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】

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。