
CDA数据分析师认证考试在每年的6月与12月最后一个周末进行,一年两次。从2020年考季考试,CDA 数据分析师认证考试改为随报随考,考试城市遍布70多个,250+考场,考试时间及地点更加自由灵活。第八届(2018年6月)CDA考试现已结束,本次考试在全国21所考试中心顺利进行,共完成LEVEL 1业务数据分析师,LEVEL 2建模分析师,LEVEL 2大数据分析师三门科目。经过简要数据统计分析,CDA发布本次考试的通过率及考生数据报告。
CDA第八届通过率:
解读:本届考试通过率及成绩情况:
LEVEL 1通过率为64%(其中成绩A占比9%,成绩B占比24%,成绩C占比31%)。
LEVEL 2建模分析师通过率为51%(其中成绩A占比11%,成绩B占比14%,成绩C占比26%)
LEVEL 2大数据分析师通过率为49%(其中成绩A占比9%,成绩B占比17%,成绩C占比23%)。
较上一届(第七届)比较,LEVEL 1的通过率有所下降,LEVEL 2的通过率微上升。随着CDA认证的普及,考试内容的不断迭代和更新,越来越多的企业抢夺数据人才,作为行业人才选拔的参照标准,未来CDA考试的难度会有所加大,通过率趋势也会逐步下降。
CDA第八届考生地区分布:
CDA第八届考生专业分布:
CDA第八届考生工作年限情况:
解读:本次考试,考生具有工作经验的占比74%,无工作经验的占比26%。其中3年以上工作经验的考生占比最多,达到42%;工作2-3年的占比10%,1年以下工作经验的占比最少,为8%。此数据说明CDA认证更深入到具有多年工作经验的职场人士之中,工作经验越多的职场人士越需求CDA证书,其次是无工作的人士以此作为行业的敲门砖。
CDA第八届考生岗位分布:
解读: 此数据为综合了本届考试所有考生的岗位信息,进行了数据的整理和分类,删除了空缺值,得出了考生从业岗位的占比情况。可见数据分析岗位占比最多,从业的考生中超过了1/3的考生皆从事数据分析类岗位;管理类岗位其次,占比16%;工程师、程序员IT相关岗位随后,占比15%。之后为运营、产品、市场、销售等。基本证明了对于大多数还在数据类岗位的从业人员都急需一个专业能力的提升和认可,获得CDA证书也将是在自己现有职位往更高职位或平台的一个跳板。在IT岗的一些工程师欲获得CDA证书,转行从事数据岗位。而在管理、运营、产品、市场等岗位,也有一定的数据分析技能需求。
CDA第八届考生TOP 企业:
解读:以上是删选了考生来自的所有企业单位,列出的TOP企业名单,包括外企、国企、私企、政府部门等。可看出这些500强企业,政府部门的员工也需要CDA技能,参与CDA认证考试,获得证书。也说明CDA持证人遍布在这些企业单位,接触着最前沿的数据技术。
综上:随着大数据和数据分析的普及,企业对数据人才的需求越来越理性,越来越明确,人才的竞争变得愈加激烈。以往来看,只要带点数据分析相关的技能或背景的人就可以称作数据分析师,且容易得到offer,但实际工作并不理想。因此企业期望能够得到一个鉴别人才的参照标准,为自己更好的筛选人才。对于求职者来讲,现在社会对人才的定义更偏“T型”和“十字型”,社会对数据分析师的理解更深,要求更高,因此想要成为抢手的人才,更应该具备全面、系统的技能。于是越来越多专业的学生,在高校无法满足学得数据分析的情况下,获取CDA技能,选择从事数据相关职业;越来越多的职场人士在以往没有经过系统、专业训练的情况下,重新学习,考取CDA证书,甚至是世界500强企业的人士也渴望获得一个专业证书,为自己镀金。
因此,无论是企业还是人才,都期望有一个专业的参照标准,连接互通。CDA发展至今,也一直担任着企业和人才互相选择的桥梁角色,降低了交易成本,提高了沟通效率。同时CDA也提供着相应的系统培训、公开课,举办着俱乐部沙龙、行业峰会等活动,为社会培养并输送了更多的专业人才,推动着整个数据行业的良好发展。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29