作者:Allen
本文为「心中有数」CDA征文作品
首先“虚心”地立个flag,今年年底 LEVEL III 必过,两年通关CDA!(欧气满满)
其实,内心还是有点小担心,LEVEL III 要考案例实操,Python还用的不是很溜,加上还未正式开刷实操题,对题目的形式有些不确定。
但对于LEVEL I 和 LEVEL II 双双得A(得意),本人还是有些一得之见,在此给大家做个分享,希望能帮助到正在备考中的小伙伴们!
我在某互联网电商平台任职运营岗,在数据分析板块属于小白,虽有一定EXCEL的基础,但与平时工作中接触的用户行为数据、产品数据分析来讲,这点完全不够用,因此不得不提升自己的数据分析技能,于是一开始就在网上搜索自学,逐渐了解了大数据、数据库、机器学习这些专用名词,特别是被数字化转型影响,感觉这个时代如果不具备点数据思维和技能,就很快会被AI替代了。
另一方面,自己是业务出身,毕竟数据分析也是为业务服务,所以业务经验+专业技能,这样的发展来对我来讲更靠谱,所以下定决心学习,逼自己一把。
我是在19年开始自学数据分析,下定决心后,就以考取CDA认证作为最终目标(毕竟老牌认证)。
正式备考是从2020年开始,平均每天学习2小时左右,主要以看书(10本)、刷题(官方2000题)和辅导视频(官网课程)为主,到现在快两年了,痛并坚持着,坚持并难受着,但最终还好,LEVEL I 和 LEVEL II 都拿到了A的成绩,也算是享受到了一种来自内啡肽的快乐。
目前正在继续备战LEVEL III,希望能两年圆梦,噩梦结束,美梦成真!
CDA LEVEL I
首先说下LEVEL I:
我大概备考了三个月时间,在备考前,我首先是找官方考试大纲,通过整体把握了解各个模块的大概内容、关系和学习路径,做到心中有一个whole picture,这是LEVEL I的考试大纲:
整体来讲,LEVEL I 就是入门概念+基础技能+可视化,以业务描述性分析为目标,分为上图七个章节,大纲的安排是首先让考生先了解数据分析基本概念、方法和职业,然后以分析过程为路径,先了解什么是数据,数据应该怎么获取,获取后有哪些分析方法,如何将这些方法与业务结合,最后得出可视化的分析结果,思路清晰,学习可以有的放矢。对我来讲(非技术出身),最难的应该属于SQL数据库,毕竟有代码部分,但真正学起来上手还是较容易的,并且可以安慰的是考试不会考编程。
LEVEL I 备考中,
基本可框定两个范围:
LEVEL I 官方的推荐书籍都是选读,这是官方推荐目录:
结合我自身的经验推荐大家必读的有《SQL入门经典》和《统计学》两本就足够了。
CDA LEVEL II
其次说下LEVEL II:
LEVEL I 拿到A后信心满满,短暂休息了一个月,就开始了LEVEL II 的备考。
因为LEVEL II 涉及的教材和学习资料较多,并且还学习了Python,所以LEVEL II 备考我准备了大概4-5个月时间。
以下是LEVEL II 的考纲:
整体来讲,LEVEL II 为数据分析的进阶内容。以专业数据分析流程,分为了6个部分,数据的采集与处理,采集后对数据进行规范化储存管理,接着根据业务的需求进行标签体系的设计,对标签数据进行统计分析、建模,最终数字化工作方法部分为目前比较火热的数字化转型内容,侧重与业务分析流程。LEVEL II 中重难点部分在于统计分析与数据分析模型两部分,这两块设计的专业知识多,要求高的话会用到python进行分析,但值得庆幸的是,LEVEL II 也不考编程操作。
关于LEVEL II 的一些必读选读书籍,官方已经推荐出来,个人建议根据官方的要求学习即可,LEVEL II 主要就是在于花时间,除了啃书看视频,还得实操起来,方能拿到一个理想的成绩。
CDA LEVEL III
最后简单说下LEVEL III ,因为还在备考中,所以对于LEVEL III 的经验分享也只能是一个简单的开头,通过跟其他考生的咨询交流,也有一些重点学习方法。
整体来讲,LEVEL III 在于高级数据分析、数据挖掘、机器学习。
内容涵盖高级分析师的各项基础及进阶的知识点。基础的部分包括数据挖掘基础、高级数据预处理以及机器学习算法。进阶的部分则包括高级特征工程技术、自然语言处理与文本分析及深度学习。在机器学习实战上,涵盖当今较火的几个主题,包括自动机器学习、类别不平衡问题的处理模式、半监督式学习以及模型优化的方法。
LEVEL III 的复习大家推荐的是两本重点教材,《数据挖掘导论》和《数据挖掘:概念与技术》;其次还包括官方必读的几本《机器学习》、《精通特征工程》、《文本分析》等,如下图:
其次就是对模拟题中的案例操作题进行反复的练习,最好能用Python,之前有考生也用的SPSS Modeler这个工具,因为听说案例操作题是历年考过的真题,并且模板和套路都类似,只是需要用的算法可能会不太一样。在此也强烈种草李御玺老师讲的辅导视频课,幽默风趣,深入浅出,对我来讲学习起来很快乐!关于LEVEL III 的一些详细备考方法,得靠通过的大神们分享了。
磕数据的这两年,不仅让我学习了新的技能,而且真正帮助到了我的工作和发展,受益颇深。
这过程让我体会到世界变化之大,稍不留意,新技术可能又来了,无论是企业还是个人,在数字化的潮流中只能勇往直前,只要有这份信念,相信你也能成功上岸!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14