京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析师证书报考资格_CDA数据分析师报考要什么条件
CDA Level I :无要求,皆可报考。
CDA Level Ⅱ:获得CDA Level Ⅰ认证证书。
CDA Level III:获得CDA Level Ⅱ认证证书。
CDA数据分析师考试大纲
CDA LEVEL I
CDA Level I 包含以下科目:《职业道德与操守》、《数据库与 SQL 基础》、《统计学(初级)》、《业务数据分析》、《数据可视化》
PART 1 数据分析概述与职业操守(占比6%)
PART 2 数据结构(占比12%)
PART 3 数据库基础(占比17%)
PART 4 描述性统计分析(10%)
PART 5 多维数据透视分析(10%)
PART 6 业务数据分析(25%)
PART 7 业务分析报告与数据可视化报表(15%)
PART 8 数据管理(5%)
CDA LEVEL II
CDA Level II 包含以下科目:《数据采集与数据处理》、《统计分析》、《商业策略分析》、《数据治理》
PART 1 数据采集与处理(占比9%)
PART 2 指标体系(占比3%)
PART 3 数据治理与数据模型管理(占比6%)
PART 4 标签体系与用户画像(占比5%)
PART 5 统计分析(占比25%)
PART 6 数据分析模型(占比40%)
PART 7 数字化工作方法(占比12%)
CDA LEVEL III
CDA Level III 包含以下科目:《数据挖掘与高级数据处理》、《自然语言处理与文本分析》、《算法应用与实战》
PART 1 数据挖掘概论(占比10%)
PART 2 高级数据处理与特征工程(占比15%)
PART 3 自然语言处理与文本分析(占比10%)
PART 4 机器学习算法(占比30%)
PART 5 数据挖掘实战(占比10%)
PART 6 深度学习算法(占比13%)
PART 7 大语言模型与人工智能(NLP)(占比12%)
PART 8 机器学习算法实战战(案例操作部分)
考试时间
Level Ⅰ:随报随考,考生报名成功后,可在一年内自行选择时间,预约就近考试中心进行考试。
Level Ⅱ:随报随考,考生报名成功后,可在一年内自行选择时间,预约就近考试中心进行考试。
Level Ⅲ:一年四届(3、6、9、12月的最后一个周六),每届考前一个月截止该届报名。
考试地点
CDA 认证考试由Pearson VUE考试服务公司代理。Pearson VUE是一家在全球测评行业占据杰出地位的计算机化考试服务公司,CDA与Pearson VUE开展合作,目前在中国大陆及港澳台地区提供CDA认证考试发送服务。
Level Ⅰ+Ⅱ:中国内地30+省市,70+城市,250+考场。考生可选择就近考场预约考试。
Level Ⅲ:中国内地30所城市,北京/上海/天津/重庆/成都/深圳/广州/济南/南京/杭州/苏州/福州/太原/武汉/长沙/西安/贵阳/郑州/南宁/昆明/乌鲁木齐/沈阳/哈尔滨/合肥/石家庄/呼和浩特/南昌/长春/大连/兰州。
最后,这里再分享一个考试备考过程中人人皆需的模拟题库——CDA考试模拟题库。
题库是紧密结合CDA考试大纲而编写的一套模拟试题库。为顺利通过考试奠定坚实的基础
1、解析详尽:每道题目基本上都配备了详细的解析和答案,帮助你深入理解题目背后的知识点和解题思路。
2、便捷高效:你可以随时随地通过手机或电脑访问题库,进行自主学习和练习,充分利用碎片时间,提高备考效率。
3、模拟考试:题库提供了多套模拟考试试卷,帮助你熟悉考试流程和题型。
点击CDA题库链接,获取免费版CDA题库入口,祝考试顺利,快速拿证!
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14