数据治理工程师考试科目

Level Ⅰ业务数据分析师：120分钟，客观题（单选+多选），闭卷，上机答题。

Level Ⅱ建模分析师：90分钟，客观题（单选+多选），上机答题；120分钟，案例操作，闭卷，自行携带电脑操作（安装好带有数据挖掘功能的软件如：SQL,SPSS  MODELER,R,PYTHON，SAS,WEKA,等，进行案例操作分析。案例数据将统一提供CSV文件）。

Level Ⅱ大数据分析师：150分钟，客观题（单选+多选），闭卷，上机答题。

Level Ⅲ数据科学家：

第一阶段：150分钟，客观题+主观题，闭卷，上机答题。

第二阶段：1个月内，项目案例，开卷。提交项目结果，60分钟，线上答辩面试。（第一阶段考试通过者，才有资格参与第二阶段面试）。

扩展资料：

报考条件：

Level I：无要求，皆可报考

Level II：（满足以下之一皆可报名）

1、获得CDA Level Ⅰ认证证书

2、本科及以上学历需从事数据分析相关工作1年以上

3、本科以下学历需从事数据分析相关工作2年以上

Level III：（满足以下之一皆可报名）

1、获得CDA Level Ⅱ认证证书

2、本科及以上学历需从事数据分析相关工作3年以上

3、本科以下学历需从事数据分析相关工作4年以上

参考资料：cda-官网

央视网消息（焦点访谈）：职场有个说法叫“证多不压身”，就是说拿到的职业资格证书越多，越好找工作。这也催生出了社会上各种各样的职业认证，其中不乏靠发证敛财，借培训钱的机构。为了治理这种乱象，这几年国家先后7次取消了几百项职业资格认证，并且要坚决防止已取消的职业资格“死灰复燃”，任何单位组织，都不得变相开展资格资质的许可和认定。然而就是在这样的严管之下，一些机构和个人依旧在公开组织大规模的所谓培训，开展国家明令已经取消的职业资格认证，只不过换了一个马甲，声称自己进行的是“国际认证”。这种很能唬人的国际认证是怎么一回事呢？

那么这家叫做“美国认证协会中国总部”的机构，究竟有没有取得我国主管部门颁发认证的资质呢？

记者登录了国家人社部设立的外国职业资格证书查询平台，在“国际证书查询”一栏中，输入美国认证协会发放的证书编号后，却根本查询不到任何结果。

无论中国心理学界、美国心理学界同行，还是美国加州相关政府部门，对这家能够颁发注册国际心理咨询师认证的美国认证协会都一无所知。那么这位中国区负责人反复提及的“广泛认可”究竟是谁的认可呢？

原来这家公司在美国主要是做职业技能培训，就是这样一家培训公司，到了中国就做起了心理咨询师的资格认证。

一份培训结业证书，变成了是国际专业的职业资格认证；培训公司变成了专业协会。

就在记者调查接近尾声的时候，又接到了培训机构的电话，告知有另外一个国际心理师的认证可以考。

从记者的调查来看，美国认证协会中国总部负责发所谓的国际认证证书，培训机构负责收价格不菲的培训费，他们的关系不言自明。这样的资格认证虽然没有什么含金量，却让有些人赚了不少真金白银。如此鱼龙混杂、滥竽充数的培训和认证，不仅扰乱了行业正常发展秩序，也使得旨在激发市场主体内在活力和社会创造力的国家政策打了折扣。对此不仅消费者要警惕，管理部门也应该对它们好好“认证”一下。

-----------

所以，看看是否很眼熟？ 自己看吧，不做任何评论。

【报考条件】Level I：无要求，皆可报考Level II：（满足以下之一皆可报名）1. 获得CDA Level Ⅰ认证证书2. 本科及以上学历需从事数据分析相关工作1年以上3. 本科以下学历需从事数据分析相关工作2年以上Level III：（满足以下之一皆可报名）1. 获得CDA Level Ⅱ认证证书2. 本科及以上学历需从事数据分析相关工作3年以上3. 本科以下学历需从事数据分析相关工作4年以上（注：上述数据分析相关工作不限制行业，工作可涉及统计，数据分析，数据挖掘，数据库，数据管理，大数据架构等内容。）【考试方式】CDA Level Ⅰ和Level Ⅱ为线下统考，上机答题。考生报名后根据准考证信息到考试地点参加考试。CDA Level III为分为线下上机考试+线上答辩面试两个部分。【考试内容】Level Ⅰ业务数据分析师：120分钟，客观题（单选+多选），闭卷，上机答题。考点请参考CDA Level Ⅰ考试大纲。Level Ⅱ建模分析师：90分钟，客观题（单选+多选），上机答题；120分钟，案例操作，闭卷，自行携带电脑操作（安装好带有数据挖掘功能的软件如：SQL,SPSSMODELER,R,PYTHON，SAS,WEKA,等，进行案例操作分析。案例数据将统一提供CSV文件）。考点请参考CDA LevelⅡ建模分析师考试大纲。Level Ⅱ大数据分析师：150分钟，客观题（单选+多选），闭卷，上机答题。考点请参考CDA Level Ⅱ大数据分析师考试大纲。Level Ⅲ数据科学家：第一阶段：150分钟，客观题+主观题，闭卷，上机答题。第二阶段：1个月内，项目案例，开卷。提交项目结果，60分钟，线上答辩面试。（第一阶段考试通过者，才有资格参与第二阶段面试）。考点请参考CDA Level Ⅲ大数据分析师考试大纲。

数据挖掘工程师可以通过学习考取两个证书，证书目前主流有两个，一个是CDA，另一个是CPDA。全名是数据分析师，主要是数据分析方法、技术和软件操作为主。它包括：1、统计概率基础；2、数据分析模型方法；3、软件、工具的运用。如果这些技术不会，也不可能会操作数据分析。所以，CDA主要是针对数据分析师必不可少的技术性培训，是数据的获取、储存、整理、清洗、分析，检验到结果报告一个整体的过程，以及数据分析部分软件的操作。全名叫项目数据分析师，国内出现最早的数据分析培训，原先是信息产业部在组织，目前由中商联数据分析专业委员会和工信部教育与考试中心主管，内容主要针对的是基于企业在投资、经营、管理领域的数据分析，类似于MBA课程。课程包括《数据分析基础》、《战略管理》、《量化投资》、《量化经营》等，覆盖企业运营的每个环节，以数据分析的方法来进行的管理、经营、投资的分析，应该说企业的管理层适合学习CPDA来进行管理层面的分析和指导。关于数据挖掘工程师的课程推荐CDA数据分析师的相关课程，课程内容兼顾培养解决数据挖掘流程问题的横向能力以及解决数据挖掘算法问题的纵向能力。要求学生具备从数据治理根源出发的思维，通过数字化工作方法来探查业务问题，通过近因分析、宏观根因分析等手段，再选择业务流程优化工具还是算法工具，而非“遇到问题调算法包”点击预约免费试听课。

level1：数据分析师-统计学、概率论基础知识level2：建模分析师-统计学、概率论基础知识大数据分析师-大数据分析基础、Hadoop 理论、数据库 与数据仓库、机器学习理论level3：数据科学家-计算机科学、大数据架构、机器学习 与深度学习、数据治理、项目管理

数据分析要学习Python、R、SAS等编程工具；对数据仓库需要了解可以去九道门做些实验项目；如果你觉得还是难，那就采用最基础的学习路径，直接买MYSQL关系型数据库的书看，随便到网上去找个免费的MYSQL课程听；分布式存储HDOOP需要简单了解；云计算的技术作为了解就可以了；数据可视化不是很难，如果不要求特别美工的话，大家先理解图表，再研究研究仪表板，阿里云的Quich BI及DataV,百度的echarts都不错，主要是展示的业务结构需要规划；大数据技术:这个相对来说有些难度，如果是学数学统计类专业小伙伴就非常有优势了，其他专业的小伙伴也不用担心，毕竟工作后还可以继续学习，在工作中用的比较多的是聚类、关联、决策树、线性回归等，如果你不去做模型和算法工程师那么只需要会用就可以了，实在不行有专业的工具让我们用，阿里云的机器学习PAN是可以直接出结果的工具。可以到九道门商业数据分析实训官网上去看一些案例，自己做做训练。如果自学的小伙伴觉得很难坚持，那就只能去报班了，如果要成为大数据分析师的话就要时间沉定，或者让老师带你，像我就是进到决明后由赵强老师带了半年，现在基本上已经能熟练的搞这一套了。

数据挖掘领域是一个独特的行业，通常的招聘面试方法可能不大适用于本行业的特点。在招聘一个合格的数据挖掘工程师时，公司一般关注以下三个方面：他聪明吗？聪明意味着能透过复杂的信息建构问题并以正确的方式加以解决。聪明人还能从失败中获取经验。他能否专注于项目？专注意味着在各种困难的环境内，仍能独立或合作完成项目。他是否能与团队一起工作。团队合作需要很好的沟通能力，工作中涉及到的概念、问题、模型、结论等都需要成员之间正确的沟通方能加以明确。为了解候选人是否具有数据挖掘工程师的潜质，需要一小时的面试，主要通过以下五个环节：1、简介如同交谈之初的寒暄一样，简介是使候选人放松下来。可以先介绍一下公司本身的情况，再回答对方的一些疑问。如果问题很复杂，可以将回答放到面试的最后阶段再处理。2、关于数据挖掘项目这是最为重要且耗时的面试阶段，询问候选人最近接手的数据挖掘项目的情况和处理方式。要提问的方面包括：他一开始是如何描述这个项目的项目持续了多长时间这个项目的关键问题是什么问题是如何得到解决的在数据挖掘项目中最为困难的阶段是什么最有趣的阶段又是什么在他眼里，客户是怎么样的团队的其他成员又是如何表现的从中获得了什么样的经验在这个面试阶段，不仅要提问关于“what”的问题，还要很多关于“why”的问题。因为优秀的数据挖掘工程师要能面对客户，清晰的论证并支持其提出的观点。3、关于数据挖掘的流程考察候选人对于工作流程的认识是必要的，如果他谈到了跨行业数据挖掘流程规范（CRISP-DM）意味着好兆头。有很多时候，候选人对这些规范不以为然。虽然说从不同的角度来看待问题是一种创新，但是创新也需要建立在坚实在流程标准之上。因为它可以保证我们不会出现大的纰漏。必要的时候，可以用白板让候选人画出流程图。并让他评价这些工作中最为重要或需要反思的地方。因为建模工作不可能一次完成，反复的提炼问题、建立模型的情况是经常遇到的。另外可以在某个挖掘流程进行深入考查，例如询问对方如何避免过度拟合，如何从大量的候选变量中进行筛选，如何评价或比较模型的效果。4、解决问题软件公司的面试一般会包括“编码测试”，考查数据挖掘工程师也应该如此。一种可以参考的作法是提供一份存在缺陷的分析报告。让候选人对报告进行研究，表达报告中结论的意义，提出其中所存在的问题或不足，提出改进或补救的方法。5、收尾在面试的最后阶段，需要回答候选人的其它提问，并使之相信本公司在本行业中的优势地位，以及在职业生涯中的作用。在完成面试后，需要立即将面试记录进行整理存档。面试是一件苦差事，但也是一个交流学习的机会。通过面试可以了解到其它人遇到的问题，以及他们是如何解决的。

数据分析师考试内容都有哪些呢？数据分析师考试由中国商业联合会数据分析专业委员会与工业与信息化部教育与考试中心联合举办。每年四次。

数据分析师考试大纲列上来：

第一部分考试介绍

一、考试目标

数据分析师专业技术考试主要测试考生是否具备数据分析基础知识，是否了解数据分析工作流程及数据分析技术，是否具备利用数据分析知识解决实际业务问题的能力。

侧重考查考生对数据分析知识的掌握和应用，借助数据分析知识解决实际数据分析工作和企业决策工作的能力，根据企业决策的需要，对各种相关数据进行分析和评估能力。

考点涉及数据分析统计基础、数据获取、数据预处理、数据可视化、数据算法模型及客户数据分析、产品数据分析、营销数据分析、采购数据分析、物流数据分析、生产制造数据分析、智能供应链及投资收益风险分析等。

二、考试科目及考试形式

考试分为理论机考和实操笔试，三科考试时限均为120 分钟，满分都为100分。

三、教材与资料

《供应链优化与投资分析》

《数据分析基础》

《营销数据分析》

《战略管理》《面授讲义》是数据分析师考生必修必考教材与资料，查看数据分析师考试教材介绍。

四、知识点要求注释

识记：要求掌握概念、熟悉理论、重点考试要求范围；

理解：要求应知应会，非重点考试要求范围；

应用：掌握实际使用方法，运用计算工具或分析软件进行实 和分析，考试要求范围；

了解：拓展性知识，非考试要求范围。

第二部分  考试内容

根据数据分析师专业技术考试的考试目标、科目和考试形式等要求，数据分析师专业技术考试科目要点包括但不限于以下内容：

一、 数据分析理论知识

数据分析理论知识是对考生数据分析基础知识的掌握程度的测试。数据分析基础主要从数据分析的整个流程去考查学生知识，其中涵盖了数据获取、数据预处理、数据可视化、数据分析算法与模型以及数据分析结论建议等方面的知识内容。考试题型主要是客观题，包含单项选择题、多项选择题、判断题，以机考形式考核。

数据分析理论知识考试内容：

1.数据分析整体流程考察，以及各个环节常用方式方法。

（1）  数据及其分类。

（2）  数据分析基础知识：概率统计基本概念、参数估计、假设检验、数据分析基本方法等。

（3）  数据分析工具。

2.数据获取

（1）内部数据获取：数据库基本理论、关系型数据库、非关系型数据库、大数据存储和获取、数据仓库。

（2）外部数据获取：网络爬虫、物联网数据获取、行业数据获取、政府数据获取、外购交易数据、API数据获取等。

（3）抽样调查技术：抽样调查基本概念、抽样方法、抽样误差和精度描述、抽样实施步骤等。

3.数据预处理

数据预处理的意义、方法、以及各种预处理方法的适用条件。

（1）数据的描述性分析：集中趋势测度、离散趋势测度等。

（2）数据清洗：缺失数据、异常数据等。

（3）数据集成。

（4）数据转换：数据标准化、数据的代数运 、数据的离散化等。

（5）数据规约：变量规约、数值规约等。

4.数据可视化

（1）基本图表及其使用技巧。

（2）可视化工具优缺点及适用情况和意义。

5.数据分析技术—机器学习基础

监督学习算法中回归和时间序列算法，分类算法中逻辑回归、决策树、贝叶斯算法、神经网络算法、SVM算法等原理及简单计算。

非监督算法中各种聚类算法，降维算法，以及关联规则算法、文本挖掘中基本算法原理及简单计算。

6.数据分析应用

（1）战略研究、市场研究、消费者使用习惯与态度研究、品牌诊断、新产品研究、广告研究、渠道研究等。

（2）客户数据分析应用：用户画像的方法、维度分解和模型应用的简单分析与计算等。

（3）产品数据分析应用：产品定位、产品设计阶段数据分析模型原理、产品运营数据分析模型原等。

（4）营销数据分析应用：市场预测模型原理、价格模型原理、促销广告模型原理等。

（5）供应链优化数据分析应用：大数据智能供应链、采购模型原理、生产模型原理、物流模型原理等。

（6）投资数据分析应用：量化投资概念和特点、实业投资技术选择方法、数据编制与估算、收益与风险数据分析等。

二、数据分析算法与模型

数据分析算法与模型主要考查学员对所学算法与模型的宏观掌握情况，考查学员对数据分析基本知识的掌握程度以及对于数据分析算法的理解以及应用算法的建模能力。考试题型主要是通过算法模型进行案例分析，题量在4-5 个左右。以计算结果正误和解题思路步骤为考核标准。数据分析算法与模型考试内容：

1.机器学习算法

监督学习算法中回归和时间序列算法，分类算法中逻辑回归、决策树、贝叶斯算法、神经网络算法、SVM算法等。

非监督算法中各种聚类算法，降维算法，以及关联规则算法，文本挖掘基本算法。

2.应用模型

KANO 模型、PSM模型、巴斯模型、规划求解、层次分析法、节约里程法、经济生产（订货）模型、收益评价指标计算、盈亏平衡分析 、敏感性分析 、风险概率分析。

三、数据分析应用

数据分析应用主要考查学员在实战中运用分析原理、选择合适的分析方法和决策的思维解决实际业务问题的能力。考试题型主要是通过数据分析流程、分析业务背景辨别适合应用的分析算法模型，并综合评估分析结果，对实际问题进行分析、预测并提出解决方案。

考试题型是大案例分析，题量在 2-4 个左右。 以分析思路步骤和预测结果与真实数据误差项为考核标准。

数据分析应用考试内容：

1.数据获取

（1）  结构化数据获取方式和方法。

（2）  非结构化数据获取方式和方法。

2.数据预处理

（1）数据的描述性分析：集中趋势测度、离散趋势测度等。

（2）数据清洗：缺失数据、异常数据等。

（3）数据集成。

（4）数据转换：数据标准化、数据的代数运算、数据的离散化等。

（5）数据规约：变量规约、数值规约等。

3.数据可视化

（1）基本图表及其使用技巧。

4.数据分析技术—机器学习基础

（1）方法选择;监督学习算法中回归和时间序列算法，分类算法中逻辑回归、决策树、贝叶斯算法、神经网络

算法、SVM算法等。

非监督算法中各种聚类算法，降维算法，以及关联规则算法、文本挖掘中基本算法等。

（2）方法评估

5.数据分析应用

（1）战略研究、市场研究、消费者使用习惯与态度研究、品牌诊断、新产品研究、广告研究、渠道研究等。

（2）客户数据分析应用：用户画像的方法、维度分解和模型应用等。

（3）产品数据分析应用：产品定位、产品设计阶段数据分析、产品运营数 等。

（4）营销数据分析应用：市场预测模型、价格模型、促销广告模型等。

（5）供应链优化数据分析应用：大数据智能供应链、采购模型、生产模型、物流模型等。

（6）收益与风险数据分析应用等。

第三部分 考核目标

考点要求题目难易程度比例分配（难、中等、易）

数据及分类的相关知识识记易50%,中等25%，难25%

概率统计相关知识（数据分布、参数估计、假设检验等）识记易25%，中等50%，难25%

数据分析工具理解、应用易25%，中等50%，难25%

结构化数据获取（数据库基础理论知识、SQL语言相关知识）识记易50%，中等25%,难25%

非结构化数据获取（非结构化数据获取方式和相关概念）识记易50%，中等25%,难25%

抽样调查技术理解易50%，中等25%,难25%

数据分析基础指标（集中趋势、离散趋势等指标）识记易25%，中等50%，难25%

数据预处理方法（数据清洗、数据转换等方法）识记、应用易25%，中等50%，难25%

数据可视化（各种图表相关知识和应用场景）识记、应用易25%，中等50%，难25%

数据分析各种算法（监督学习算法与非监督学习算法）识记、应用易25%，中等50%，难25%

产品分析模型和应用（各种算法应用，以及kano模型，PSM模型等）识记、应用易25%，中等50%，难25%

客户分析模型和应用（客户画像分析流程及应用）识记、应用易25%，中等50%，难25%

营销分析模型和应用（市场预测模型、价格模型、促销广告模型等）识记、应用易25%，中等50%，难25%

供应链优化（大数据智能供应链、采购模型、生产模型、物流模型）识记、应用易50%，中等25%,难25%

投资分析（收益和风险分析等）识记、应用易50%，中等25%,难25%

第三部分内容详细内容在数据分析师考试大纲中查看。或者直接搜索【CPDA数据分析师】进入查看考试大纲。

h通过数据分析师考试即可获得数据分析师证书，证书样图如下：

地图为数据分析师考试北京考点。