国家发展战略的要求,岗位人才的缺口以及市场规模的带动,都从不同方面体现了数据 分析师职业的重要性。近年来,现代信息技术不断进步,以大数据为基础的各类科技应 用成为市场热点,通过将大数据应用于产品营销、客户体验改进、风险控制等方面,取 得了很好的效果。
CDA行业标准由国际范围数据领域的行业专家、学者及知名企业共同制定并每年修订更新,确保了标准的公立性、权威性、前沿性。通过CDA认证考试者可获得CDA中英文认证证书。
2022-03-14 广告
2020-07-29
CDA数据分析报名的条件不是很苛刻,对于希望学习数据分析的朋友都可以考虑报名。
数据分析员(英文Certified Data Analyst ,
简称”CDA”)是指能提出推动性决策建议的专业数据分析人才,以数据为依据、熟练使用数据分析工具、能独立清晰地识别业务问题,并通过提取数据、应用分析方法、科学的分析数据并表达分析结果的大数据基础分析人才。
课程优势:
该课程内容重点围绕培养学员数据分析思维展开,包含数理统计基础知识、数据获取与数据库知识、数据预处理、机器学习算法的应用,数据分析报告的撰写和可视化,以及从金融、医药、保险、电商、零售、房地产等行业需求出发,使用datahoop平台进行描述性和预测性的场景分析等内容。使基础薄弱的学员也能够学以致用,使所学知识更符合就业要求,达到企业实务标准,快速在大数据时代找准工作定位。
CDA数据分析员专业课程全国收费标准:
为期一年的远程学习费800元/人、教辅材料费100元/人、2天到4天面授培训费指导价1600元/人至2400元/人、考试报名费240元/人。此外Datahoop大数据智能分析平台使用费为390元/人/年,为使学员尽快掌握数据分析能力,不收取学员第一年的平台使用费,若学员第二年继续使用平台的,需缴纳平台使用费。
1)课程学习包括:CDA数据分析员专业课程面授及为期一年的远程学习。
2)教辅材料包括:二本协会自主研发的核心教材:《数据分析基础》《数据分析实务》。
面授课程介绍:
1)培养学员数据分析应用场景搭建的能力
课程主要通过数据分析决策思维能力的培养形成场景式教学,从场景分析与问题提出——数据获取——数据探索与预处理——算法与模型应用——结果分析与可视化等流程来实现数据价值的挖掘,回归数据的本质。
2)打通大数据技术瓶颈,结合不断优化的 Datahoop 数据分析平台,真正实现数据分析“术”“器”相融(注:术,数据分析技术和模型方法;器,数据分析工具)。
以业务问题为导向,还原数据分析的真实工作环境,高效打通数据决策的核心症结,着力使我们的分析师掌握分析精髓,同时熟练使用分布式计算平台,在对业务场景的深刻理解之上,熟练操作数据分析的全流程,从而建立模型,揭示市场规律,寻找运营突破。
3)课程场景选取通用式+多样式案例背景,以满足不同行业学员业务需求
远程课程介绍:
远程课是为面授课打基础的,学员参加面授课前一定要提前学习远程课程;远程课中包含有知识点详解、实操、任务点和话题讨论等。
1)知识点详解
远程课程将一些基础知识点进行详细讲解,如数据类型划分、假设检验、一手数据收集方法、二手数据收集方法、数据预处理及注意事项、数据可视化、统计模型和机器学习等。
2)实操
实操在知识点讲解过程中同步进行,以方便学员巩固和练习, 课程分别引入了数据预处理的各种操作、结构化数据库SQL实操、数据获取实操、数据分析、用户画像实战等操作。
3)任务点
除选学课程外,其他课程设置相应任务点,每节课程后附有相应试题供学员练习巩固,此外,只有完成当前任务,才能解锁下一课程。后续课程更新均设有任务点,只有将更新课程学习任务完成,才能解锁更新课程后的课程。
4)话题讨论
学员根据学习过程中产生的问题可自建话题,全体 CDA 学员可参与话题讨论。
2018-09-21
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。)
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。)