京公网安备 11010802034615号
经营许可证编号:京B2-20210330
从统计到数据分析,从数据挖掘到大数据,数据科学逐渐成为了一门新兴的学科,数据分析师也逐渐成为了一门抢手的职业。如何成为数据分析师?如何入行数据分析?教育是一个难题!在这个行业中,是否有高质量的证书?拿到证书后能找到多少薪资的工作?今天,我们来分析分析作为这个行业中的老牌,CDA数据分析师的等级标准。》了解更多《

CDA Level I :
面向范围:人人皆需的职场数据思维与通用数据技能
官方介绍为: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,能够熟练运用一种数据专业分析软件,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。(小编觉得会 Excel 都行)
小编解读:数据分析已成为一门通用的技能,除了专门的分析师岗位,还有许多相关岗位也需要具备数据分析能力为自己镀金,如产品经理、市场营销、运营人员、财务人员等等,LEVEL 1 的知识偏基础,对于零基础的同学来讲认证备考也是没问题的。考过 LEVEL 1 就相当于工作 2 年左右的业务数据分析师,与 CDA 就业班刚毕业的学员一样,能拿到 9k~20k 左右的月薪。
面向范围:企业数字化发展中必备的数据分析流程与技能。
官方介绍为:不限数据分析岗位工作经验,通过 CDA Level Ⅰ 认证。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 Modeler、PYTHON、R、SAS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。(小编觉得这个比一级有点难度了,之所以不限工作经验,是因为需要在 Leve I 的基础上有工作经验了)
小编解读:CDA Level II 更偏向于专业的分析师,对 LEVEL 1 中涉及的产品经理、市场营销、运用人员如不能满足工作要求,通过 Level 2的学习更能够提高工作效率。LEVEL 2 的知识是数据挖掘,对于软件的使用,建模的能力,算法技能,商业洞察力,都有很高的要求。拿到 LEVEL 2 证书可以胜任一个专门的中级数据分析师岗位。月薪一般可以达到 20~40k 的水平。
CDA Level III:
面向范围:企业数字化发展中必备的高级数据分析方法与技术。
小编解读:三级是在一级和二级两个方向上的进一步提升。数据科学家除了需要具备一级、二级的技能之外,还需要具备更前沿的算法,如深度学习、AI语音识别、图像识别等内容;需要具备更宏观的思维,如数据治理,大数据架构等;需要具备更高效的方法,如计算机高性能编程技术;更需要具备带团队的领导力,如项目管理,如何构建大数据团队等管理技能。拿到三级证书,可以做企业中的首席数据官CDO职位。年薪一般会在50W以上。
| 级别 | 岗位名称 | 薪资(k) | 技能要求 |
| LEVEL 1 | 【数据分析师】 | 9k~20k | 1. 统计概率基础理论知识 |
| 【数据分析员】 | 2. SQL数据库技能 | ||
| 【数据助理】 | 3. 会使用EXCEL、SPSS、R、PYTHON等任意相关软件进行数据处理 | ||
| 【数据产品经理】 | 4. 掌握常用分析方法,结合业务分析问题 | ||
| 【数据运营】 | 5. 制作出好的数据报表 | ||
| …… | |||
| LEVEL 2 | 【资深数据分析师】 | 20k~50k | 1. 具备数据挖掘、大数据、数据仓库等相关理论基础 |
| 【数据建模分析师】 | 2. 会使用PYTHON、R、Hadoop、Spark等相关工具处理海量数据并进行数据挖掘。 | ||
| 【数据挖掘工程师】 | 3. 精通机器学习等相关算法模型。 | ||
| 【大数据分析师】 | 4. 能帮助企业搭建大数据平台,并完成大数据分析 | ||
| 【大数据工程师】 | 5. 洞察数据,助力业务决策 | ||
| …… | |||
| LEVEL 3 | 【高级数据分析师】 | 50k以上 | 1. 具备高级的计算机科学技术,掌握深入的AI理论 |
| 【大数据总监】 | 2. 具有大数据架构设计,企业数据治理的能力 | ||
| 【数据科学家】 | 3. 精通机器学习、深度学习等AI相关前沿技术 | ||
| 【首席数据官CDO】 | 4. 熟知数据安全、立法等知识 | ||
| …… | 5. 具备项目管理能力,搭建管理数据团队,决策企业战略等。 |
以下是CDA考生报考条件:
Level I:无要求,皆可报考Level III:获得CDA Level Ⅱ 认证证书


希望以上介绍,对数据分析新人们有好的参考意义,无论考不考取证书,按照 CDA 认证体系学习,一定没有问题,推荐大家关注 CDA考试中心服务号,可以获得免费辅导资料,并且可以看看学长学姐们的一些观点。
推荐学习书籍
《CDA一级教材》适合CDA一级考生备考,也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校,累计已有10万+在读~

免费加入阅读:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12