CDA数据分析师 - 备考指南

---

一、CDA简介

CDA(Certified Data Analyst)，亦称“CDA数据分析师  ”，指在互联网、零售、金融、电信、医学、旅游等行业专门从事数据的采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据分析人才。CDA秉承着总结凝练最先进的商业数据分析实践为使命，明晰各类数据分析从业者的知识体系为职责，旨在加强全球范围内正规化、科学化、专业化的大数据及数据分析人才队伍建设，进一步提升数据分析师的职业素养与能力水平，促进数据分析行业的高质量持续快速发展。CDA数据分析师面向商业职场数据分析，分为三个等级，在国内由经管之家(原人大经济论坛)主办认证考试，通过考试者可以获得CDA数据分析师认证证书，此证书代表数据分析师人才技能水平，为企业事业单位选拔和聘用专业人才的参考依据。

资料来源：百度百科-CDA数据分析师备考指南 链接

二、CDA数据分析师职业成长路线

第一阶段：业务数据分析师（数据专员、数据运营）

理论基础：概率论、统计学理论基础

软件要求：Excel、SQL（必要）& SPSS、R、Python、SAS等（可选）

分析方法要求：

• 掌握数据的基本预处理方法，数据分析法（描述性统计分析、推断性统计分析、线性回归分析、logistic回归、降维分析、时间序列等）
• 市场调研（数据报告）
• 精益化管理

业务分析能力：

熟知业务，能够根据问题业务指标提取公司数据库中相关数据，进行整理、清洗、处理，通过相应数据分析方法结合软件平台应用完成对数据的分析和报告。

结果展示能力：

能够形成逻辑清晰的报告，传递分析结果，对实际业务提出建议和策略。

第二阶段：建模分析师（数据分析师、数据挖掘工程师）

理论基础：统计学、概率论、数理统计、多元统计分析、时间序列、数据挖掘（DM）

软件要求：Excel、SQL（必要）& SPSS Modeler、R、Python、SAS、Weka等（可选）

分析方法要求：

除掌握基本数据处理及分析方法以外，还应掌握高级数据分析及数据挖掘方法（多元线性回归法、生存分析法、神经网路、决策树、判别分析法、主成分分析法、因子分析法、典型相关分析、聚类分析法、关联规则、支持向量机、bagging、boosting等）和可视化技术。

业务分析能力：

• 可以将业务目标转化为数据分析目标 
• 熟悉常用算法和数据结构，熟悉企业数据库架构建设
• 针对不同分析主体，可以熟练的进行维度分析，能够从海量数据中搜集并提取信息
• 通过相关数据分析方法，结合一个或多个数据分析软件完成对海量数据的处理和分析

结果展现能力：

报告体现数据挖掘的整体流程，层层阐述信息的收集、模型的构建、结果的验证和解读，对行业进行评估，优化和决策。

第三阶段：大数据分析师（大数据工程师、算法工程师）

理论基础：统计学、概率论、数据库、数据挖掘、Java基础、Linux基础

软件要求：SQL、Hadoop、HDFS、MapReduce、Mahout、Hive、Spark（必要）& RHadoop、Hbase、Zookeeper、Pig等（可选）

分析方法要求：

• 熟练掌握Hadoop集群搭建
• 熟悉nosql数据库的原理及特征，并会运用在相关的场景
• 熟练运用Mahout、Spark提供的进行大数据挖掘算法，包括聚类（Kmeans算法、Canopy算法）、分类（贝叶斯算法、随机森林算法）、主题推荐（基于物品的推荐、基于用户的推荐）等算法的原理和使用范围

业务分析能力：

• 熟悉Hadoop+Hive+Spark进行大数据分析的架构设计，并能针对不同的业务提出大数据架构的解决思路
• 掌握Hadoop+Hive+Spark+Tableau平台上Spark MLlib，SparkSQL的功能与应用场景，根据不同的数据业务需求选择合适的组件进行分析与处理。并对基于Spark框架提出的模型进行对比分析与完善

结果展现能力：

报告能体现大数据分析的优势，能清楚地阐述数据采集、大数据处理过程及最终结果的解读，同时提出模型的优化和改进之处，以利于提高大数据分析的商业价值

第四阶段：数据科学家

理论基础：统计学、大数据、数据挖掘、机器学习和商业智能

软件要求：Excel、SQL（必要）& R、Python、SAS、SPSS、Hadoop等

分析方法要求：

除掌握数据分析和数据挖掘的方法之外，还需了解计算机编程技术、机器学习、人工智能、大数据分析架构以及业务分析方法，包括战略分析、产品管理、风险管理、 客户关系管理，项目管理，运营管理等结合具体行业的业务分析方法。

业务分析能力：

• 带领数据团队，能够将企业的数据资产进行有效整合和管理，建立内外部数据的连接
• 熟悉数据仓库的构论理论，可以指导ETL工程师业务工作
• 可以面向数据挖掘运用主题构造数据集市
• 在人和数据之间建立有机联系，面向用户数据创造不同特性的产品和系统
• 具有数据规划的能力

结果展现能力：

• 能带领团队完成不同主题数据的有效整合与管理
• 报告能对行业、业务、技术有敏锐的洞察力和判断力，为企业发展提供全方面数据支持

 

学习资料：

1.CDA LEAVE1 业务数据分析师备考手册（密码：cda1） 链接