京公网安备 11010802034615号
经营许可证编号:京B2-20210330
第十届CDA数据分析师认证考试,在2019年6月底圆满地落下了帷幕。
近日,我们采访了在本届考试中名列前茅的几位优秀学员,并在本文中整理了他们的备考和学习经验,希望备考者们能够有所参考,并取得理想的成绩。
今天为大家带来的是,在CDA认证考试 Level 1中取得优异成绩的几位考生,他们来自不同的专业和领域,当中有零基础入门的文科生,海外留学的研究生,还有学校在读的学生…但他们都怀揣同一个理想,通过CDA认证考试证明自己的数据分析实力。
下面让我们来一睹他们的风采吧!
Level 1 优秀考生
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
只要好好学,零基础的文科生可以考出好成绩!
1.目前从事的工作
毕业后从事运营管理工作一年,目前我在一家互联网金融公司任职数据分析师。
2.报考CDA认证考试的契机
现在是大数据时代,我觉得数据分析岗位比较有前景。我希望能够借助数据分析实现自己对公司的贡献与价值,因此有了转行做数据分析的想法。
但我的专业和之前的工作经验都与目标岗位差距较大,可以说是零基础。之前有听朋友说经管之家(原人大经济论坛)有这样CDA认证考试,于是就考虑借此机会系统地学习数据分析的基础知识,也是给自己设定一个目标和结果,督促和检验学习成果。
3.数据科学零基础的我是如何备考的
· 系统的学习
我是辞职备考的,因为完全是零基础,而且并不是单纯为了考证而学习,所以我要学的内容比较多,Excel、Python、MySQL、Tableau、SPSS都在学,基本上是每天八小时学习时间吧。如果单是考一级证书的话,零基础通过短时间几个月的系统学习也是足够的。
刚开始就是看统计学和Python相关的书,后来我还购买了网上的视频课程,跟着视频课程学习的好处之一是有重点,而且难以理解的地方有老师讲解会比较好,我推荐大家也可以试试倍速播放,这样速度会稍微快一点,不用担心看不完。
· 良好的学习环境
学习最好有个好的学习环境,推荐大家去图书馆,比较安静而且有氛围,累了还可以看看其他书调节一下。
· 反复巩固做题
到后面的时候就要做题,尤其是《统计学》的习题,我做了好几遍,多巩固,计算题也要亲自去算,代码也要自己去敲一遍,熟能生巧嘛。
4. 备考中有哪些知识难点
对我来说,刚开始的时候统计学会很让我头疼,尤其是向量和矩阵,很多知识点都绕不过来,因为毕竟缺乏这方面的思维,但是一定要尽力试着去理解,反复看,因为后面的建模部分会涉及到这些,基础真的很重要。
考试内容里面的难点就是数据建模分析部分了,因子分析、聚类分析、时间序列等考点,我觉得还是蛮难的,所以就说之前的统计基础一定要打好,不懂的地方要多看几遍,不能放弃呀~
5.推荐的书籍和课程
备考书籍可以看考纲里面的推荐书目,个人强烈推荐贾俊平的《统计学》,我就是从这本书入手,开始数据分析学习历程的。哈哈,这本书真的浅显易懂,对我这种没有基础的文科生也很友好,而且这本书内容也很全面,还有配套的练习题,很切合考试内容。
还有就是人大经济论坛出版的三件套,里面关于数据建模分析的内容可以看看。
最后,考试辅导手册很重要!几乎涵盖了考试重点,我到后期是会每天把辅导手册看一遍,加深理解和记忆,如果把辅导手册吃透,肯定能考高分。
6.对备考者们的建议
首先要有一个正确的心态吧,不要觉得很难很高深,一级都是选择题,内容也比较基础,相对来说还是很简单的。
其次要有一个懂这方面知识的小伙伴,不会的时候有人指导还是很重要的。
还有一定要花时间用心准备呀,我相信只要用心学习肯定可以考过的,比如我,是一个完完全全无基础的文科生,但是只要好好学,肯定没问题的。
7.今后的职业发展规划
现在在金融行业做数据分析,是我比较理想的职业。考CDA学习了理论知识,接下来希望在工作中积累实战经验,能够成长为一个经验丰富的数据分析师,同时也要学习很多的金融和大数据知识,才能更好地理解数据和利用数据。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
我趁着暑假回国实习,顺利考过了CDA 认证考试 Level 1 !
1.自我介绍
我是一名纽约大学生物统计专业研一学生。目前暑期回国,在一家金融风控公司实习。
2.报考CDA认证考试的契机
当初读研选择生物统计专业是为了跳出做科研的坑。在之后的学习过程中,我发现,除了医学统计领域用到的回归和假设检验等方法,有更多的与数据打交道的有趣方法,比如数据挖掘的各类方法,且这些方法不受到领域的限制,在各个行业中都有广泛的应用。
我粗浅了解了一下机器学习的内容,发现其所涵盖内容之广,学问之深,不是短时间内就可以驾奴的。
由于这些内容不在我研究生的专业课程范围内,所以我自己搜集各类网络上的学习资料,同时也发现CDA认证考试,它分为三个level,level1作为一个入门数据科学的基础,level 2的建模分析师方向将会考核数据挖掘的知识,而level 3更是以一个数据科学家的知识储备来要求考生。
我觉得这个考试很适合我的规划,我打算一级一级的考上去,一来它所提供的考纲可以为我的学习路线提供一个比较官方的指导,二来它可以起到督促我持续学习的作用,同时也可以对我的学习成果做一个检验。
3.我是如何备考的
我的复习是遵循备考大纲的内容来进行的。
我在报名考试之后就把官方提供的复习资料打印了出来,从头到尾翻阅一遍看自己有哪些不会的。由于研究生阶段的专业课涉及很多有关各类假设检验和回归的知识,因此在这也方面不需要下太大的功夫。
对我来说相对陌生的是第二章SQL这块的知识点,以及最后涉及到的一点点时间序列的问题。PCA,因子分析那边要完全理解 需要比较扎实的线性代数基础,好在level 1对这块的的要求并不深,但建议想继续考下去或者想未来从事数据挖掘的小伙伴,还是要把线代好好的巩固一下(这句话也是对我自己说的)。由于一直在忙学业和实习,实际用来准备这场考试的时间并不多,主要集中在考前一周。但关键是要确认自己把要考核的知识点都弄明白了再去考试。
4.备考中有哪些知识难点
还有另一点是SQL,很多有过其统计编程基础的朋友会觉得SQL很简单,但是对任何一门语言而言,想学好必定绕不过从头看懂每一条指令的意思和多写多练。所以在这方面也要花点功夫,不能太轻视,而且复杂的SQL语句可以包含很复杂的逻辑,简直是far away from“简单”。
SQL 对于从事数据的工作者而言太重要了,总而言之就是你可以不会python 不会R,但SQL一定要会。
5.推荐的书籍和课程
SQL的内容,大家可以上datacamp网站上找SQL-track下的练习课程,有无其他语言编程基础的小伙伴都适用。
然后是CSDN的博客,在学习过程中遇到任何不懂的知识都可以去搜一搜,大多数情况下,已经有大神把你遇到的问题写成博客了。
当然最本质的还是要回归考纲,据我的经验,这次考试是严格按照考纲上涉及的内容来的,所以只要把考纲的内容吃透,成绩应该就会比较可观。
6.对备考者们的建议
如果你时间允许,请不要为了考试而考试,把它要求的知识点都掌握,它就变成了一个检验你专业知识的机会。转行不易,欢迎有志同道合的小伙伴可以组个团一起学,在数据科学的知识海洋中一起顽强地活下去……
7.今后的职业发展规划
在下一届考试中把 Level 2 考出来,做一个学习成果的检验。以后从事机器学习算法或数据挖掘方面的工作。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
在研究生阶段我想通过CDA认证考试,检验一下自己之前所学的成果。
1.报考CDA认证考试的契机
目前我是天津财经大学应用统计学研一的学生。本科偶然间看到CDA考试,但之前犹豫没有考。研究生阶段想综合检验一下自己所学,大部分都是学过的知识,想检验一下自己所学的成果。
2.我是如何备考的
因为我本来就是学统计学的,level1的大部分考试内容我都很熟悉,在一个月内复习了手册内所有知识点,每天两个部分,练习查找到的习题集,最后做了手册中的模拟题。
3. 备考中有哪些知识难点
由于本科与研究生一直学习的是统计学,level 1所涉及内容没有较难的知识点。数据采集处理中的数据预处理方法中的标准化知识较难理解,从知乎和CSDN上进行了学习。
4.推荐的书籍和课程
4部分内容中的part1、3、4都在本科阶段学过,part2正好在学,可能对我来说最重要的就是第二部分,所以推荐的书籍就是备考手册和《数据库系统概论》两本书。
5.对备考者们的建议
每个部分要做好时间上的安排,针对不懂的知识点可以从知乎和CSDN网站上进行学习。
6.今后的发展规划
目前还没有毕业,首先想去数据分析的实习工作,未来想从事金融方面的工作。
今后应该会更多地学习统计编程和金融方面的知识,比如Python、SQL、CFA。
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
即将毕业的我,打算考取CDA证书作为就业面试的一块敲门砖。
1.报考CDA认证考试的契机
我是铜陵学院的一名经济统计学专业的大三学生。即将步入大四,身边的好友和同学都选择了考研,有了自己的奋斗目标,自己却对考研没有兴趣。面对毕业就业的困扰,我打算考一个与我们专业相关的含金量高的证书,通过网络搜索,了解到CDA数据分析师这个证书。
通过具体了解,我慢慢对数据分析感兴趣,并通过与专业老师和CDA的老师负责人的沟通,更加坚定了自己的决心,打算考取这个证书作为就业面试的一块敲门砖。
2.我是如何备考的
因为我是一名大三学生,时间比较自由,我集中备考时间大概为三个月
学习安排:
· 上午和下午集中看书籍,晚上会操作计算机,练习SQL数据库语言
· 把全部书籍细致看一遍,不懂得会请教老师
因为我是统计学专业的,所以我们的好多专业课都和考证需要看的必读书籍有交集,所以看起来还是比较轻松的。书籍细致看一遍之后,大概过两天,我会把书籍再看一遍,然后会直接翻到目录,自己根据目录来回忆这本书里的主要内容,记得不清楚的或者不记得的会立刻翻书看,熟练为止,就这样重复几遍后,知识点会记忆的非常牢固。
3.书籍熟练之后,再把备考手册后面的模拟题做一遍。
在做模拟题的过程中,看看自己的能力如何,然后根据做题情况,慢慢差缺补漏。考试前一个月主要看备考手册,大概重复看两三遍,模拟题自己独立做三四遍,提高自己的正确率,考试前,最好自己把SQL数据库语言所考的内容自己独立把代码敲一遍,不要看书籍,增加熟悉感
4.备考中有哪些知识难点
· 对于统计学专业的学生,《统计学》这本书对于我来讲,几乎没问题,这个就是需要背背公式和定义,把配套练习题做两遍就可以了。
· 《多元统计分析》这本书是比较难的,里面的好多名词都是很难解释的,尤其是主成分分析,对应分析,逻辑分析这几个是比较难理解的,我是通过SPSS软件来进行理解的,这种方法不仅可以更好的理解定义也可以锻炼自己的软件操作能力。
·《SQL入门经典》主要就是通过计算机不断敲写代码,熟能生巧,这样记忆会更加牢固
5.推荐的书籍和课程
· 贾俊平老师的《统计学》书籍和配套的习题
· 何晓群老师的《多元统计分析》书籍和在慕课上观看上海财经 大学王学民老师的《多元统计分析》课程
· 《SQL入门经典》书籍
· LEVEL 1 备考手册
6.对备考者们的建议
不要害怕,不要紧张,只要认真备考,就会有意想不到的收获,任何证书都不可怕,相信自己,自信备考,你就会成就不一样的自己
7.今后的发展规划
毕业以后打算从事和数据分析有关的工作,刚开始打算从数据分析师助理工作做起,慢慢提高自己的实操能力,锻炼自己的能力,让自己能够适应社会的发展,然后希望在今后成为一名优秀的数据分析师,让自己的人生有不一样的精彩!
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
随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27