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(第五届)将于2016年12月24-25日进行,届时考试共有两个等级,三个认证。较上一届,第五届考试新增“重庆考区”,考试大纲方面主要在二级建模部分进行了调整更新。
官方考纲下载:
考试报名通道:点击报名

------------------------------------------------------------------------------------------------------------------------------------------------------------------------
考生进入报名程序之前,必须认真阅读以下说明:
一、考试信息
Level Ⅰ+Ⅱ:中国内地30+省市,70+城市,250+考场。考生可选择就近考场预约考试。
Level Ⅲ:中国内地30所城市,北京/上海/天津/重庆/成都/深圳/广州/济南/南京/杭州/苏州/福州/太原/武汉/长沙/西安/贵阳/郑州/南宁/昆明/乌鲁木齐/沈阳/哈尔滨/合肥/石家庄/呼和浩特/南昌/长春/大连/兰州。
2、考试科目及报考资格
Level Ⅰ:随报随考,考生报名成功后,可在一年内自行选择时间,预约就近考试中心进行考试。
Level Ⅱ:随报随考,考生报名成功后,可在一年内自行选择时间,预约就近考试中心进行考试。
Level Ⅲ:一年四届(3、6、9、12月的最后一个周六),每届考前一个月截止该届报名。
3、报名开通时间及缴费方式
1) 报名及日期:2016年7月18日开始起至2016年12月2日结束
2) 资质审核及缴费日期:2016年7月18日开始起至2016年12月2日结束
3) 报名流程:
注册—登录—选科—缴费—审核—报名成功
3个工作日后登录报名网站查看资质审核结果,未通过按照提示修改报考信息再次提交 。
审核不通过原款返还(银行手续费1%由考生自行承担)。
4、考试时间:
Level Ⅰ:随报随考,考生报名成功后,可在一年内自行选择时间,预约就近考试中心进行考试。
Level Ⅱ:随报随考,考生报名成功后,可在一年内自行选择时间,预约就近考试中心进行考试。
Level Ⅲ:一年四届(3、6、9、12月的最后一个周六),每届考前一个月截止该届报名。
5、准考证打印:
不需要准考证,带身份证考试就行。
6、考试方式:
计算机闭卷考试,考生通过计算机进行答题。
7、考试题型:
LEVEL Ⅰ
单项选择题、多项选择题
LEVEL Ⅱ
单项选择题、多项选择题
LEVEL III 大数据分析师
单项选择题、多项选择题
8、考试成绩
考试结束后7个工作日后公布登录报名网站查询考试成绩
9、证书申请
证书将在考试后30个工作日办理完成,邮寄到考生所填写的地址。
二、支付须知
1) 考试费用:
LEVEL Ⅰ:1200元
LEVEL Ⅱ:1700元
LEVEL III :2000元
报考提供:《考试大纲》、模拟题库 》点击查看《
三、信息修改
1) 考生可在报名截止日之前登陆报考网站,对考生档案信息(包括考生姓名、性别、证件信息、出生日期和所在地)、所选考试地点及报考科目进行修改和删除。
2) 科目删除后需要重新报考并提供证件信息,完成缴费,待审核通过完成报名。
四、准考证信息
不需要准考证,带身份证考试就行。
五、退费流程
考生申请退费流程:
登录考试报名网站—>客服电话确认信息,申请退费—>等待退款
成功报考并缴费的考生,可在考试报名结束前一个月(11月2日)申请退费,11月2日之后,其报名费不予退还。费用将在考试结束后统一退还至原付款时使用的银行卡,退款手续费由考生自行承担。
六、免责条款
1、填报个人信息应仔细核对后提交,确保真实有效,因本人填报信息有误导致的相关后果由考生自行负责。
2、考生报考期间,应及时登录报名网站查询最新情况,因本人原因错过重要信息而影响考试的,后果由考生自负。
七、考生服务热线
如有问题,请拨打CDA客服热线:010-68454276,邮箱:exam@cda.cn。
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
在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06