京公网安备 11010802034615号
经营许可证编号:京B2-20210330
软考高级系统分析师考试经验及对策
2012年5月的软考,高级考试只有信息系统项目管理师跟系统分析师,由于上次已经通过了信息系统项目管理师,这次只好报考系统分析师,经过近两个月的煎熬,终于今天查到了结果,三门考试分别为47、49、48,以比较平均的分数低分通过了考试。
之前考完试不久之后我就总结过了,见:2012年5月软考总结,可以看到我预测的分数与最终的分数相当接近。
其实软考真的不难,我相信越来越多的人已经感觉到了。我一开始大约在2010年7月的时候,开始关注这个考试。当时看了教材以及官方网站上说的各类考试所需要的能力时,觉得真的很难,挺有含金量,也就是那个时候起,决定参加这个考试。一开始的时候看那些教材、试卷,都有种看不懂的感觉,觉得好难啊,东西又多,什么都考。但是当我按照教材去学习、按照视频去理解、按照真题去检验的时候,我开始慢慢的觉得这个考试不难了。就像这次系统分析师一样,很多朋友都过了,我想他们一定会有跟我相同或相似的感觉。即使现在让我去考系统架构设计师,只要稍微复习一下就能过了,为什么呢?因为我们找到了“感觉”,找到了“方法”。
这个“感觉”,就是一次一次的通过,增强了我们的自信,对考试理解有了一定理解—这个考试不难,侧重于理论。这个“方法”,就是教材、视频、真题三部曲基本就能保证通过这个考试。当然了运气是一部分原因(比如2011年11月跟2012年5月的高级项管试题难度),但是我相信试卷再难,还是会有人通过的。系分主要就是范围很广,其实深度上来讲并不是很深,所以一定要注重平时的积累!
最后分享一下我的软考高级(系统分析师)的考试经验:
1、上午考试都是选择题,一定要注重平时的积累。考试考的内容还是挺杂的,有软件工程、计算机网络、数学、专业英语等,几乎什么都考,范围非常广,感觉无从下手。但是我想说,对付这个还是有方法的,除了整理历年真题的选择题之外,最重要的是平时多积累一点。除了专业基础课之外(数据结构、计算机组成原理、操作系统、计算机网络),多关注一些新技术的动态,我相信对于软件开发的程序员来说,这个应该不是件难事。
2、下午第一场案例分析。这个也是的,考试的范围很广,但是总结一下历年真题就会发现,出题是有规律的。比如,第一题一般都是送分题,主要考察基础能力,这个题是你能否通过下午案例分析考试的关键。后面的4题选2题,从不同的方向给题,要么出嵌入式,要么出数据库,要么出编程语言,要么出企业应用集成等等。大的方向是这样,这个就看你个人的专业领域了,擅长哪方面,就把哪方面有意识的加强,考试的时候就选哪道。
3、下午第二场论文。考试一般会给出4个论文题目,让你自己选1道自己熟悉或擅长的方向。关于论文我想说,这个其实是最好过的。我考了两次高级,论文都过关了。这个考试只有2个小时,要求写不少于2500字正文的论文,再加上300字的摘要,就要求我们平时要多练习写作。一方面练习写字的速度,一方面锻炼表达能力。结合你的实际项目经验,真实而适当的加点虚构成分,正常的表达出来就可以了。一般来说,只要扣题,只要真实,只要字数够了并且字体工整,只要有自己的实际体会或想法或实践,基本都会通过了。
这次考试都没怎么准备,考试前一天还是从出差的地方赶回家考试的,但还是通过了。希望下面的考试,我们也可以这样,哈哈!
软考,我们还在前进的道路上!共勉!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09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 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01