
如果你在2022年8月1日-8月31日,参加CDA认证考试并且成绩为A,如荷学CDA数据分析师项目组将奖励600元成绩优秀奖!【参与条件】1.考试时间为8月1日-8月31日,并且成绩为A2.晒证书或成绩单:照片+文字,在知乎、小红书、微博、朋友圈、抖音、快手、视频号、头条号等自媒体发布,点赞超过10人【申请流程】1.在cda.cn网站联系客服或扫码添加工作人员微信2.提交身份信息,工作人员核对考试成绩3.符合条件,发放「A计划」成绩优秀奖4.8月份名额为前20位成绩为A的考生【说明】1.同一人多个平台分享,只计算一次激励2.领取兑换前请保留发布信息完整3.此活动不与其他活动重叠使用4.活动截止时间2022年8月31日
了解更多嘉宾:CDA持证人姜寿明主持人:大家好,今天CDA持证人专访我们邀请到了姜寿明,寿明目前是在一家金融科技公司从事咨询和方案解决的工作。欢迎寿明,和大家打个招呼吧!嘉宾:Hello,我叫姜寿明,我目前在一家金融科技公司从事咨询和解决方案工作。本科读的信息与计算科学专业,一半数学一半计算机课程,也算是经过了一些统计学、数据库和软件编程的初级的、系统化的学习和训练,研究生读的管理科学与工程。主持人:我比较好奇咨询和解决方案这一块儿会利用到数据分析吗?嘉宾:会的,应用场景其实挺多的。主持人:能举几个业务的例子,具体展开给大家讲讲吗?嘉宾:没问题。我举两类应用场景。第一类是企业经营管理类场景。随着市场经济的发展,中大型企业面向的市场、客户规模和复杂度不断增加,经营数据的收集汇总过程变得越来越耗时。这时面向管理层的经营情况汇报时间也不断延长,因为这个时候从基础数据已经看不出结论来了,管理层提出的每个问题都需要结合很多方面的信息来回答。这种情况下就需要构建企业的数据平台,连接打通前后台各类IT系统数据,利用数据分析的方法论和工具对大量基础数据进行加工处理和分析呈现。所以现在很多中大型企业都开启了数字化转型,开始建设面向经营管理分析的数据看板、管理驾驶舱等等,大家也能明显感觉得到,近几年招聘市场上对掌握数字化转型、数据分析等方面技能的人才需求也在持续增长。主持人:那就是老板不会看基础数据,更多的是看结果数据和原因,要想解释数据的结果就需要从数据里找原因对吧,那第二类呢?嘉宾:第二类是项目管理分析场景。以我目前所在的公司为例,作为一家规模较大的金融科技企业,要负责建设规模庞大的IT应用系统,服务于各类复杂的业务需求,但是随着技术的不断发展,应用系统需要持续进行迭代升级,每次涉及到技术架构升级往往需要数百个项目并行实施并进行有效的项目群管理,这种情况下利用传统的、简单的数据报表已经难以清晰地展现项目的全貌和关键信息,这种情况下也需要借助数据分析方法和工具,基于项目群整体推进基础数据,进行多维度透视分析、全局进展跟踪和风险及时预警,并以自动化、可视化的方式进行呈现,辅助项目管理和推进。这两类都是我作为咨询和解决方案顾问实际经历和参与过的场景,其他类型的场景其实还有很多。主持人:好的,我看到您读书期间,数学课程占一半,身边也有很多想从事数据分析的朋友问的比较多的一个问题就是,从事金融数据行业,数学是不是要特别好呢?嘉宾:也不是。金融数据行业是一个比较泛化的概念,可能证券分析师、基金经理、金融大数据分析工程师这类职业岗更贴近一些,需要对市场交易数据进行建模预测,优化投资模型,或者设计开发相关的算法和软件来服务于金融场景业务决策等,这些工作要求具备一定的数学功底。其他方面的岗位类型,包括我这种咨询解决方案类的,更多的是要求理解业务、理解数据,利用数据分析方法论和工具,更有效率、更直观、全面地组织数据和呈现结论,并不需要掌握复杂的数学理论或者算法。当然如果数学功底好绝对是加分项,在学习和掌握相关理论和工具的时候,能够更快地理解原理并上手使用。主持人:从事金融行业的数据分析师,您觉得哪些业务知识是必学的?如何更好的进阶自己?嘉宾:业务知识的话,我觉得需要看服务的企业性质、业务类型以及岗位类型。企业性质来说,比如你在银行、保险、证券公司,要求的业务知识是不同的,你起码要了解相应业务的一些专业术语、常见通用的业务逻辑和规则,才能跟业务人员进行有效地沟通,理解业务目标,进而开展数据分析工作;业务类型来说,2B业务和2C业务要求的能力也是不同的,前者可能要求掌握一些采购、销售、物流、存货以及财务等相关知识,具备一定的公司经营规划与分析能力,后者则需要对互联网化的数据运营方法有所了解;岗位类型就比较具体了,比如你做投资分析,你需要掌握系统的金融学、经济学理论以及投资分析方法。主持人:作为CDA持证人,对于证书备考有什么攻略可以给大家分享一下吗?嘉宾:备考攻略主要有两点吧:一是考试大纲和模拟题一定要好好看、好好做,这个证书涉及的相关知识面还是比较广的,考试大纲能够帮助我们聚焦一些关键的知识模块重点学习,备考阶段也需要回顾一下进行知识点的查漏补缺;模拟题最好整体学习完成之后再做,毕竟套数有限,如果每套题都能得分在七八十分以上,那么直接报名考试还是比较有把握通过的,做完题目之后也要重点针对错题进行分析、识别知识盲区,并进行迁移补漏。第二个是做笔记还是很有必要的,笔记可以帮助我们记录要点、加深印象,在系统化学习的时候,前后知识点是有关联的或者互为基础的,往往学习后面的需要回顾前面的知识,如果有笔记在的话,会节省很多时间;另外,在学习、备考战线拉的比较长的时候,需要反复复习笔记来对抗遗忘,以及最后集中备考复习那几天需要有足够的弹药。主持人:对于即将踏入金融数据分析的小伙伴,您有什么经验可以给大家分享一下吗?嘉宾:分享两点我个人的理解吧。第一点,我们需要不断学习掌握复杂的工具,这里的工具是广义的,可以是理论、算法、模型、软件等,通过复杂工具的掌握来提升工作效率和效果,而且往往工具越复杂,提升程度就越明显,因为效率提升的部分就是工具自动帮助我们完成的部分;降本增效是公司经营不变的主题,我们持续利用工具提升个人效率、提升组织的工作效率,就能给企业带来更多利润,凸显我们的岗位价值。第二点,我觉得数据分析岗位往上不断进阶,一定要与业务目标深入结合,通过长期聚焦在某一个或者某几个业务领域跟数据打交道,沉淀总结一些分析问题的常用切入点和独特视角,培养自己的数据敏感度,最终形成业务诊断能力,成为一名用户增长专家、客户营销专家、或者企业风控专家,这是作为一个数据分析岗位应该及早树立的目标和努力的方向。主持人:好的,谢谢寿明的分享,不亏是做解决方案的,回答的每一个问题都像是在给一个个解决方案,寿明结合自己的工作业务给大家分享了金融业务场景的类型,具体的工作岗位还需要掌握专业领域的知识,更是在CDA认证备考,以及要从事金融数据分析师的小伙伴提出了自己的建议,再次感谢寿明接收我们的专访,我们下期再见!拜拜!
了解更多嘉宾:CDA持证人 徐鹤 工业大数据分析师采访老师:大家好,又和大家见面了,今天我们邀请到了徐鹤来参加我们的CDA持证人专访。嘉宾:Hello,我叫徐鹤,之前是一名控制算法工程师,现在转型成为了工业大数据分析师。问题1:之前从事传统工业的控制算法工程师,和现在工业大数据分析师相比较起来,你觉得有什么区别呢?大家觉得工业大数据行业还是比较神秘的。嘉宾:传统的控制算法工程师主要针对设备的管理系统进行控制逻辑开发及测试。那么工业大数据分析师主要是利用统计学、机器学习、信号处理等技术手段,结合业务知识对工业过程中产生的数据进行处理、计算、分析并提取其中有价值的信息和工业运行过程的规律。工业大数据分析的直接目的是获得业务活动所需各种的知识,来推进设备和企业的精细化管理。问题2:工业大数据分析主要应用在那些方面呢? 嘉宾:根据业务目标的不同,工业大数据分析可以分成四种应用类型:1、 描述型分析,用来回答“发生了什么”、体现的“是什么”过程。一般通过计算数据的各种统计特征,把各种数据以便于人们理解的可视化方式表示出来。工业企业总的周报、月报、商务智能分析等,就是典型的描述型分析。2、 诊断型分析:用来回答“为什么会发生这样的事情”。针对设备运行等过程中出现的问题和异常,找出导致问题的原因所在,诊断分析的关键是剔除非本质的随机关联和各种假象。3、 预测型分析:用来回答“将要发生什么?”。针对生产、经营中的各种问题,根据现在可见的因素,来预测未来可能发生的结果。4、 处方型(指导型)分析:用来回答“怎么办”的问题。针对已经和将要发生的问题,找出适当的行动方案,有效解决存在的问题来把工作做得更好。业务目标不同,所需要的条件、对数据分析的要求和难度就不一样。大体上说,四种问题的难度是递增的。描述性分析的目标只是便于人们理解;诊断式分析有明确的目标和对错;预测式分析,不仅有明确的目标和对错,还要区分因果和相关;而处方式分析,则往往要进一步与实施手段和流程的创新相结合。问题3:您平时做工业大数据分析时,最常用到什么分析工具呢?嘉宾:最常用的建模工具是Python,会针对具体的业务问题进行相应的机器学习、深度学习等建模过程。问题4:最近也是到了毕业季,您觉得工业大数据的就业前景怎么样?有什么经验可以分享给正在找工作的同学呢?嘉宾:工业数字化、网络化和智能化的步伐不断加快,工业大数据的发展前景也是非常可观。国家层面提出要从工业大国向工业强国的转变,政府的政策制定、驱动导向、发展引导、配套支持等,也为工业大数据产业发展创造了优良环境。至于建议,工业大数据不同于传统的数据分析,也不同于商务大数据分析。工业场景的边界都有专业领域的机理进行约束,工业大数据的分析注重数据模型和机理模型的融合,它的重要特征是数据与机理的深度融合。所以呢,建议对工业大数据感兴趣的同学,不仅要了解大数据算法,也需要了解领域常识,如设备运行机理、运维过程等相关的知识。问题5:我们今天和大家聊了许多您过去和现在的职场发展,那您将来有什么职业规划呢? 嘉宾:在工作实践中认识到工业大数据分析的瓶颈难点,往往不是计算机存储和处理数据的能力,而是数据关联关系的复杂性。这种复杂性使得一些传统的数据分析方法难以奏效,无法高效提炼出质量更高、价值更大的知识。那么针对这一点呢,今后除了在算法层面的能力继续加强,也要加强借鉴工程思想和方法。通过技术驱动与业务驱动相结合,努力成为工业大数据领域的技术专家。结束语:成为工业大数据分析师,工业大数据再次插上了大数据的翅膀,加快了工业的数字化智能化的脚步。刚才也谈到了,想要进入工业大数据做数据分析相关工作的,不仅要了解数据分析的相关知识,还要了解工业领域的相关知识。这也是给想要在工业领域做数据分析的小伙伴们一个重要的提示。好了,今天的CDA持证人专访就到这里,再一次感谢徐鹤接受我们的采访,谢谢!
了解更多书中自有黄金屋,书中自有颜如玉,写给专业数据分析师的丛书。
了解更多连接数据时代的企业和人,让优质教育人人可得,学数据科学,就上CDA.CN。
了解更多海量试题全新升级,数据分析求职、备考、笔试免费刷题神器!
了解更多聚焦行业前沿,探寻未来,大数据与大思维的亲密接触,从业者的饕餮盛宴。
了解更多在人工智能和大数据的趋势下,建立全社会普遍认可的人工智能和大数据的人才标准!
了解更多面向高校、教育机构,以Hadoop集群为核心,打造大数据产学研协同育人模式。
了解更多