数据分析师

您的位置:首页 > 精彩答疑 > 数据分析师成长之路!_CDA数据分析师科学体系

数据分析师成长之路!_CDA数据分析师科学体系

收藏

来源: CDA数据分析师 | 发布时间:2015-09-09 14:08:01

数据分析师需要的技能:



根据CDA等级认证标准表可以看出,一名合格的数据分析师在企业工作中针对“理论基础”、“软件要求”、“分析方法”、“业务能力”、“结果展现”五个方面的不同要求,分为了Level ⅠⅡⅢ三个等级。我们总结出来三个等级的要求概述如下:




CDA等级认证考试大纲】

级别 Level I
(业务分析师)
Level II
(建模分析师)
Level II
(大数据分析师)
Level III
(数据科学家)
理论
基础
概率论、统计学理论基础 统计学、概率论和数理统计、多元统计分析、时间序列、数据挖掘(DM) 统计学、概率论和数据库、数据挖掘、JAVA基础、Linux基础 统计、大数据、数据挖掘、机器学习和商业智能
软件
要求
必要:Excel、SQL
可选:SPSS、SAS、R等
必要:Excel、SQL
可选:SPSS MODELER、R、Python、SAS等
必要: SQL、Hadoop、HDFS、Mapreduce、Mahout、Hive、Spark
可选:RHadoop、Hbase、ZooKeeper、Pig等
必要:Excel、SQL
可选:R、Python、SAS、Hadoop等
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,方差分析,时间序列等);市场调研(数据报告);精益化管理。 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,神经网络,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。 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提供的进行大数据分析的数据挖掘算法,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 除掌握数据分析和挖掘的方法之外,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
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。 Data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,熟悉企业数据库构架建设;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。 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。 带领数据团队,能够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;熟悉数据仓库的构造理论,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。 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。 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,以利于提升大数据分析的商业价值。
报告形式多样化,图文并茂,逻辑严密。为企业数据资产管理提供详细方案,对企业发展提供数据规划策略。

CDA  Level I :业务数据分析师。专指政府、金融、电信、零售等行业前端业务人员;从事市场、管理、财务、供应、咨询等职位业务人员;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、R、SPSS、SAS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数据挖掘的人员。在Level Ⅰ的基础上更要求掌握多元统计、时间序列、数据挖掘等理论知识,掌握高级数据分析方法与数据挖掘算法,能够熟练运用SPSS Modeler、SAS、PYTHON、R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JAVA语言和linux操作系统知识,能够掌握运用Hadoop、Spark、Storm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R、python等软件,形成严密的数据分析报告。
 
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。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。


根据各等级的要求,适合大家学习的方法需要科学、专业地规划,从“CDA数据分析研究院”长年的项目合作和培训经验来看,对于一个零基础的学员需要做到以下的步骤来进行系统性的规划:

一、自身检查:是否适合数据分析岗位。

       什么样的人适合做数据分析师?

       1. 对数据敏感:对数字不恐惧,经常关注行业数据动态,能够从数据变化中自行感觉出实务背后的原因规律。

       2. 耐得住性子和寂寞:耐心,就不用多说了。寂寞,与数据打交道需要你爱上数据而不是排斥数据。

       3. 自学能力强:在数据分析的过程中需要经常自行研究学习一些新的思路和方法,不断修正,不断更新。

二、 从入门到精通系统学习

       CDA数据分析师系统培训师资团提供的科学学习规划如下:

       1. 统计概率基础:数据分析行业分析,数据挖掘经典流程,数据的描述性分析,数据的推断性分析,方差分析,回归分析,多元统计等系列理论课程,唯有掌握原理,方能驾驭工具。

       2. 数据分析工具学习:根据等级的要求,一般软件在学术界和企业界的应用广泛程度为,学术界 :STATA >R >  Matlab> SPSS >SAS  ; 商业界:SPSS>R>SAS > PYTHON 。上手难度:SAS>R>PYTHON>SPSS>EXCEL工具的选择不在于多,而在于跟具体问题相结合,在学习的过程中可以选择1-2门的工具进行熟练使用。参考各大数据分析工具的区别

        3. 数据分析建模:利用工具进行数据分析模型、数据挖掘算法建模运用,常用的数据分析方法有(回归分析法、主成分分析法、典型相关分析、因子分析法、判别分析法、聚类分析法、结构方程、Logistic模型等),常用的数据挖掘算法有(时间序列、Panel Data、关联法则、神经网络、决策树、遗传算法)以及可视化技术。

        4. 以上三部分皆为数据分析硬性技术,要想熟能生巧需要经常在学习和工作中运用,不断改善,不断优化模型,将技术与具体业务结合起来,经过长时间的积累方能成为高级数据分析师。




  CDA大数据分析圈是国内第一个汇聚大数据全面资源、数据人必备的APP。CDA整合了近千个大数据相关专业网站及媒体来源,汇聚了数百场国内大数据活动与会议,数千名名技术大牛、行业领袖,以及总结了最系统的优质学习课程资源。在这里,你可每天接触到最新行业资讯、前沿技术干货等信息;你可参与CDA俱乐部活动、各类大型会议,亲身与大牛接触,获得实务经验。你也可在专业课堂上与国内顶尖讲师进行交流切磋,最有效规划自身大数据职业发展。
  CDA大数据分析圈是数据人的家园,圈子里,资源流通,共享智慧,合作发展。CDA以“创新、开放、分享”的理念,期待你的加入!

分享到:

CDA数据分析师周边