第12届CDA考试即将开始，这份备考攻略请你查收！

但对于很多考生来说，没有备考经验，不知道应该如何备考？今天，我来指导大家应该如何备考，让大家充分准备，拿下CDA考试。在CDA考试大纲中为新考生讲解备考经验一下。

如何进行有效的、有针对性的备考？

——LEVEL 1 业务数据分析师

LEVEL 1 学习内容涉及描述性统计、推断性统计、SQL数据库基础、数据采集以及数据建模分析等多方面的知识和技能，其知识系统且理论性强，所以学习时不要死记硬背，而要讲求学习技巧。

CDA认证考试 Level Ⅰ 的难点分析

SQL和统计学的部分相对是比较简单的，多加练习即可掌握。

比较难的是多元统计的，如果不是统计学专业系统学习过的话理解起来还是比较吃力的。主成分分析、因子分析、聚类分析、分类分析、逻辑回归的概念理解起来都非常困难，就更谈不上应用了，实际上这些也是掌握起来比较困难的部分。建议多通过视频进行学习，重复观看，通过老师的讲解逐渐建立起多元统计的思维和逻辑，吃透理解知识点，达到可应用的层面。考试遇到同类型的问题，也不慌。

对备考者们的建议

首先要有充分的时间备考。临时抱佛脚也许可以侥幸通过考试，但对于自己掌握知识没有太大的帮助，毕竟考试是为了学习，不可本末倒置。

其次要有坚持不懈的精神。简单的知识不可大意，学到通透为止，复杂的地方不畏惧，死磕到底，要树立起终身学习的信念。考试通过并不意味着结束，而仅仅意味着开始。

第三要有提高效率的方法。对于初学者来说，你能遇到的绝大多数问题都有大神帮你解决，并且写成了博客，可以到CSDN上去搜一搜，相信你会有很大的收获。

——LEVEL 2 建模分析师方向

考试涉及数据挖掘基础理论、数据预处理、预测型数据挖掘模型、描述型数据挖掘模型四大部分。

CDA认证考试 Level Ⅱ 建模分析师的难点分析

客观题中会有些迷惑性的选项或字样，如果不加辨别很容易出错；还有些之前未了解过的算法，很难在较短时间内有深刻记忆；案例操作题中缺失值，需要使用合适的值填充缺失值。算法细节不好理解，需要从多个角度反复思考。遇到有较大的问题，比如如何选择合适的算法。在算法选择后，如何调整最优参数来提升模型预测或分类的准确度。如有一起备考可以讨论的伙伴，会大大减少这方面的困扰。

CDA2建模相比CDA1来说更偏重于实战多一些，所以对我这种实战大于理论的人来说更适应一些。印象比较深刻的是在做第二套模拟题时碰到一道计算贝叶斯的题目，算出来的答案和标准答案不一致，群里讨论了很久，最后还是依靠CDA老师给出了解题思路。所以群内讨论是一个很好的学习方法，只有沟通交流才能迅速进步。

对备考者们的建议

大纲中的内容要全部掌握，参考书尽量看。复习到位的话，理论题分数差距不大，重点在实操题，多动手，多尝试。考试涉及到的内容多，范围广，在准备的时候要抓重点；另外案例操作题先要理解数据，理解数据背后的业务逻辑，不要直接就训练模型。

——LEVEL 2 大数据分析师方向

最后，我们来聊一聊LEVEL 2 大数据分析师。

CDA认证考试 Level Ⅱ 大数据分析师的难点分析

1）Hadoop和Spark运行机制不易理解，有条件的应去图书馆寻找相关书籍，多看多思考多记忆，阅读源码和断点调试有助于理解。

2）SparkMLlib机器学习部分内容较多，也是实操的重点内容，应结合实例加深对各个算法的理解。

对备考者们的建议

1）由于大数据生态涉及架构较多，没有基础的同学应以Spark学习为主，有基础的同学应以Spark与各生态结合应用为主，通过考试系统的学习或复习相关知识点，同时Scala的学习有助于阅读Spark源码，加深对Spark原理及应用的理解。

2）考纲解析内容有限，要对照考纲动手整理笔记。

3） 学习的目的是应用，不只是考试，每一章节都应寻找相关练习，动手操作，做到每一部分代码至少码三遍。

备考福利

好了以上就是四门职业资格认证的备考介绍，接下来给大家重磅推出考试学习资源：

《CDA数据分析认证考试模拟题库》

《企业数据分析面试题库》