京公网安备 11010802034615号
经营许可证编号:京B2-20210330
据LinkedIn的最新投票结果显示,“统计分析和数据挖掘” 是2015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2015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。
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。
一、培训安排
时间:2016年7月09日-7月31日@北京海淀/远程
2016年7月23日-8月14日@北京朝阳
2016年7月09日-7月31日@上海/深圳
地点:北京,CDA数据分析研究院
上海,人民广场铁道宾馆会议室
深圳,南山区科技园
费用:现场班6900元,远程班4900元
授课安排:
(1) 授课方式:周末培训,视频赠送,中文多媒体互动式授课方式
(2) 授课时间:上午9:00-12:00,下午13:30-16:30,16:30-17:00(答疑)
(3) 学习期限:现场与视频结合,长期学习加练习答疑。
二、课程大纲
|
CDA课程安排 |
课程 |
大纲简介 |
预期效果 |
|
第一阶段
|
《数据分析师基础理论》 |
行业分析,常用方法,统计基础,Excel数据分析。 |
零基础入门,掌握数据分析常用方法、基本原理及分析思路 |
|
第二阶段
|
《数据处理技术》 |
基于SAS EG/SPSS工具手把手教学操作,数据的录入、整理、清洗、处理、分析、输出、解读等。 |
掌握一门专业数据分析软件,会使用软件进行数据处理及分析。 |
|
第三阶段
|
《数据建模分析》 |
基于SAS EG/SPSS进行数据建模,方差、回归、分类、主成份、因子、聚类、多元、时间序列等数据分析模型。数据可视化,结果输出及解读。 |
熟悉各模型应用环境,学会自行建模分析,独立完成数据分析工作,并能输出图表解读数据现实意义。 |
|
第四阶段
|
《案例分析及业务应用》 |
电信,金融,电商,零售等实际案例分析;BI、文本挖掘、大数据、智慧城市等前沿技术。 |
通过真实案例举一反三,熟悉整个数据分析流程;了解前沿技术,增强业务与技术对接能力。 |
三、学员对象
1. 各行业数据分析、数据挖掘基础薄弱从业者
2. 在校数学,经济,计算机,统计等专业教师和学生
3. 经济,医学生物研究院科研人员
4. 数据分析,数据挖掘兴趣爱好者及转行人士
四、讲师介绍
常国珍,会计学博士、社会学硕士,毕业于北京大学人口所,目前就读于北大光华管理学院,SAS公司数据挖掘与统计分析课程讲师。曾就职于方正国际金融事业部和长江商学院投资者研究中心。主持过商业银行数据挖掘平台建设、商业银行信用评分模型的构建与固化等商业项目。参与构建的股票量化投资模型被某大型基金公司采纳,并于2013年九月正式发行。
曹正凤,男,统计学实验师,博士学位,具有十几年统计教学经验。最新研究随机森林遗传算法,参与《大数据背景下基于中国烟草消费需求的供给结构分析研究》项目,《基于大数据整合的空气质量测度方法研究》,项目进入实施阶段。先为CDA基础理论讲师,对于统计学教学有丰富的经验。
翟祥,人民大学统计学博士,北京林业大学管理学院统计系教授,SAS公司骨灰级讲师。长期从事金融、电信、零售行业数据挖掘咨询工作。
徐老师,男,高级数据分析师,具有深厚的数理统计与应用数据分析专业背景,上海某金融机构数据分析部门高级DA,具有八年数据分析、数据挖掘的从业经验,曾就职零售企业、咨询公司等,独立或带团队完成零售、电信、金融等多个大型数据挖掘项目。
丁亚军,男,首席数据分析师,兼职中国学习路径图国际培训中心技术顾问,SAS、SPSS高级统计学讲师。曾参与2012国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核等大型数据处理项目,具有丰富的数据处理经验。
五、课程优惠
1. 全日制在读学生8折优惠
2. 参加过论坛其他现场班老学员9折优惠
3. 同一单位三人及以上报名9折优惠,五人及以上8折优惠
4. 同时报名参加LEVELⅠ和LEVEL Ⅱ享受8折优惠
5. 零基础学员建议同时报名CDA数据分析员课程,立减400元。
六、关于证书
CDA数据分析师等级认证证书
(此证书为CDA中英文等级认证证书Level Ⅰ,全国统考,一年两次,此证书为CDA数据分析师唯一认证证书,可以作为企业事业单位选拔和聘用专业人才的任职参考依据。)


七、报名流程
1.在线填写报名信息
2.给予反馈,确认报名信息
3.网上缴费
4.开课前一周发送电子版课件和教室路线图
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19