CDA考试专区 加入小组

652个成员 263个话题 创建时间:2017-12-06

重磅!CDA数据分析师认证考试福利大放送

发表于2020-03-05 3073次查看

2019,转行、升职、加薪一样都没实现?

 

你陷入了焦虑…

 

2020,疫情影响,复不复工你进退两难

 

同样是宅在家,有人闷头学习,

 

为未来积累实力,也有人挥霍光阴,无所事事。

 

现在,提高竞争力的时候来了!

 

我们先正儿八经的介绍一下

 

CDA认证考试



 

什么是CDA数据分析师认证考试?

 

“CDA数据分析师认证”是一套专业化,科学化,国际化,系统化的人才考核标准,分为CDA LEVELⅠ ,LEVEL Ⅱ,LEVEL Ⅲ,涉及金融、电商、医疗、互联网、电信等行业大数据及数据分析从业者所需要具备的技能,符合当今全球大数据及数据分析技术潮流,为各界企业、机构提供数据分析人才参照标准。经管之家为中国区CDA数据分析师认证考试唯一主办机构,于每年6月与12月底在全国范围举办线下数据分析师考试,通过考试者可获得CDA数据分析师认证证书。它是数据分析全行业级别的考试,满足当今企业对数据分析人才的全方位要求,被知名雇主广泛认可,以专业和信赖赢得未来。


 

CDA LEVEL 1业务数据分析师

 

专指互联网、金融、电信、零售、政府等行业领域前端业务人员;从事市场、咨询、BI、管理、财务、风控、供应、数据分析等职位业务人员;非统计、计算机专业背景零基础入行和转行就业人员。CDA Level Ⅰ业务数据分析师需要掌握概率论和统计理论基础,能够熟练运用Excel、SQL、R、Python、SPSS等一门专业分析软件,有良好的商业理解能力,能够根据业务问题指标利用常用数据分析方法进行数据的处理与分析,并得出逻辑清晰的业务报告。


 

CDA LEVEL Ⅱ 建模分析师

 

一年以上数据分析岗位工作经验,或通过CDA Level Ⅰ认证。专指金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与数据挖掘的人员。在Level Ⅰ的基础上更要求掌握多元统计、机器学习等理论知识,掌握高级数据分析方法与数据挖掘算法,能够熟练运用PYTHON、R、SPSS Modeler、SAS等至少一门专业分析软件,熟悉适用SQL访问企业数据库,结合业务,能从海量数据提取相关信息,从不同维度进行建模分析,形成逻辑严密能够体现整体数据挖掘流程化的数据分析报告。


 

CDA LEVEL Ⅱ 大数据分析师

 

一年以上数据分析岗位工作经验,或通过CDA Level Ⅰ认证。专指政府、金融、电信、零售、互联网、电商、医学等行业专门从事数据分析与云端大数据的人员。在Level Ⅰ的基础上要求掌握PYTHON语言和Linux操作系统知识,能够掌握运用Hadoop、Hive、Spark等专业大数据架构及分析软件,从海量数据中提取相关信息,并能够结合python和相关机器学习算法,形成严密的大数据分析报告。


 

CDA LEVEL Ⅲ 数据科学家

 

三年以上数据分析岗位工作经验,或通过任意一门CDA Level II认证。专指政府、金融、电信、零售、互联网、电商、医学等行业数据分析资深人员。在同时具备CDA Level Ⅰ和CDA Level II基础上,掌握更高级的前沿技术,包括计算机科学技术、高性能数据处理、大数据架构、深度学习、数据治理、项目管理等。负责制定企业数据发展战略,发现企业数据价值,提升企业运行效率,增加企业价值。能够带领数据团队将企业的数据资产进行有效的整合和管理,建立内外部数据的连接;具有数据规划的能力。

 

好啦~ 一本正经的介绍完CDA考试

接下来敲黑板划重点!

对于全国各地的广大考生来说,

距离第12届CDA考试

还剩下4个月的时间!!

       

 

  • 如何在平常进行有效的、有针对性的复习?

  • 临场答题有哪些技巧?

  • 如何提高考试通过率?


 

LEVEL 1 业务数据分析师

 

首先来说LEVEL 1业务数据分析师:LEVEL 1 学习内容涉及描述性统计、推断性统计、SQL数据库基础、数据采集及 、数据建模分析等多方面的知识和技能,其知识系统且理论性强,故学习时不要死记硬背,而要讲求学习技巧。

 

这里为大家总结了四点:

 

1.  善于利用知识框架图

 

知识框架图可以让我们以提纲挈领的方法把各章节里的知识点串联起来,更好的了解知识点的内在联系,对于各章节有个综合的把控。

 

2. 书本和备考手册相辅相成

 

业务数据分析师备考过程中,如果单纯的记忆学习,很快就会遗忘。在备考的学习中,除了给大家发的备考手册之外,一定要学习考试大纲后面推荐的必看书籍,

 

在学习中,首先是要将每个章节的知识点弄懂,消化重难点,再去记忆,这样学习才会有比较好的效果。

 

3. 模拟题演练


 

      

 

在演练过程中,需要严格按照考试的要求和时间做完考题,检测自己的掌握情况。然后对照正确答案和解析,找到题目的考点,再对应到教材,标记出知识点,让备考不盲目。

 

4. 高效记忆,冲刺到最后

 

“将书变厚再变薄” 除了仔细 研读书本和手册,努力记住标记的地方,消化关键点,还要仔细查看自己答错的模拟题,这些题目的考点都是比较容易混淆忘记的,要避免在同一个地方摔倒。

 

那以上就是关于LEVEL 1的备考介绍,接下来我们说一下LEVEL 2。

 

LEVEL 2 建模分析师

 

关于LEVEL 2 建模分析师方向:考试涉及数据挖掘基础理论、数据预处理、预测型数据挖掘模型、描述型数据挖掘模型,四大部分。

 

第一个部分,数据挖掘基础理论。

 

该部分主要针对数据挖掘的基本认知、数据挖掘的发展历程以及方法论-CRISP DM出题。同时,考生须了解数据挖掘技术的分类,以及各分类下各自有哪些算法。有些算法只能支持某类数据挖掘的技术,有些则可在不同的分类下出现。

 

第二部分,数据预处理

 

该部分主要针对字段的来源、数据的清洗方法、字段的扩充、数据的编码及特征提取技术出题。考生须了解这些数据预处理的详细计算及处理过程,不同数据预处理方法的优缺点,这些都是热门的考试方向。

 

第三部分,预测型数据挖掘模型

 

该部分主要针对算法模型进行出题。有些简单的、可以手算的算法需要了解其计算过程,例如,朴素贝叶斯、简单线性回归、决策树的属性选择、回归树的属性选择等。此外,模型的评估方法也需要手算出来。其余则是理论及概念上的考题。

 

第四部分,描述型数据挖掘模型

 

该部分主要针对聚类、关联规则及序列模式算法的理论进行出题。这些算法需要大家掌握计算的过程。同时,算法的理论及优缺点也是热门的考试方向。

 

最后关于案例操作题。在以往的操作题部分,大多数考试得分低,通过率低。建议考生平时需勤加练习并实操一些案例。

 

       

 

考试前可以将平时练习的代码或相关档案放入电脑中,考试时可以直接参考运用,避免耗大量的时间写代码。考试提供的案例数据一般质量都不太好,如果直接导入模型,结果通常很差。因此,建议在数据预处理上,要多花些时间。

 

LEVEL 2 大数据分析师

 

然后我们来聊一下LEVEL 2 大数据分析师方向,这里给大家总结了三点。

 

1. 根据不同的知识采用不同的策略

 

大数据分析师主要考察内容有两个大的方向:理论原理和实际操作。理论部分需要理解原理,达到融会贯通,而不是死记硬背。实际操作部分一定要亲自动手,找相关案例来编写代码,以手生的状态上考场必然会严重影响实操部分的成绩。

 

2. 缩小知识范围,根据大纲梳理知识点

 

首先要紧紧围绕考试大纲与备考手册来高效学习。大纲中,一般要求熟知的部分,是经常出题的部分。根据模拟题梳理出考试的题型,哪些知识点会以什么样的形式呈现,找重点题型针对性的加强练习。在复习过程中有不懂的多查阅考试推荐的资料。

 

3. 归纳总结

 

我们睿智的老师跟我讲了他的个人经验,就是归纳总结是最靠谱的学习方法,大家在复习过程中一定要制定复习计划,归纳总结知识点,抽象出背后的逻辑,这样才能以不变应万变。

 

LEVEL 3 数据科学家

 

最后,我们简单再讲一下LEVEL 3 数据科学家:

 

LEVEL 3 数据科学家的考试就更复杂了,光是推荐的学习教材都有十多本,而且考生也是要求至少有三年以上工作经验的分析师。考题主要依照考试大纲中对计算机科学技术、大数据处理与架构设计、机器学习、深度学习、数据治理、项目管理,六个部分各自的占比出题。

 

 

 

那这里呢,我主要说明下最后一个月的项目实操题部分。

 

考题给的数据通常会是更接近Raw Data(原始数据)的形式,一般数据会分散在多个表格中,要求考生在一个月内完成整个项目的分析过程,并结合行业领域背景,输出数据报告。在以往的考试中,项目实操部分分数低的,基本上是不会通过三级的考试的。

 

因此,建议考生平时需经常做一些更难的项目案例。可以从国内外的网站上下载一些比赛的数据来练习,此外,在最终的数据报告制作上也要多花时间,并加入行业领域知识,结果要符合实际。

 

前方高能,备考福利!!!

 

以上就是四门职业资格认证的备考介绍,接下来给大家隆重介绍我们最新推出的备考资源:《CDA认证考试模拟题库》

 

话不多说,直接上图~




还是那句话要考试的童鞋可以练习备考不考试的童鞋可以提升技能~
最后,希望考生们能放平心态,仔细答题,祝考试顺利,金榜题名我们6月见!

发表回复
你还没有登录,请先 登录或 注册!
话题作者
一站式数据科学在线教育平台