
作者:Allen
本文为「心中有数」CDA征文作品
首先“虚心”地立个flag,今年年底 LEVEL III 必过,两年通关CDA!(欧气满满)
其实,内心还是有点小担心,LEVEL III 要考案例实操,Python还用的不是很溜,加上还未正式开刷实操题,对题目的形式有些不确定。
但对于LEVEL I 和 LEVEL II 双双得A(得意),本人还是有些一得之见,在此给大家做个分享,希望能帮助到正在备考中的小伙伴们!
我在某互联网电商平台任职运营岗,在数据分析板块属于小白,虽有一定EXCEL的基础,但与平时工作中接触的用户行为数据、产品数据分析来讲,这点完全不够用,因此不得不提升自己的数据分析技能,于是一开始就在网上搜索自学,逐渐了解了大数据、数据库、机器学习这些专用名词,特别是被数字化转型影响,感觉这个时代如果不具备点数据思维和技能,就很快会被AI替代了。
另一方面,自己是业务出身,毕竟数据分析也是为业务服务,所以业务经验+专业技能,这样的发展来对我来讲更靠谱,所以下定决心学习,逼自己一把。
我是在19年开始自学数据分析,下定决心后,就以考取CDA认证作为最终目标(毕竟老牌认证)。
正式备考是从2020年开始,平均每天学习2小时左右,主要以看书(10本)、刷题(官方2000题)和辅导视频(官网课程)为主,到现在快两年了,痛并坚持着,坚持并难受着,但最终还好,LEVEL I 和 LEVEL II 都拿到了A的成绩,也算是享受到了一种来自内啡肽的快乐。
目前正在继续备战LEVEL III,希望能两年圆梦,噩梦结束,美梦成真!
CDA LEVEL I
首先说下LEVEL I:
我大概备考了三个月时间,在备考前,我首先是找官方考试大纲,通过整体把握了解各个模块的大概内容、关系和学习路径,做到心中有一个whole picture,这是LEVEL I的考试大纲:
整体来讲,LEVEL I 就是入门概念+基础技能+可视化,以业务描述性分析为目标,分为上图七个章节,大纲的安排是首先让考生先了解数据分析基本概念、方法和职业,然后以分析过程为路径,先了解什么是数据,数据应该怎么获取,获取后有哪些分析方法,如何将这些方法与业务结合,最后得出可视化的分析结果,思路清晰,学习可以有的放矢。对我来讲(非技术出身),最难的应该属于SQL数据库,毕竟有代码部分,但真正学起来上手还是较容易的,并且可以安慰的是考试不会考编程。
LEVEL I 备考中,
基本可框定两个范围:
LEVEL I 官方的推荐书籍都是选读,这是官方推荐目录:
结合我自身的经验推荐大家必读的有《SQL入门经典》和《统计学》两本就足够了。
CDA LEVEL II
其次说下LEVEL II:
LEVEL I 拿到A后信心满满,短暂休息了一个月,就开始了LEVEL II 的备考。
因为LEVEL II 涉及的教材和学习资料较多,并且还学习了Python,所以LEVEL II 备考我准备了大概4-5个月时间。
以下是LEVEL II 的考纲:
整体来讲,LEVEL II 为数据分析的进阶内容。以专业数据分析流程,分为了6个部分,数据的采集与处理,采集后对数据进行规范化储存管理,接着根据业务的需求进行标签体系的设计,对标签数据进行统计分析、建模,最终数字化工作方法部分为目前比较火热的数字化转型内容,侧重与业务分析流程。LEVEL II 中重难点部分在于统计分析与数据分析模型两部分,这两块设计的专业知识多,要求高的话会用到python进行分析,但值得庆幸的是,LEVEL II 也不考编程操作。
关于LEVEL II 的一些必读选读书籍,官方已经推荐出来,个人建议根据官方的要求学习即可,LEVEL II 主要就是在于花时间,除了啃书看视频,还得实操起来,方能拿到一个理想的成绩。
CDA LEVEL III
最后简单说下LEVEL III ,因为还在备考中,所以对于LEVEL III 的经验分享也只能是一个简单的开头,通过跟其他考生的咨询交流,也有一些重点学习方法。
整体来讲,LEVEL III 在于高级数据分析、数据挖掘、机器学习。
内容涵盖高级分析师的各项基础及进阶的知识点。基础的部分包括数据挖掘基础、高级数据预处理以及机器学习算法。进阶的部分则包括高级特征工程技术、自然语言处理与文本分析及深度学习。在机器学习实战上,涵盖当今较火的几个主题,包括自动机器学习、类别不平衡问题的处理模式、半监督式学习以及模型优化的方法。
LEVEL III 的复习大家推荐的是两本重点教材,《数据挖掘导论》和《数据挖掘:概念与技术》;其次还包括官方必读的几本《机器学习》、《精通特征工程》、《文本分析》等,如下图:
其次就是对模拟题中的案例操作题进行反复的练习,最好能用Python,之前有考生也用的SPSS Modeler这个工具,因为听说案例操作题是历年考过的真题,并且模板和套路都类似,只是需要用的算法可能会不太一样。在此也强烈种草李御玺老师讲的辅导视频课,幽默风趣,深入浅出,对我来讲学习起来很快乐!关于LEVEL III 的一些详细备考方法,得靠通过的大神们分享了。
磕数据的这两年,不仅让我学习了新的技能,而且真正帮助到了我的工作和发展,受益颇深。
这过程让我体会到世界变化之大,稍不留意,新技术可能又来了,无论是企业还是个人,在数字化的潮流中只能勇往直前,只要有这份信念,相信你也能成功上岸!
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
推荐学习书籍
《CDA一级教材》在线电子版正式上线CDA网校,为你提供系统、实用、前沿的学习资源,助你轻松迈入数据分析的大门!
免费加入阅读:https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08