京公网安备 11010802034615号
经营许可证编号:京B2-20210330
CDA数据分析师职业道德和行为准则是基于 CDA价值观(开放、创新、分享)基础上,对各行业数据科学从业者制定的职业道德操守与专业行为规范。 自21世纪以来,技术更替驱动企业变革,科技发展改善人类生活,在大数据(DT)、人工智能(AI)时代趋势下,新一批高要求、 高标准的专业技术岗位如雨后春笋般不断涌现。CDA职业道德和行为准则分别在道德操守和专业行为两个方面对数据科学从业者制定了规范化的标准, 并致力于成为衡量数据科学行业人才职业水平的典范。
无论从业者的文化水平、职业背景、工作地域有何差异,CDA数据分析师(包括CDA持证人、CDA会员)都必须遵守准则中的各项要求, 并以身作则影响并监督更多身边从业者的道德与行为,提升整个数据科学行业的开放性、创新性、分享性,使其更具生命力。 通过长期坚守CDA职业道德和行为准则,从业者和企业将会更加明智,做出更科学、更合理的决策,从而远离误区,降低风险。 个体与集体也更具诚信度,拥有更多广泛、跨界的合作机会,从而实现更大商业价值。
本职业道德与行为准则适用于CDA数据分析师持证人、CDA会员、CDA合作伙伴及各界数据科学相关岗位从业者。
第一条 坚持诚信、公平、尊重、敬业的原则,以符合一般公民素质与职业道德的要求对待所属行业领域的公众、用户、客户、雇主、同事以及其他同行参与者。
第二条 遵守由国家、政府、监管组织颁布的各项法律法规,遵守所在机构制定的员工制度或业务规范,遵法守纪,严于律己。
第三条 维护所在机构及企业客户的品牌形象和口碑,维护数据科学应用领域及相关行业的声誉,忠于职守,勤勉尽责,保护机构的合法利益。
第四条 将数据产权、用户利益和机构利益置于个人利益之上,保护数据资产的安全性,遵循数据的真实性、可靠性,禁止技术欺诈、数据造假、非法交易,损害用户和机构利益。
第五条 保持和加强自身职业道德操守以及同行的操守。不参与任何违法行为,包括但不限于:偷窃、欺骗、腐败、挪用或贿赂;不使用或滥用他人的产权,包括数据资产、知识产权;不参与诽谤和侮辱;不宽恕或帮助他人参与违法行为。
第一条 遵照并履行所在机构的业务制度与规范。具有诚信、严谨、积极的职业态度,保持独立、客观、专业的分析判断,能根据业务要求做出有计划、有评估、可实施的报告或决策,实事求是,言行一致,精益求精。
第二条 保守商业机密与维护机构利益。不得从事与机构利益相冲突的第二职业,不得涉嫌盗卖、泄漏、欺诈或舞弊的专业行为,或做出与数据分析相背离的行为;保守企业的商业秘密、数据隐私和知识产权。
第三条 保护数据资产与尊重数据产权。不得未经同意使用他人产权、获取其他机构数据、交易数据等违法行为;不得捏造虚假数据,篡改数据、使用不具代表性的样本数据;不得为了完成任务或达成某项目的而有损专业名誉。
第四条 专业、审慎、高效完善各项业务流程。
(一)保证数据的合法性、时效性、全面性。全面了解业务背景、痛点、需求,做出分析建议,与团队充分沟通,确定合理的业务指标,获取符合要求的源数据。
(二)保持工具与算法的前沿性、适用性、高效性。根据业务需要,选择合理的工具、平台、系统及算法,保障数据的高效处理与建模分析。
(三)不断迭代并优化业务指标与数据模型,使研究结果更具解释性,预测性、可行性。
(四)撰写专业可视化报告,逻辑清晰展示项目成果,并做出具有商业价值的建议。
第五条 尊重契约完整交付分析结果。遵守合同、协议、补充说明、任务制度等相关约定,按时按质交付工作成果,并对相关数据、代码、结果进行保密。不得随意变更约定内容,不得拖延、敷衍工作结果,不得私下收取其他额外费用。
第六条 履行后期义务与责任。完整交付结果后,对客户须进行后期解答、咨询、维护等服务;对机构业务须进行后期跟进、优化、指导建议等工作;善于自我总结、反思、提升。
第七条 维护专业与行业声誉。自觉保持数据相关专业、岗位的专业性,维护机构、客户所在企业与行业声誉,维护CDA数据分析师证书名誉。不得从事任何有损数据相关岗位、机构、行业及CDA品牌声誉与诚信的行为;不得曲解或夸大数据科学、机构行业、CDA证书的意义或含意。
第八条 关注时事自我提升。秉承开放、创新、分享理念,勇于分享,敢于创新,与时俱进。须关注数据科学的最新研究结果、时事,了解不同领域工具与算法的变化、更新,了解行业最新产品、前沿应用,并保持自身技能的不断提升。
第九条 肩负使命,创造与传播。怀有用数据改变社会的信仰,坚守CDA职业道德与行为准则,肩负普及、推广、传播数据科学知识的使命,勇于试错、突破、创造,将数据科学价值发挥至各行各业。
第十条 CDA职业道德与行为准则由CDA数据科学研究院、CDA考试中心负责解释。此准则自发布之日起施行。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27