京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA第八届认证考试数据报告发布
CDA数据分析师认证考试在每年的6月与12月最后一个周末进行,一年两次。第八届(2018年6月)CDA考试现已结束,本次考试在全国21所考试中心顺利进行,共完成LEVEL 1业务数据分析师,LEVEL 2建模分析师,LEVEL 2大数据分析师三门科目。经过简要数据统计分析,CDA 发布本次考试的通过率及考生数据报告:
CDA 第八届通过率:
解读:
本届考试通过率及成绩情况:
· LEVEL 1 通过率为64%(其中成绩A占比9%,成绩B占比24%,成绩C占比31%)。
· LEVEL 2 建模分析师通过率为51%(其中成绩A占比11%,成绩B占比14%,成绩C占比26%)
· LEVEL 2 大数据分析师通过率为49%(其中成绩A占比9%,成绩B占比17%,成绩C占比23%)。
较上一届(第七届)比较,LEVEL 1的通过率有所下降,LEVEL 2的通过率微上升。随着CDA认证的普及,考试内容的不断迭代和更新,越来越多的企业抢夺数据人才,作为行业人才选拔的参照标准,未来CDA考试的难度会有所加大,通过率趋势也会逐步下降。
CDA 第八届考生地区分布
解读:
此图是展示的本次考生的地区分布,其中北京、上海、广州的考生为TOP 3,西南地区(成都、重庆)的考生已超过了一些东部沿海城市,成都位居第四。数据分析的发展也逐渐深入到二三线城市,社会对数据分析师的需求也更加广阔。最新一届第九届考试加入了苏州和南宁两个考点,城市增加到23所。
CDA 第八届考生专业分布
解读:
根据考生的专业字段进行了整理分析,可以看出考生的专业分布比较分散,没有形成一边倒的情况,结合高校普遍缺乏数据相关专业的现状,可看出目前高校还无法培养出来专业的数据相关人才。考生里面,计算机专业占比最多,为15%,其次信息管理专业,占比12%,再是数学、统计学、应用科学,占比8%。来自于理工科专业的考生居多。
CDA 第八届考生工作年限情况
解读:
本次考试,考生具有工作经验的占比74%,无工作经验的占比26%。其中3年以上工作经验的考生占比最多,达到42%;工作2-3年的占比10%,1年以下工作经验的占比最少,为8%。此数据说明CDA认证更深入到具有多年工作经验的职场人士之中,工作经验越多的职场人士越需求CDA证书,其次是无工作的人士以此作为行业的敲门砖。
CDA 第八届考生岗位分布
解读:
此数据为综合了本届考试所有考生的岗位信息,进行了数据的整理和分类,删除了空缺值,得出了考生从业岗位的占比情况。可见数据分析岗位占比最多,从业的考生中超过了1/3的考生皆从事数据分析类岗位;管理类岗位其次,占比16%;工程师、程序员IT相关岗位随后,占比15%。之后为运营、产品、市场、销售等。基本证明了对于大多数还在数据类岗位的从业人员都急需一个专业能力的提升和认可,获得CDA证书也将是在自己现有职位往更高职位或平台的一个跳板。在IT岗的一些工程师欲获得CDA证书,转行从事数据岗位。而在管理、运营、产品、市场等岗位,也有一定的数据分析技能需求。
CDA 第八届考生 TOP 企业
解读:
以上是筛选了考生来自的所有企业单位,列出的TOP企业名单,包括外企、国企、私企、政府部门等。可看出这些500强企业,政府部门的员工也需要CDA技能,参与CDA认证考试,获得证书。也说明CDA持证人遍布在这些企业单位,接触着最前沿的数据技术。
综上
随着大数据和数据分析的普及,企业对数据人才的需求越来越理性,越来越明确,人才的竞争变得愈加激烈。以往来看,只要带点数据分析相关的技能或背景的人就可以称作数据分析师,且容易得到offer,但实际工作并不理想。因此企业期望能够得到一个鉴别人才的参照标准,为自己更好的筛选人才。
对于求职者来讲,现在社会对人才的定义更偏“T型”和“十字型”,社会对数据分析师的理解更深,要求更高,因此想要成为抢手的人才,更应该具备全面、系统的技能。于是越来越多专业的学生,在高校无法满足学得数据分析的情况下,获取CDA技能,选择从事数据相关职业;越来越多的职场人士在以往没有经过系统、专业训练的情况下,重新学习,考取CDA证书,甚至是世界500强企业的人士也渴望获得一个专业证书,为自己镀金。
因此,无论是企业还是人才,都期望有一个专业的参照标准,连接互通。CDA发展至今,也一直担任着企业和人才互相选择的桥梁角色,降低了交易成本,提高了沟通效率。同时CDA也提供着相应的系统培训、公开课,举办着俱乐部沙龙、行业峰会等活动,为社会培养并输送了更多的专业人才,推动着整个数据行业的良好发展。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
以上为第八届CDA数据分析师认证考试数据报告及总结,第九届认证考试现已开放报名,考试时间为2018年12月29日,唯一报名通道:www.cdaglobal.com
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