京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA数据分析师职业道德和行为准则是基于 CDA价值观(开放、创新、分享)基础上,对各行业数据科学从业者制定的职业道德操守与专业行为规范。 自21世纪以来,技术更替驱动企业变革,科技发展改善人类生活,在大数据(DT)、人工智能(AI)时代趋势下,新一批高要求、 高标准的专业技术岗位如雨后春笋般不断涌现。CDA职业道德和行为准则分别在道德操守和专业行为两个方面对数据科学从业者制定了规范化的标准, 并致力于成为衡量数据科学行业人才职业水平的典范。
无论从业者的文化水平、职业背景、工作地域有何差异,CDA数据分析师(包括CDA持证人、CDA会员)都必须遵守准则中的各项要求, 并以身作则影响并监督更多身边从业者的道德与行为,提升整个数据科学行业的开放性、创新性、分享性,使其更具生命力。 通过长期坚守CDA职业道德和行为准则,从业者和企业将会更加明智,做出更科学、更合理的决策,从而远离误区,降低风险。 个体与集体也更具诚信度,拥有更多广泛、跨界的合作机会,从而实现更大商业价值。
本职业道德与行为准则适用于CDA数据分析师持证人、CDA会员、CDA合作伙伴及各界数据科学相关岗位从业者。
第一条 坚持诚信、公平、尊重、敬业的原则,以符合一般公民素质与职业道德的要求对待所属行业领域的公众、用户、客户、雇主、同事以及其他同行参与者。
第二条 遵守由国家、政府、监管组织颁布的各项法律法规,遵守所在机构制定的员工制度或业务规范,遵法守纪,严于律己。
第三条 维护所在机构及企业客户的品牌形象和口碑,维护数据科学应用领域及相关行业的声誉,忠于职守,勤勉尽责,保护机构的合法利益。
第四条 将数据产权、用户利益和机构利益置于个人利益之上,保护数据资产的安全性,遵循数据的真实性、可靠性,禁止技术欺诈、数据造假、非法交易,损害用户和机构利益。
第五条 保持和加强自身职业道德操守以及同行的操守。不参与任何违法行为,包括但不限于:偷窃、欺骗、腐败、挪用或贿赂;不使用或滥用他人的产权,包括数据资产、知识产权;不参与诽谤和侮辱;不宽恕或帮助他人参与违法行为。
第一条 遵照并履行所在机构的业务制度与规范。具有诚信、严谨、积极的职业态度,保持独立、客观、专业的分析判断,能根据业务要求做出有计划、有评估、可实施的报告或决策,实事求是,言行一致,精益求精。
第二条 保守商业机密与维护机构利益。不得从事与机构利益相冲突的第二职业,不得涉嫌盗卖、泄漏、欺诈或舞弊的专业行为,或做出与数据分析相背离的行为;保守企业的商业秘密、数据隐私和知识产权。
第三条 保护数据资产与尊重数据产权。不得未经同意使用他人产权、获取其他机构数据、交易数据等违法行为;不得捏造虚假数据,篡改数据、使用不具代表性的样本数据;不得为了完成任务或达成某项目的而有损专业名誉。
第四条 专业、审慎、高效完善各项业务流程。
(一)保证数据的合法性、时效性、全面性。全面了解业务背景、痛点、需求,做出分析建议,与团队充分沟通,确定合理的业务指标,获取符合要求的源数据。
(二)保持工具与算法的前沿性、适用性、高效性。根据业务需要,选择合理的工具、平台、系统及算法,保障数据的高效处理与建模分析。
(三)不断迭代并优化业务指标与数据模型,使研究结果更具解释性,预测性、可行性。
(四)撰写专业可视化报告,逻辑清晰展示项目成果,并做出具有商业价值的建议。
第五条 尊重契约完整交付分析结果。遵守合同、协议、补充说明、任务制度等相关约定,按时按质交付工作成果,并对相关数据、代码、结果进行保密。不得随意变更约定内容,不得拖延、敷衍工作结果,不得私下收取其他额外费用。
第六条 履行后期义务与责任。完整交付结果后,对客户须进行后期解答、咨询、维护等服务;对机构业务须进行后期跟进、优化、指导建议等工作;善于自我总结、反思、提升。
第七条 维护专业与行业声誉。自觉保持数据相关专业、岗位的专业性,维护机构、客户所在企业与行业声誉,维护CDA数据分析师证书名誉。不得从事任何有损数据相关岗位、机构、行业及CDA品牌声誉与诚信的行为;不得曲解或夸大数据科学、机构行业、CDA证书的意义或含意。
第八条 关注时事自我提升。秉承开放、创新、分享理念,勇于分享,敢于创新,与时俱进。须关注数据科学的最新研究结果、时事,了解不同领域工具与算法的变化、更新,了解行业最新产品、前沿应用,并保持自身技能的不断提升。
第九条 肩负使命,创造与传播。怀有用数据改变社会的信仰,坚守CDA职业道德与行为准则,肩负普及、推广、传播数据科学知识的使命,勇于试错、突破、创造,将数据科学价值发挥至各行各业。
第十条 CDA职业道德与行为准则由CDA数据科学研究院、CDA考试中心负责解释。此准则自发布之日起施行。
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