京公网安备 11010802034615号
经营许可证编号:京B2-20210330

CDAS2016中国数据分析师行业峰会圆桌会议环境,众多数据科学界的专家针对数据分析师行业的人才发展展开了交流和讨论。
专家们一致认为不管在国内还是在国外,数据科学家都是稀缺资源。而要成为数据科学家,首先要成为优秀的分析师。
IBM大数据大学首席数据科学家Saeed Aghabozorgi认为,数据科学家有多年数据分析的经验,可以回答管理者的问题,帮助管理者进行决策,提供决策依据报告;但数据分析师的工作相对简单,可以每日接触数据,如果有必要创立新的算法,也可以做算法方面的研发,“数据分析师可能是初级的数据科学家”。
不管是数据分析师还是数据科学家,对数据的深刻理解离不开对业务的深入认识。对此,CDA数据分析研究院院长常国珍介绍,CDA数据分析师在建立之初就比较偏重于业务,在逐步建立课程体系的过程当中,也注重引入企业案例课程,培养数据分析师的实战能力。
那么,如何从小白一步步进阶成为数据科学家呢?
纽约时报的一篇文章告诉我们,成为数据科学家真的是很简单的事情。在修完几门数据科学的课之后,一个做web开发的创业公司,就会因为你的新技能,高薪聘请你了。然后出任CEO,迎娶白富美。
首先,知己知彼,方能百战而不怠,数据科学家作为企业运营发展的贤内助和灵魂人物,他的技能构成是:
然后,我们深入企业,了解企业中心团队的人员构成:
20%:IT团队
Task:数据仓库和数据管理;仪表盘和业务指标;KPI设计级标准;特定的管理信息系统
30%:业务团队
Task:生成营销活动清单,确定规模;测试、控制和维护;营销活动部署;设计营销方案;联络策略
50%:分析团队
Task:数据探索与假设检验;制定损益标准;数据驱动业务分析;营销活动设计;建议、评估和优化。
企业分析人员的成长路径:
最后,看你骨骼惊奇,送你一套数据科学家的学习资源:
1. IBM大数据大学(BDU)该平台提供了一些免费的在线学习课程,同时也提供了解决真实数据应用问题的方案。如R,Python,OpenRefine。CDA数据分析师也和BDU达成深度合作,同时CDA系列的第一门课程:《数据挖掘导论》也已经在IBM大数据大学上面正式发布。可以通过传送门感受:https://bigdatauniversity.com.cn/courses/introduction-data-mining/
2. Coursera是最大的在线公开课平台之一,其中有很多都是和数据科学相关。
如:杜克大学的“精通Excel数据分析”;密歇根大学的“大家一起,从0开始学Python”; 约翰霍普金斯大学的R编程。ETC…大家可以自己去挖掘。
3. CDA数据分析师致力于传播优质的教学资源,官网公开SPSS,Python,R等公开视频资源可供免费观看:https://www.cda.cn/shipin.html 未来也会逐渐开放更多的免费资源供大家学习观看。
如果你是一个很有自律性的人类生物,你可以通过参加以上课程和更多开放的资源来get到数据科学相关技能。
当然,资源多有时候也是一种问题,面对如此眼花缭乱的课程和分类,我该如何选择?一个人学习遇到问题无法解决?我需要同行的伴侣一起学习进步?
CDA数据分析师Level I课程,带你从业务数据分析开始,稳扎稳打,带你有组织有纪律的走上你的数据科学家之路!
培训信息
北京海淀&远程(SAS EG):9月24~10月30(8天)
北京朝阳(SPSS):10月29~11月20(8天)
授课安排:现场班6900元,远程班4900元
(1) 授课方式:面授直播两种形式,中文多媒体互动式授课方式
(2) 授课时间:上午9:00-12:00,下午13:30-16:30,16:30-17:00(答疑)
(3) 学习期限:现场与视频结合,长期学习加练习答疑。
报名流程
1. 在线填写报名信息

2. 给予反馈,确认报名信息
3. 网上缴费
4. 开课前一周发送电子版课件和教室路线图
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25