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
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27