
微访谈 ▏关于CDA考试,我有一个不成熟的小建议
汪*星
LEVEL 1 业务数据分析师状元
本科就读于武汉大学预防医学营养与卫生统计学方向;硕士就读于南京大学地理与海洋科学学院自然地理学,目前为在读研究生。
目前做哪些工作?
目前的研究课题为地球化学数据分析。
有哪些记忆深刻的工作经历?
比较深刻的工作经验主要有两个时期:
本科对武汉市中心城区和远城区营养调查数据的分析,分析两类人群的居民营养与健康现状,差异以及原因,并提出改善建议;
读研期间针对野外采集的南极雪冰化学数据进行分析,反演地球气候与环境历史,现状,并预测未来,在全球变暖背景下提出一些有利于人类可持续发展的环境举措。
报考CDA认证考试的原因?
在对未来的职业规划时,根据自己的优势与特长以及未来的发展趋势,定位为商业数据分析,进而了解到CDA。报考CDA认证考试的原因是为转行提供一块敲门砖。
您个人的职业发展规划是?
对自己个人未来的职业规划主要分三步:
1、首先从互联网、金融或电商的业务数据分析师做起;
2、然后进一步学习R,Python等数据分析工具,数据挖掘和机器学习等相关知识和技能,深入对行业的理解,达到数据挖掘师的层次;
3、最后向数据科学家这个终极目标迈进。
如何更高效的复习?
以下是采访期间,当问及有哪些学习方法和经验能跟学弟学妹们分享,帮助学弟学妹能更好的学习和复习时?汪*星这样说道:
1、首先认证机构指定的三本教材最契合CDA level 1认证考试的考纲,所以需要深入研读(但是要以第一本和第三本为主)。
2、另外可以对每个知识块阅读相应的书籍,以利于打下扎实的基础。推荐如下书籍:《商务与经济统计》、《深入浅出数据分析》、《SQL必知必会》、《使用多元统计分析》、《数据挖掘导论》。
3、文字学习与案例和操作题相结合,可加深知识点的理解和技能的掌握以及灵活运用,这样学习效率更高。
总体来说CDA level 1并不是很难,这一届考试结果显示通过率为69%,只要大家用心去学问题不大。
最后,为了帮你能有针对性地准备考试,根据考试大纲的要求安排复习计划,这里有一份最新版的考试大纲——CDA 1级 考试大纲。
作为CDA数据分析一级认证考试命题的规范性文件和标准。可以帮你指明考试范围,简要地指出CDA考试的知识点,根据大纲就可以快速得看出考试侧重考试方向,明确复习方向和考试要求,从而提高备考效率,为顺利通过考试奠定坚实的基础。
下载 CDA1 级考试大纲,认真学习和备考,掌握数据分析的基础知识和技能。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11