CDA数据岗位模型:
基于CDA多年的数据分析教学经验以及对当下企业数据相关岗位、薪资待遇的调查研究,总结出来了一套职场“岗位模型”。最左侧是经典的CDA LEVEL 1 2 3等级标准,每个等级对应企业相关数据岗位及薪资范围。图片中部为对应岗位的技能列表,即胜任某一岗位需要拥有什么样的能力。最后侧是该技能对应的CDA精英学院课程。CDA等级标准还规定了各个级别的能力概要,如下表所示:
【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 |
概率论和数理统计、Python基础、Linux基础、数据挖掘和机器学习 |
统计学、大数据、机器学习、数据治理和项目管理 |
软件 要求 |
必要:Excel、SQL 可选:Python、SPSS、R等 |
必要:Excel、SQL 可选:Python、R、SPSS Modeler、Spark等 |
必要: SQL、Hadoop、HDFS、Mapreduce、Hbase、Hive、Sqoop、Spark 可选:Kafka、Flume、ZooKeeper等 |
必要:Excel、SQL、Python、Hadoop、Spark 可选:R、SAS、Tensorflow等 |
分析方 法要求 |
掌握基本数据预处理方法,SQL数据库技术,数据分析方法(描述性统计分析,推断性统计分析,方差分析,线性回归等);市场调研(数据报告),常用数据分析模型(聚类分析、逻辑回归、时间序列等)。 | 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(特征工程、贝叶斯、决策树、神经网络、支持向量机、集成方法、关联规则、序列模式等)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Spark及Spark MLLib算法库提供的进行大数据分析的数据挖掘算法,包括无监督算法(k-means算法、DBSCAN算法、FP-Growth)、有监督学习算法(决策树、SVM、贝叶斯、集成算法、神经网络、协同过滤)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,还需了解数据治理技术,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,包括代码管理、敏捷分析、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。 |
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、Python、SPSS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、PYTHON、R、SAS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、Hive、Spark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。掌握前沿AI相关技术,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. 抗压力与耐性:在处理数据中需要强大抗压力和耐心。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数据分析研究院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 > SPSS >SAS > Matlab; 商业界:EXCEL> PYTHON>SPSS> R>SAS。上手难度:SAS>PYTHON>R>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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29持证人简介 郭畅,CDA数据分析师二级持证人,安徽大学毕业,目前就职于徽商银行总行大数据部,两年工作经验,主要参与两项跨部 ...
2025-01-282025年刚开启,知乎上就出现了一个热帖: 2024年突然出现的经济下行,使各行各业都感觉到压力山大。有人说,大环境越来越不好了 ...
2025-01-27在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-01-26数据指标体系 “数据为王”相信大家都听说过。当前,数据信息不再仅仅是传递的媒介,它成为了驱动经济发展的新燃料。对于企业而 ...
2025-01-26在职场中,当你遇到问题的时候,如果感到无从下手,或者抓不到重点,可能是因为你掌握的思维模型不够多。 一个好用的思维模型, ...
2025-01-25俗话说的好“文不如表,表不如图”,图的信息传达效率很高,是数据汇报、数据展示的重要手段。好的数据展示不仅需要有图,还要选 ...
2025-01-24数据分析报告至关重要 一份高质量的数据分析报告不仅能够揭示数据背后的真相,还能为企业决策者提供有价值的洞察和建议。 年薪70 ...
2025-01-24