
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04