京公网安备 11010802034615号
经营许可证编号:京B2-20210330
微访谈 ▏关于CDA考试,我有一个不成熟的小建议
汪*星
LEVEL 1 业务数据分析师状元
本科就读于武汉大学预防医学营养与卫生统计学方向;硕士就读于南京大学地理与海洋科学学院自然地理学,目前为在读研究生。
目前做哪些工作?
目前的研究课题为地球化学数据分析。
有哪些记忆深刻的工作经历?
比较深刻的工作经验主要有两个时期:
本科对武汉市中心城区和远城区营养调查数据的分析,分析两类人群的居民营养与健康现状,差异以及原因,并提出改善建议;
读研期间针对野外采集的南极雪冰化学数据进行分析,反演地球气候与环境历史,现状,并预测未来,在全球变暖背景下提出一些有利于人类可持续发展的环境举措。
报考CDA认证考试的原因?
在对未来的职业规划时,根据自己的优势与特长以及未来的发展趋势,定位为商业数据分析,进而了解到CDA。报考CDA认证考试的原因是为转行提供一块敲门砖。
您个人的职业发展规划是?
对自己个人未来的职业规划主要分三步:
1、首先从互联网、金融或电商的业务数据分析师做起;
2、然后进一步学习R,Python等数据分析工具,数据挖掘和机器学习等相关知识和技能,深入对行业的理解,达到数据挖掘师的层次;
3、最后向数据科学家这个终极目标迈进。
如何更高效的复习?
以下是采访期间,当问及有哪些学习方法和经验能跟学弟学妹们分享,帮助学弟学妹能更好的学习和复习时?汪*星这样说道:
1、首先认证机构指定的三本教材最契合CDA level 1认证考试的考纲,所以需要深入研读(但是要以第一本和第三本为主)。
2、另外可以对每个知识块阅读相应的书籍,以利于打下扎实的基础。推荐如下书籍:《商务与经济统计》、《深入浅出数据分析》、《SQL必知必会》、《使用多元统计分析》、《数据挖掘导论》。
3、文字学习与案例和操作题相结合,可加深知识点的理解和技能的掌握以及灵活运用,这样学习效率更高。
总体来说CDA level 1并不是很难,这一届考试结果显示通过率为69%,只要大家用心去学问题不大。
最后,为了帮你能有针对性地准备考试,根据考试大纲的要求安排复习计划,这里有一份最新版的考试大纲——CDA 1级 考试大纲。
作为CDA数据分析一级认证考试命题的规范性文件和标准。可以帮你指明考试范围,简要地指出CDA考试的知识点,根据大纲就可以快速得看出考试侧重考试方向,明确复习方向和考试要求,从而提高备考效率,为顺利通过考试奠定坚实的基础。
下载 CDA1 级考试大纲,认真学习和备考,掌握数据分析的基础知识和技能。
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