京公网安备 11010802034615号
经营许可证编号:京B2-20210330
卢敏 汉江师范学院大二 数据科学与大数据技术专业
”
我现在是一名大二学生,我的专业是数据科学与大数据技术,听我专业的名字便也知道肯定和数据存在着很大的关联,在今年的暑假期间,我们老师在群聊里面发布了关于CDA一级考试的通知,并且鼓励我们好好利用假期时间学习并参加一级考试,学习的过程也是提升自己专业能力的过程,于是,我便开始了跟着教学视频学习CDA的旅程。
我的备考时间是今年暑期的七月下半旬到八月下旬,首先是先跟着教学视频打好基础,并且把觉得重要的知识点用笔记本记录下来,方便自己整理复习,首先要学习的是关于数据分析概述与职业操守,这一章节主要是介绍数据分析在各行各业领域的所发挥的作用,引导我们展开接下来的深入知识点学习。然后内容比较多且较难的是数据库那一部分,要学习数据库的基本结构,数据类型以及约束条件,关于SQL操作,创建,修改删除数据库,表,数据操作语言;稍微复杂一点的就是关于单表,多表,子查询等。同时,我们还需要学习到Excel的函数操作,虽然这部分在考试的时候不作为重点考察,但是确实在我们以后的办公中有一定的作用,我依旧跟着教学视频,将课程资源底部的资料先下载下来,然后跟着视频的操作自己也用电脑操作一遍,也算是熟练一下Excel表格操作。接下来,我们还会学习到描述性统计分析,主要涉及到一些关于数据分布,相关分析,常用的统计图表,集中趋势,离散程度的计算,其中会涉及到我们高中学过的一些知识,比如均值,众数,中位数等,还有正态分布,二项分布这些,这部分会涉及到一些计算。后面就是关于多维数据透视分析,业务数据分析,业务报告与可视化的学习,我们需要记住一些常见的数据分析模型以及模型的功能,还有区分不一样的图表属于业务图形决策树的哪一个类别,比如漏斗图属于序列类,因此我们要熟记,以防混淆,还有就是各种分析方法用于干什么,比如二八分析和帕累托分析用于定位重要对象,在做题的时候,看见多个表格相连,能够区分星型,星座,雪花模型,实质就是能够区别事实表与维度表。以上是我学习过程中认为需要重点掌握的知识点。

关于我的学习心得,我认为我们不仅要跟着视频进行学习,而且还要学会自己整理重点,及时记录下来,以免时间久了就渐渐地忘记了,同时,我们也少不了刷题,在我学完课程之后,然后将CDA小程序上面的四套模拟题刷完,并且也将每一小节对应的习题也认真完成了一下,这样可以及时查漏补缺,刷完题目之后,可以看看自己是哪一些题目错了,然后将自己忽略的知识点记录下来,小程序习题练习部分有一个错题记录的功能,我们可以等过几天再刷一遍,相当于巩固复习,然后在考试之前就可以重点看一下容易出错和忽略的知识点。

最后总结一下关于CDA这项考试,在这次学习考试过程中,我也学习到了很多,也很高兴取得了一级证书,数据分析用于广泛领域,有很多的职业选择空间,注重于“数据+业务”的结合能力,我们才能满足企业对于解决实际问题的人才需求,所以,作为一名学生,我们需要通过不断地学习,提升自己的核心技能与专业能力为主,为我们以后求职提升竞争力做准备。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13