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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21