京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA数据分析师等级认证考试:
LevelⅠ:统计概率基础知识,数据库基础知识,解决简单的数据处理与数据分析。
LevelⅡ:多元统计、数据挖掘、数据建模、数据库及商业智能等知识,利用软件进行复杂数据的处理和案例分析,并得出规范的数据报告。
LevelⅢ: 除以上知识点还包括数据挖掘高级算法,Hdoop,SAS与R编程技术等,利用工具完成复杂数据分析项目,做出报告、提供决策并管理团队执行部署。
三个等级考试通后由CDA协会颁发等级认证证书,CDA证书为唯一的等级认证依据。此证书可以作为企业事业单位选拔和聘用专业人才的任职参考依据。
报考"CDA数据分析师"条件如下:
Level Ⅰ:本科及以上学历或从事数据分析工作1年以上。
Level Ⅱ:本科及以上学历并从事数据分析相关工作2年以上。
Level Ⅲ:本科及以上学历并从事数据分析相关工作5年以上。
CDA数据分析师考试内容:
Level Ⅰ:单选题
Level Ⅱ:单选+简答
Level Ⅲ:单选+简答+案例分析
CDA数据分析师官方考试最新安排:
时间:2014年12月
地点:北京/上海/广州
考试等级:CDA Level Ⅰ
考试费用:1000元(CDA学员600元)
考试及等级认证证书颁发最终解释权在CDA数据分析师协会(Certified Data Analyst Institute)。
数据分析师:你应具备的基本个人技能
1.信息敏感性及搜集处理能力。
这个社会是个信息社会,信息社会的信息就会多,很多是你不需要的,很多是重复的,要么就是内容重复,要么就是架构重复。而你真正想要的信息恐怕只有沧海一粟,你就是要把这沧海一粟找出来。
处理能力是指沧海一粟的数据得到后,进行组织串联。数据组织起来才是信息。我们要的不是数字,而是信息。
2.文化背景:熟悉各个层次的人群的属性及思维方式。
你必须了解你的领导做过什么,习惯的思维方式,否则你的报告他是看不懂的,你应该以领导的思维方式去写报告,而不是你自己的。因为你是给领导服务的。领导是你最大的客户,你的同事是你的伙伴,他们帮助你服务你的客户,而你真实的客户则是你的供货商,他们提供服务你领导一切素材。所以,你要利用你的供应商,在伙伴的帮助下,服务好你的客户。你必须理解你的‘客户’,‘伙伴’,‘供应商’在想什么,了解他们的思维方式,甚至爱吃什么,抽什么样的烟,喝什么样的咖啡,喜欢安静的喝茶,还是去泡吧。
3.熟悉心理学,并做过问卷调查等实验。
心理学必须学会,也许你是心理学毕业的,也许你说我很会说。其实一个EQ高的人和一个在社会上混了多年的人,不用学心理学也知道你在想什么。他们都是心理学的大家,虽然他们不会提心理学这个词。不过,这个只是社交。如果做一个网站,你要考虑你的用户在想什么,需要什么,什么情况下会到你的网站来。如果你的网站做个调查,或者要和客服咨询才能找到他要的答案,如价格,那他很可能在3秒内跳到其他网站去了。网站的推荐功能会使这个事情变的很容易。这也许就是ucd吧。
有关心理学还是从文化看起,看看西方文化简史,毕竟现在很多东西都是泊来品。中国文化史,不是社会史,也不是技术史。多了解当前客户群的文化背景。书么,我推荐马斯洛的书,经典的黑格尔的辨证哲学有时候还是毕竟有用的,毕竟马老先生的辨证哲学是从他这里演化过来的。
有了心理学基础去设计问卷就不是什么难事了。不用担心统计用户的答卷不真实。只要不是55开,就能统计整体意向,有成熟的模型的。
4.熟悉相关的行业知识:营销、技术、品牌等。
行业知识是必不可少的,要了解产品,营销,战略,品牌等等是需要很长时间的,像互联网行业,你要懂前台的ui设计,不要想加个修改功能会提供客户的满意度,但是技术实现可能要加几十个k的流量,如果是千万的用户对服务器,流量,都会压力大。而且pc, 移动终端的还要同步,更不要说,内容反复的修改了,本来说油价上涨的,可能改成奥沙利文大战希金斯了。
5.熟悉数学模型的缺点。
数学模型的实用都有自己的数据要求的,如对分布的数据要求均匀,不要太稀疏,欧式距离不要不均匀等等。只有熟悉的模型的缺点和适用范围,你才能保证自己的模型应用的够顺利,不要老盯着那些传统模型不放,那些模型都很经典,经典意味着通用,以为着不适合个例,意味着你要修改模型以适用于当前的情况,这要求你能懂的模型。
6.性格的韧度。
数据分析师经常会遇到这样的情况:1.辛苦做了几天的数据,对比事实根本不合理。2.由于模型的局 限性,数据的不良性产生的巨大误差。3.业务改变使自己的模型改变,进而使数据结果失效。4.报告的书写不够规范,被同事,老板骂。这些都需要我们自己去解决,而不是抱怨。没人想听到你的抱怨和一些消极的词汇,这只会让人感觉你的个人素质不足以满足不同人的需求。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在互联网产品运营、用户增长的实战场景中,很多从业者都会陷入一个误区:盲目投入资源做推广、拉新,却忽视了“拉新后的用户激活 ...
2026-02-06在机器学习建模过程中,特征选择是决定模型性能的关键环节——面对动辄几十、上百个特征的数据(如用户画像的几十项维度、企业经 ...
2026-02-06在CDA(Certified Data Analyst)数据分析师的日常实操中,表格结构数据是贯穿全流程的核心载体,而对表格数据类型的精准识别、 ...
2026-02-06在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05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