|
会议详情 |
|
优惠信息：
发票类型：增值税普通发票 增值税专用发票
CDA-L1业务数据分析师认证
培训通知
培训服务一览表 | |
培训时间 | 32课时 |
培训方式 | · 线上授课 |
专家授课 | · 随时开课 · 理论梳理 · 案例分享 |
学习平台 | PC 移动端 |
社群服务 | · 学员在线交流 · 专家在线答疑 · 班主任教学管理 |
备注：此课程可根据具体需求定制企业内训解决方案 | |
「CDA 数据分析师人才行业标准」是面向全行业数据分析及大数据相关岗位的一套科学化、专业化、正规化、系统化的人才技能准则。CDA数据分析师认证考试是评判「标准化人才」的唯一考核路径。CDA考试大纲规定并明确了数据分析师认证考试的具体范围、内容和知识点，考生可按照大纲要求进行相关知识的学习，获取技能，成为专业人才。
针对不同知识，掌握程度的要求分为【领会】、【熟知】、【应用】三个级别，考生应按照不同知识要求进行学习。
1．领会：考生能够领会了解规定的知识点，并能够了解规定知识点的内涵与外延，了
解其内容要点和它们之间的区别与联系，并能做出正确的阐述、解释和说明。
2．熟知：考生须掌握知识的要点，并能够正确理解和记忆相关理论方法，能够根据不
同要求，做出逻辑严密的解释、说明和阐述。此部分为考试的重点部分。
3．应用：考生须学会将知识点落地实践，并能够结合相关工具进行商业应用，能够根
据具体要求，给出问题的具体实施流程和策略。
PART 1 数据分析概述与职业操守 (占比3%)
数据分析概念、方法论、角色 (占比 1%)
数据分析师职业道德与行为准则 (占比 1%)
大数据立法、安全、隐私 (占比 1%)
PART 2 数据结构 (占比 15%)
表格结构数据特征 (占比 2%)
表格结构数据获取、引用、查询与计算 (占比3%)
表结构数据特征 (占比 5%)
表结构数据获取、加工与使用 (占比 5%)
PART 3 数据库应用 (占比 17%)
数据库相关概念 (占比 1% )
DDL 数据定义语言 (占比 2% ).
DML 数据操作语言 (占比 2% )
单表查询 (占比 3% )
多表查询 (占比 3% )
子查询 (占比 3% )
数据库函数 (占比 3% )
PART 4 描述性统计分析 (10%)
统计基本概念(占比 2%)
数据的描述性统计 (占比 3%)
统计分布 (占比 3%)
相关分析 (占比 2%)
PART 5 多维数据透视分析 (10%)
多表透视分析逻辑 (占比 3%)
多维数据模型(占比 3%)
透视分析方法 (占比 4%)
PART 6 业务数据分析 (30%)
数据驱动型业务管理方法 (占比 3%)
指标的应用与设计 (占比 12%)
业务分析方法 (占比 15%)
客户分析
商品分析
流量、转化分析
行为效果分析
业务分析模型
业务分析方法
PART 7 业务分析报告与数据可视化报表 (15%)
可视化分析图表 (占比 5%)a.
撰写业务分析报告 (占比 5%)
创建数据可视化报表 (占比 5%)
考试方式：VUE线上考试，随约随考；
考试题型：考试题型：客观题（单选80道+多选60道）满分100分，60分及格；
考试时间：120 分钟；
考试成绩：分为 A、B、C、D 四个层次，A、B、C 为通过考试，D 为不通过。
注：考试未通过者可进行一次补考，补考费用为六折优惠。每个等级科目补考各限一次。
二〇二四年三月三日
关于中国CDA 认证考试事项
考试科目 | CDA LEVEL Ⅰ |
考试日期 | 随报随考 |
考试时间 | 120 分钟 |
考试形式 | VUE定点考试上机答题 |
考试题型 | 客观选择题 （单选+多选） |
考试条件 | 无要求，皆可报考 |
报考流程
证书样本（中英文两版本）
北京中培伟业管理咨询有限公司
北京中培伟业管理咨询有限公司（以下简称“中培”）成立于2006年，其主营业务面向大中型企业的IT规划咨询业务和面向高端IT人才的培训类业务，其中咨询业务涉及大型集团化企业的IT战略规划、IT架构规划、IT综合管控等领域，培训业务涉及线上线下各种高级IT技术和管理类课程体系。借助于其优质的专家资源池和互联网平台，中培已经为众多的世界500强企业、国有大中型集团化企业、国际知名互联网企业提供过高质量的信息化战略规划、组织架构规划、科技人才管理、信息技术架构规划、信息系统开发和运维管理、信息化能力评测的相关培训与咨询服务。
|
章节 |
模块 |
培训内容 |
|
PART 1 Excel与SQL数据分析 |
数据分析概念与职业操守 |
数据分析概念、方法论、角色【领会】
数据分析师职业道德与行为准则【领会】
|
|
Excel表格结构 |
总体要求 表格结构数据特征【领会】
【熟知】
【应用】
【熟知】
|
|
|
数据库应用 |
总体要求 理解数据库的基本概念、理解DDL及DML语言、能够根据业务需求及数据特征使用查询语言从数据库中获取准确、完整的数据信息、能够应用数据库函数进行数据处理及计算 【熟知】
【应用】
【领会】
【熟知】
【应用】
|
|
|
【领会】
【熟知】
【应用】
【领会】
【熟知】
【应用】 数学函数、字符串函数、日期时间函数、分组合并函数、逻辑函数 |
||
|
PART 2 描述性统计分析 |
数据集中与离散趋势分析 |
总体要求 理解统计基本概念、理解描述性统计相关知识内容、理解描述性统计图表定义及适用场景、能够应用描述性统计知识描述及探索业务问题 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 2、数据的描述性统计【领会】 描述性统计图表：直方图、散点图、箱型图 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、方差、标准差、离散系数、变异系数分布形态的描述：偏态、峰态 |
|
数据各种分布 |
【应用】 能够应用描述性统计知识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、统计分布【熟知】 两点分布、二项分布、正态分布、 分布、T分布、F分布 4、相关分析【熟知】
|
|
|
PART 3 多维数据透视分析 |
构建多维模型 |
总体要求 理解多维数据模型价值、理解多维数据模型逻辑、理解透视分析原理、能够活用多维数据模型结合恰当透视方法观测业务问题实现商业洞察 1、多表透视分析逻辑【熟知】 熟知透视分析的作用价值 理解多表环境下的连接、透视逻辑 【应用】 能够通过表的字段理解该表所代表的业务维度及业务意义，能够通过表的业务意义倒推回表中字段的主键、维度、度量属性 2、多维数据模型【领会】 了解使用多维数据模型的业务意义 【熟知】
|
|
透视规则与计算指标 |
【应用】 能够通过5W2H思维模型梳理业务线索，搜集完整的多表数据。 能够根据业务需求，按照正确的连接关系创建完整、准确、全面的多维数据模型 能够根据多维数据模型推导出可探索的业务问题范围，实现业务洞察 3、透视分析方法 【领会】 透视分析的价值及意义 【熟知】
【应用】
|
|
|
PART 4 业务数据分析
|
构建业务指标 |
总体要求 理解业务数据分析方法、掌握业务数据分析流程、能够使用及设计创建业务指标、能够结合业务模型及业务分析方法正确理解业务问题，找到问题原因，并能够提出解决问题建议 数据驱动型业务管理方法【熟知】
【应用】 能够通过数据驱动型业务管理流程找到业务分析与业务管理需求的结合点，能够正确理解数据的出处及产生逻辑，能够正确的运用数据为业务管理提供有价值的数据分析结果 2、指标的应用与设计【领会】 指标的作用【熟知】 熟知从指标结果出发到业务行为落地的思维过程及分析方法熟知指标与透视计算间的关系
|
|
数据分析思维 |
【应用】 能够根据指标结果洞察业务问题及影响 能够根据业务场景选择恰当的指标进行观测 能够根据业务需求设计新指标，完善指标体系 3、业务分析方法 【领会】 不同业务分析方法各自的作用 【熟知】 熟知以下业务分析方法： 客户分析：客户来源分析、客户价值分析、客户生命周期分析、客户行为分析商品分析：商品进销存分析、商品渠道分析、商品耗损分析、商品价格分析流量、转化分析：流量转化分析、流量渠道分析 行为效果分析：活动效果分析、销售分析、其他行为效果分析 业务分析模型：漏斗模型、RFM模型、客户价值模型 业务分析方法：树状结构分析法、二八分析法、四象限分析法、同期群分析法 【应用】 能够应用恰当分析方法解决业务问题 能够将数据处理分析技能融入到业务分析方法中，为数据驱动型业务管理提供正确、全面、客观的数据依据 |
|
|
PART5 业务分析报告与数据可视化报表 |
各种图表可视化 |
总体要求 理解业务分析报告与数据可视化报表的制作方法、能够结合业务需求撰写正确的业务分析报告，能够结合业务需求创建全面的数据可视化报表 可视化分析图表【领会】 业务图表与统计图表的区别【熟知】
【应用】 能够根据数据特征及业务需求选择正确的业务类图表使用能够通过图表展示内容理解业务问题 |
|
发布数据分析报表 |
撰写业务分析报告【领会】
【熟知】
【应用】
3、创建数据可视化报表【领会】 数据可视化报表的作用 【熟知】
【应用】
|
|
|
推荐学习书目 |
说明：推荐学习书目中，部分书籍结合软件，但考试不会考软件，考生可根据自身需求 选择性学习。参考书目不需全部学完，根据考纲知识点进行针对性学习即可。 |
[1] 贾俊平，何晓群，金勇进. 统计学（第 7 版）[M]. 中国人民大学出版社，2018.（必读） [2] 斯蒂芬森，晋劳，琼斯. SQL 入门经典（第 5 版）[M]. 人民邮电出版社，2011.（必读） [3] 黄缙华.MySQL 入门很简单[M].清华大学出版社，2011.（选读） [4] 何晓群. 多元统计分析（第 4 版）[M]. 中国人民大学出版社, 2015. （必读） [5] 盛骤，试式千，潘承毅. 概率论与数理统计（第 4 版）, 高等教育出版社,2008.（选读） [6] 王斌会 . 多元统计分析及 R 语言建模（第 4 版）[M]. 暨南大学出版社, 2016. （选读） [7] 李静萍. 多元统计分析：原理与基于 SPSS 的应用（第二版） , 中国人民大学出版社, 2015. （选读） [8] Wes McKinney. 利用 Python 进行数据分析[M]. 机械工业出版社，2014. （选读） [9] 王燕. 应用时间序列分析（第四版）,中国人民大学出版社, 2015. （ 9 和 10 二选一） [10] 王燕. 时间序列分析：基于 R, 中国人民大学出版社, 2015. （ 9 和 10 二选一） [11] Daniel T. Larose，Chantal D. Larose. 数据挖掘与预测分析（第 2 版）[M]. 清华大学出 版社，2017. （选读） [12] 经管之家，曹正凤. 从零进阶!数据分析的统计基础[M]. 电子工业出版社，2016. （选读） [13] 经管之家，常国珍. 胸有成竹!数据分析的 SPSS 和 SAS EG 进阶[M]. 电子工业出版社， 2016. （选读） [14] 经管之家，徐筱刚. 如虎添翼：数据处理的 SPSS 和 SAS EG 实现[M]. 电子工业出版社， 2016. （选读） |
|
总结交流与答疑 |
||
刘老师 十几年年软件研发经验，十年企业培训经验，对Java、Python、区块链等技术领域有独特的研究，精通J2EE企业级开发技术，Java方向：设计模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且对Java源码有深入研究，Python方向：Python核心编程、Python数据分析、Python OOP、Mongodb、Django、Scrapy爬虫技术、基于Scikit-Learn机器学习框，Tensorflow深度学习框架、人脸识别技术。
常老师 北京大学会计学博士，ThoughtWorks中国首席金融数据科学家。具有18年数据规划、数据治理、智能算法在金融和电信行业的落地经验。协助企业逐步积累数据资产，运用数据智能工具优化业务流程，取得数字化竞争优势。代表客户有人民银行、国家开发银行、中国建设银行、中国移动、中国银行、中国民生银行。 在加入ThoughtWorks之前，曾在毕马威大数据部任总监、在中银消费金融数据部任高级经理、在百度大数据任数据产品经理。兼任北京语言大学金融硕校外导师，同时担任的社会角色和荣誉有中国大数据产业生态联盟专家委员会委员，CDA数据分析研究院名誉院长，腾讯云最有价值专家（TVP），建设银行反洗钱和数据资产管理资深外部专家。著有《金融数据科学手册》系列丛书、《Python数据科学：技术详解与商业实践》、《用商业案例学R语言数据挖掘》、《胸有成竹：数据分析的SASEG进阶》等多本著作。
王老师 现任某上市公司软件产品部副总兼大数据产品线总经理，国际信息和数据质量协会（IAIDQ）会员，ITSS数据治理标准工作组成员。曾获得数据管理专业认证（CDMP）、数据治理专业认证（DGP）、信息质量专业认证（IQCP）三项国际认证。2010年加入普元，全面主持普元大数据产品的研发、拓展及团队管理工作。十年大型企业信息化架构设计与建设经验，曾任中国人民银行核心平台架构师。主持参与了国家开发银行大数据治理项目、中国人民银行软件开发平台、国家电网云计算平台等大型项目建设。对大数据行业有着深入的研究和洞察，并对企业信息化平台建设，企业云计算及大数据平台建设有着丰富经验。
培训费：1980元/人（含培训费、资料费、在线题库以及录播视频回放一年等费用）
考试费：1200元/人（含考试费发票）。
相关会议
2024-12-02线上活动
2024-12-02线上活动
商务会议
会议嘉宾
会议主办方
会议场地
会议PPT
APP参会
订单查询
开通会员
2024-12-01 09:00 至 2024-12-31 18:00
