CDA LEVEL Ⅰ 考试大纲

PART 1 数据分析思维

1. 数据分析的时代背景 【领会】

• 当前时代的数据分析特点
• 需要数据分析企业的特点
• 数据分析在企业中的作用

2. 企业的数字化转型 【领会】

• 企业商业模式的转变
• 感知型企业

3. 企业的数据需求与数据分析需求 【熟知】

• 企业各个层面对数据的需求
• 企业各个层面对数据分析的需求
• 企业业务流程对数据分析的需求

4. 数据分析的基本概念 【熟知】

• 数据的基本概念及其分类
• 数据模型的基本概念及其分类
• 数据分析的基本概念及其分类
• EDIT 思维框架

PART 2 数据分析方法

1. 数据分析的基础范式 【领会】

• 了解本体论和流程化的概念

【熟知】

• 分类思维的一般步骤
• 链式思维的一般步骤
• 相关思维的基本概念

【应用】

• 波士顿矩阵
• RFM 模型
• 用户忠诚度模型
• 同期群分析
• 广告用户行为漏斗分析
• 销售行为漏斗
• AARRR 模型

2. 数据分析的六种方法 【熟知】

• 趋势分析
• 对比分析
• 构成分析
• 分布分析
• 关系分析
• 流向分析

3. 统计制图（数据可视化） 【熟知】

• 常用的统计图表类型
• 统计制图的数据加工方法

【应用】

• 对数据进行处理，以达到制图的要求
• 根据分析意图对数据进行深度加工
• 确定分析类型
• 选择合适的图表类型，绘制并进行展示

PART 3 商业数据分析框架

1. 商业数据分析体系构建 【领会】

• 平衡记分卡（BSC）
• 不同视角下的企业业务分析

2. 商业数据分析总体流程 【领会】

• 业务角度的商业分析流程
• 技术角度的商业分析流程

3. 商业数据分析实践 【应用】

• 能站在不同视角，选择合适的分析方法与工具，分析企业业务，并输出分析结果

PART 4 战略与业务数据分析

1. 战略与业务数据分析的基本概念辨析 【领会】

• 战略数据分析的概念
• 业务数据分析的概念

【熟知】

• 战略与业务数据分析的异同

2. 战略分析方法 【领会】

• 桌面研究与调查研究的异同

【熟知】

• 行业分析的方法和流程
• 竞品分析的方法和流程
• 调查研究的方法和流程
• 定性分析方法和定量分析方法

3. 业务数据分析的步骤 【领会】

• 业务数据分析角色参与者

【熟知】

• 业务数据分析的工作流程
• 定性归因法
• 指标归因法
• A / B 测试

【应用】

能够使用归因分析方法进行问题定位和归因分析，将归因分析结论和实际商业逻辑相结合，能够有效地从数据中提取有价值的业务洞察。

4. 报告呈现 【熟知】

• 战略分析报告的模块
• 业务分析报告的模块

【应用】

根据数据分析的结果，汇总写成逻辑通顺、内容完整、格式规范的分析报告，为企业建言献策。

PART 5 业务数据的特征、处理与透视分析

1. 表格结构数据特征 【领会】

• 表格结构数据概念
• 表格结构数据处理工具

【熟知】

• 表格结构数据特征

2. 表格结构数据类型、获取、引用、查询、计算与其他重要功能 【领会】

• 表格结构数据获取方法

【熟知】

• 表格结构数据类型（数值、字符、逻辑值）
• 单元格区域的特征

【应用】

• 表格结构数据的单元格引用方法
• 表格结构数据的查询方法
• 表格结构数据的公式和常用函数（文本、统计、日期、逻辑、引用(Vlookup)）
• 表格结构数据透视表的使用
• 表格结构数据条件格式的使用

3. 表结构数据特征 【熟知】

• 理解主键的意义
• 理解维度及度量的意义
• 理解表结构数据特征
• 理解表结构数据与表格结构数据差异

4. 表结构数据获取、加工与使用 【领会】

• 表结构数据获取渠道及获取方法

【熟知】

• 表结构数据的多表合并逻辑
• 表结构数据汇总逻辑
• 理解缺失值产生的原因及处理逻辑

【应用】

• 应用 E-R 图梳理数据表间的关系
• 计算两表横向合并汇总值
• 利用 BI 工具进行常规 ETL 操作

5. 透视分析方法 【领会】

• 透视分析的价值及意义
• 多表环境下的数据模型的基本概念

【熟知】

• 常用的透视分析的计算方法（求和、平均、计数、百分比等）
• 常用的透视分析的条件筛选方法
• 考虑时间维度的透视计算方法：不同时间段、不同时间位移量下的透视计算

【应用】

• 能够根据业务需求选择创建正确的透视规则
• 能够将透视规则应用在正确的数据模型下描述业务问题
• 能够通过透视结果理解业务问题
• 透视结果与预期结果不符时，能够检查、追踪问题原因
• 使用 Excel 或 BI 工具实现透视分析，搭建数据分析看板

PART 6 统计分析

1. 统计基本概念 【熟知】

• 统计学含义及其应用
• 统计学的基本概念：数据、总体、样本、参数、变量
• 常用分布：正态分布、两点分布

2. 数据的描述性统计 【熟知】

• 描述性统计图表：直方图、柱状图、散点图、箱型图、折线图、饼图
• 集中趋势的描述：众数、中位数、分位数、平均数
• 离散程度的描述：极差、平方差、方差、标准差、离散系数（变异系数）
• 分布形态的描述：偏态、峰态
• 自由度的相关概念
• 数据标准化值的相关概念

【应用】

能够应用统计指标对业务数据进行恰当的数据特征描述，针对数据描述特征阐述业务问题、探索问题原因、提出解决问题方法

3. 参数估计 【熟知】

• 点估计与区间估计的基本概念
• 区间估计中置信区间的计算

PART 7 指标体系构建方法

1. 指标的基本概念 【领会】

• 了解指标、维度、维度项、指标值、指标体系、指标数据等基本概念

【熟知】

• 指标值的计算规则、统计口径、维度项的粒度

2. 通用指标与场景指标 【熟知】

• 求和类指标计算方法：常规求和、累计求和
• 计数类指标计算方法：常规计数、非重复计数
• 比较类指标计算方法：均比、定基比、同环比
• 按企业产品类型划分的指标
• 按职能划分的指标：财务分析指标、客户分析指标

3. 指标体系 【领会】

• 指标体系的意义和作用

【熟知】

• 指标技术加工角度分类：根指标（基础指标）、组合指标和派生指标
• 指标业务层级角度分类：结果指标、过程指标
• 指标库
• 维度库

4. 指标体系搭建方法（自上而下） 【领会】

• 业务指标体系设计框架"OSM 模型"
• 北极星指标

【熟知】

• 指标拆解方法：全链漏斗式、因子分解式
• 业务指标的分层：战略层、管理层、运营层、操作层

【应用】

使用树状分类法，进行树状层级拆解，绘制树状结构图，搭建树状指标体系。

PART 8 SQL数据库应用

1. 数据库相关概念 【领会】

• 数据库分类
• SQL 语言的功能

【熟知】

• 数据库、数据库管理系统与 SQL 之间的关系

2. SQL 创建表或视图 【领会】

• 表和视图的区别

【熟知】

• 创建表
• 创建视图
• 视图的优缺点

3. 数据查询语言 【领会】

• SQL 语句的基本语法和书写规则
• 常见子句关键字的功能

【熟知】

• 选取需要的列
• 过滤重复的行
• 筛选符合条件的行

【应用】

• 对查询结果排序
• 在查询结果中创建新列
• 在查询中实现分组汇总和筛选
• 多表横向连接查询
• 子查询
• 多表纵向合并查询

PART 9 用户标签与用户画像

1. 标签体系设计原理 【领会】

• 区分标签和指标的概念
• 精准营销的概念
• 消费者决策进程
• 用户分群发展历程

【熟知】

• 分层标签和分群标签
• 马斯洛需求层次理论
• 用户标签和用户画像的关系

2. 标签的制作 【熟知】

• 基于数据类型的角度制作标签
• 基于时态角度制作标签
• 基于加工角度制作标签

3. 用户画像 【领会】

• 用户画像的概念
• 标签在数据科学的作用

【熟知】

• 用户细分的方法
• 用户分群的精准营销
• 用户画像在 EDIT 模型中的作用和应用

PART 10 简单时间序列分析

1. 时间序列的基本认识 【领会】

• 时间序列的基础概念
• 趋势分析与简单时间序列预测的使用场景

2. 应用效应分解法来分析时间序列 【熟知】

• 时间序列数据的不同组成部分：趋势效应部分、季节效应部分、随机效应部分等
• 时间序列数据的不同组成部分的组合方法：加法组合、乘法组合

【应用】

• 能够识别时间序列数据是否有季节等成分
• 识别时间序列数据的趋势并进行数据调整
• 根据业务需求，对趋势预测结果进行解读
• 应用 EXCEL 或 PowerBI 等工具进行时间序列的预测

PART 11 数据治理

1. 数据治理驱动因素 【领会】

• 数据治理的价值

【熟知】

• 数据治理驱动的内部因素
• 数据治理驱动的外部因素

2. 数据治理体系 【领会】

• 数据治理体系的框架的作用

【熟知】

• 数据治理域主要内容
• 数据管理域主要内容
• 数据应用域主要内容

3. 如何开展数据治理 【熟知】

• 如何保证数据治理的有效开展

PART 12 数据模型

1. 数据分类 【领会】

• 数据、信息、知识的概念定义

【熟知】

• 数据分类的方法
• 数据管理视角数据的类别

2. 数据建模 【领会】

• 数据架构的基本概念、数据建模概念、数据仓库体系和 ETL 概念

【熟知】

• 数据建模的方法、流程
• 关系数据模型与维度数据模型的定义、差异、使用场景
• E-R图的概念、绘制与应用
• 维度模型中星型模型，雪花模型及星座模型的概念及应用场景
• 数据模型的层次

【应用】

能够根据业务需求选择并搭建正确的数据模型建模

3. 数据仓库体系和 ETL 【领会】

• 数据仓库与 ETL 之间的关系

【熟知】

• 熟知 OLAP、OLTP 系统定义及差异
• 熟知数据仓库的特点及数据立方体
• 熟知 ETL 要解决的问题

【应用】

能够结合业务需求设计可落地的 ETL 方案

PART 13 指标体系管理

1. 指标体系管理的基础概念 【领会】

• 指标数据元和指标数据标准
• 指标数据质量评价维度
• 指标体系的生命周期
• 指标体系的管理体系

2. 指标体系的搭建方法与步骤 【熟知】

• 自上而下法（Top-Down）
• 自下而上法（Bottom-Up）

【应用】

掌握企业级指标体系全生命周期建设步骤：找指标、理指标、管指标、用指标，通过单点看全局，通过全局解决单点的问题。