京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA数据分析师认证考试在每年的6月与12月最后一个周末进行,一年两次。从2020年考季考试,CDA 数据分析师认证考试改为随报随考,考试城市遍布70多个,250+考场,考试时间及地点更加自由灵活。第八届(2018年6月)CDA考试现已结束,本次考试在全国21所考试中心顺利进行,共完成LEVEL 1业务数据分析师,LEVEL 2建模分析师,LEVEL 2大数据分析师三门科目。经过简要数据统计分析,CDA发布本次考试的通过率及考生数据报告。
CDA第八届通过率:
解读:本届考试通过率及成绩情况:
LEVEL 1通过率为64%(其中成绩A占比9%,成绩B占比24%,成绩C占比31%)。
LEVEL 2建模分析师通过率为51%(其中成绩A占比11%,成绩B占比14%,成绩C占比26%)
LEVEL 2大数据分析师通过率为49%(其中成绩A占比9%,成绩B占比17%,成绩C占比23%)。
较上一届(第七届)比较,LEVEL 1的通过率有所下降,LEVEL 2的通过率微上升。随着CDA认证的普及,考试内容的不断迭代和更新,越来越多的企业抢夺数据人才,作为行业人才选拔的参照标准,未来CDA考试的难度会有所加大,通过率趋势也会逐步下降。
CDA第八届考生地区分布:
CDA第八届考生专业分布:
CDA第八届考生工作年限情况:

解读:本次考试,考生具有工作经验的占比74%,无工作经验的占比26%。其中3年以上工作经验的考生占比最多,达到42%;工作2-3年的占比10%,1年以下工作经验的占比最少,为8%。此数据说明CDA认证更深入到具有多年工作经验的职场人士之中,工作经验越多的职场人士越需求CDA证书,其次是无工作的人士以此作为行业的敲门砖。
CDA第八届考生岗位分布:

解读: 此数据为综合了本届考试所有考生的岗位信息,进行了数据的整理和分类,删除了空缺值,得出了考生从业岗位的占比情况。可见数据分析岗位占比最多,从业的考生中超过了1/3的考生皆从事数据分析类岗位;管理类岗位其次,占比16%;工程师、程序员IT相关岗位随后,占比15%。之后为运营、产品、市场、销售等。基本证明了对于大多数还在数据类岗位的从业人员都急需一个专业能力的提升和认可,获得CDA证书也将是在自己现有职位往更高职位或平台的一个跳板。在IT岗的一些工程师欲获得CDA证书,转行从事数据岗位。而在管理、运营、产品、市场等岗位,也有一定的数据分析技能需求。
CDA第八届考生TOP 企业:

解读:以上是删选了考生来自的所有企业单位,列出的TOP企业名单,包括外企、国企、私企、政府部门等。可看出这些500强企业,政府部门的员工也需要CDA技能,参与CDA认证考试,获得证书。也说明CDA持证人遍布在这些企业单位,接触着最前沿的数据技术。
综上:随着大数据和数据分析的普及,企业对数据人才的需求越来越理性,越来越明确,人才的竞争变得愈加激烈。以往来看,只要带点数据分析相关的技能或背景的人就可以称作数据分析师,且容易得到offer,但实际工作并不理想。因此企业期望能够得到一个鉴别人才的参照标准,为自己更好的筛选人才。对于求职者来讲,现在社会对人才的定义更偏“T型”和“十字型”,社会对数据分析师的理解更深,要求更高,因此想要成为抢手的人才,更应该具备全面、系统的技能。于是越来越多专业的学生,在高校无法满足学得数据分析的情况下,获取CDA技能,选择从事数据相关职业;越来越多的职场人士在以往没有经过系统、专业训练的情况下,重新学习,考取CDA证书,甚至是世界500强企业的人士也渴望获得一个专业证书,为自己镀金。
因此,无论是企业还是人才,都期望有一个专业的参照标准,连接互通。CDA发展至今,也一直担任着企业和人才互相选择的桥梁角色,降低了交易成本,提高了沟通效率。同时CDA也提供着相应的系统培训、公开课,举办着俱乐部沙龙、行业峰会等活动,为社会培养并输送了更多的专业人才,推动着整个数据行业的良好发展。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26