专业分析软件,有良好的商业理解能力,能够根据业务问题指标利用常用数据分析方法进行数据的处理与分析,并得出逻辑清晰的业务报告。培训后通过CDA考核认证,可获得CDA数据分析师LEVELⅠ资格证书,成为一名合格的“业务数据分析师”。
CDA LEVEL Ⅱ数据建模分析师培训简介:
CDA Level Ⅰ为基础薄弱的学员提供了入行的机会,能够结合业务完成基本的数据分析并作出数据报告。但企业想要在竞争激烈的市场中胜出,决策的速度和反应的效率尤为重要。根据调查显示,75%的企业在面临拟定策略时,常常无法获得实时且有根据的决策信息。什么样的数据、要通过什么样的方法,才能快速便捷的提供对决策有价值的信息,是现代企业所面临最迫切性的问题。因此,在CDA Level Ⅰ的基础上,CDA Level Ⅱ(建模分析师)即为企业决策提供及时有效、易实现、可信赖的数据支持。
在建模分析师中,数据挖掘(Data Mining)技术无疑是他们最强有力的核心竞争力。数据挖掘强调与现有信息系统的整合,以提供决策者做决策时所需的情报,或转化成经营智慧,以作为调整营运策略方针的辅助工具。以顾客关系管理(CRM)为例,数据挖掘是整个顾客关系管理的核心。其不但可以准确的定位目标市场,进行精准营销,还可以帮助业务人员了解客户深层需求,针对大量客户进行客制化,也就是所谓的一对一营销。本课程的目的就是要针对数据挖掘整套流程,根据CDA Level Ⅱ大纲标准,以金融、电信、电商和零售业为案例背景,结合SAS Enterprise Miner和SPSS Moderler深入讲授数据挖掘的主要算法。并将Python语言和SQL进行有效的结合,讲授如何在实际工作中搭建数据挖掘环境,制定分类数据挖掘的标准流程,让学员胜任全方位的数据挖掘运用场景。
CDA LEVEL Ⅱ大数据分析师培训简介:
CDA大数据分析师是相对建模分析师而言,更偏大数据方向的系统培训课程。本课程即以Hadoop作为基础,包含Java基础讲解,并讲解Hadoop体系结构,安装管理,MapReduce编程以及基于Hadoop的上层软件Hive、Pig、HBase、Mahout等软件的管理和应用。课程的重点放基于Hadoop架构的大数据分析思想及架构设计,通过演示实际的大数据分析案例,使学员能在较短的时间内理解大数据分析的真实价值,掌握如何使用hadoop架构应用于大数据分析过程,使学员能有一个快速提升成为兼有理论和实战的大数据分析师,从而更好地适应当前互联网经济背景下对大数据分析师需求的旺盛的就业形势。适合零基础学员从零学起。
CDA就业学院脱产班培训简介:
CDA就业脱产培训专针对时间充裕,零基础,专科、本科在校生、待业人员等提供的3个月全脱产集训,毕业可推荐到相关单位工作。CDA脱产集训每次课程设定至少将有八位权威讲师讲授,以CDA数据分析师标准大纲要求从数据库管理——统计理论方法——数据分析主要软件应用(如:SAS、SPSS、Excel等)—数据挖掘一整套数据分析流程技术系统讲解,还将从金融、医药、航空、电商、房地产等行业需求出发全部用实际案例教学来使CDA就业班课程更能符合就业要求。CDA数据分析师就业班已与近30家企业达成人才输送框架协议,行业涉及医药、金融、证券、地产、电商等多领域。课程结束后会为合格毕业学员推荐就业实习机会,切实解决就业问题。就业高薪岗位,就学数据分析。
就业前景
CDA数据分析师是根据目前企业的岗位需求而制定的职业标准。数据分析的概念较为广泛,从业务前端—数据库—建模分析—决策—实施监控—管理运营等,每个环节都有相应的细分岗位,企业不可能任命一名数据分析师干所有的活,目前CDA1级偏向于业务层面,2级偏向于建模层面,2级大数据偏向数据库管理层面,3级偏向于企业决策及运营层面。在目前数据分析人才不足5万人且未来市场1000万人才缺口的情况下,无论是哪一级,都会有细分的岗位供选择,而级别的提升更能让考生具备综合的技能,促进职业的发展,享受薪资待遇的剧增。
2015年,CDA数据分析师研究院为响应国家高校职业教育人才培养号召,建立了数据分析人才库,为全国3000多家企业输送数据分析专业人才,为国家大数据战略规划布局和科技商业领域的发展贡献力量。CDA数据分析师研究院就业学院秉承"开启职业人生,成为自己人生舵手"的理念,与全国300多家企业对接,在全国300所高校陆续培养上千名名数据分析专业人才。
大数据时代,开启你的精彩职业人生!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02