京公网安备 11010802034615号
经营许可证编号:京B2-20210330

来自CDA考试中心的通知!
亲爱的考生:
诚挚地向您通告,我们即将在 2023 年 10 月 31 日实施 CDA 认证考试的重大更新。这是为保持认证考试的内容与实际行业需求、最新技术及其发展同步而进行的必要步骤, 使 CDA 认证更具有前瞻性、实用性以及严谨性。
这次更新将涉及考试大纲的修改以及考试题目的全新设计,新的题目将更加强调对于应用能力的测试,更加注重考查各位考生在实际工作中所能应用的技能。
我们建议所有的考生尽早开始准备新的考试大纲,这将有助于你们在考试中取得更好的成绩。
Level I 考纲主要更新内容如下【点击查看】:
1. 增加趋势分析法的相关内容
2. 增加指标体系的相关内容,主要关注指标的设计和应用
3. 增加数据管理的相关内容,主要关注数据标准和数据质量的管理
4. 降低了数据结构和业务数据分析的考察占比
5. 调高了数据安全和数据立法等内容的考察占比
6. 业务分析方法做了部分更新,并更名为数据分析方法
Level II 考纲主要更新内容如下【点击查看】:
1. 增加数据治理的内容
2. 增加指标体系的内容
3. 调整各部分的得分占比
4. 标签体系与用户画像的内容调整到和教材一致
5. 更新数据分析模型的部分内容
6. 更新统计分析的部分内容
本次更新后,Level II 考试内容将与教材内容一一对应,推荐各位考生以教材为核心复习资料。
Level III 考纲主要更新内容如下【点击查看】:
1. 增加 LightGBM 等集成算法内容
2. 增加 Pipeline 内容
3. 增加随机参数搜索和贝叶斯搜索等调参内容
4. 增加深度学习的优化算法,正则化,自编码器与表示学习等内容
5. 增加 Transformer 架构的内容
6. 增加大语言模型的架构,使用,微调,Agent 等内容
7. 降低了概论,数据处理与特征工程,文本分析,机器学习基础算法等内容的占比
8. 删除了朴素贝叶斯等过时算法,删除了自动机器学习的部分内容
9. 部分文本分析,特征转换,SVM,序列模式等内容的考察要求降为领会
本次 Level III 更新将在2023年10月1日正式实施,新的考纲和新的题目将会同时启用。
请各位考生注意,从那时起参加的所有考试将根据新的大纲进行,并使用新的题目。为了帮助大家适应这次的更新,CDA 将提供一系列的备考资源,包括新考试大纲的详细介绍、新题目类型的模拟题,以及一些实用的学习资源。我们建议所有的考生尽早开始准备新的考试大纲,这将有助于考生在考试中取得更好的成绩。
感谢大家的理解和配合,希望这次的更新能帮助大家更好地提升自己的数据分析技能,并在自己的技术道路上更进一步。
祝各位考试顺利!
通知和新大纲详见:【点击查看】
为此,CDA北京授权中心准备了一系列直播对此次大纲升级做详细解读,大家可以点击下放预约卡片预约直播,关注视频号获取后续更多更新。
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!
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