
自2014年12月至2019年6月,CDA数据分析师认证考试已进行十届。
每年6月与12月,来自全国各地的考生在20多所城市进行严格统考,获取专业技能,拿到高金证书。第十届CDA数据分析师认证考试现已结束,本次考试共进行了LEVEL 1业务数据分析师,LEVEL 2建模分析师,LEVEL 2大数据分析师、LEVEL 3数据科学家(第一阶段)四门科目。
经过简要的数据分析,经管之家CDA数据分析研究院发布本次考试的通过率及考生数据报告:
CDA数据分析师第十届通过率:
解读:本届考试通过率及成绩情况
· LEVEL 1 通过率为65%(其中成绩A占比4%,成绩B占比18%,成绩C占比43%)
· LEVEL 2 建模分析师通过率为46%(其中成绩A占比11%,成绩B占比16%,成绩C占比19%)
· LEVEL 2 大数据分析师通过率为52%(其中成绩A占比4%,成绩B占比16%,成绩C占比32%)
以往十届CDA认证考试通过率情况:
第十届CDA认证考试考生地区分布:
第十届CDA认证考试考生专业分布:
解读:
根据考生的专业字段进行了整理分析,可以看出考生的专业分布比较分散,其中数学与统计专业的考生占比最多,为21.9%;其次为工程类专业占比13.21%,经济与金融占比12.75%,信息类占比12.75%,计算机学科占比11.12%,四个专业相差不大。其他还包括管理类、财会、物流、电商、机械、医学、社科、旅游等专业。
第十届CDA认证考试考生工作年限情况:
第十届CDA认证考试考生岗位分布:
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,接近一半的考生都是从事数据相关类工作;IT技术类岗位其次,占比21.03%;产品经理、项目经理、主管总监类相关岗位随后,总占比16.25%。其他还包括市场、营销、运营类岗位;财务、投资等金融类岗位。
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,也有较大的数据分析技能需求。
第十届CDA认证考试考生来自:(知名企业一览)
解读:
以上是筛选了考生来自的所有企业单位,列出的知名企业名单,包括外企、国企、私企、政府部门等。可看出这些优质企业,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。
最后,附上本届各等级考试优秀考生榜单:
恭喜以上考生获得优异成绩!!
后续更多优秀考生及状元采访秀,敬请持续关注我们的最新消息,也可以关注我们的微信公众号「CDA数据分析师」!
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
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13