cda

全國校區

您的位置:首頁 > 大數據時代 > 數據分析師成長之路 · CDA數據分析師科學體系

數據分析師成長之路 · CDA數據分析師科學體系

2019-01-18


CDA數據崗位模型:

基于CDA多年的數據分析教學經驗以及對當下企業數據相關崗位、薪資待遇的調查研究,總結出來了一套職場“崗位模型”。最左側是經典的CDA LEVEL 1 2 3等級標準,每個等級對應企業相關數據崗位及薪資范圍。圖片中部為對應崗位的技能列表,即勝任某一崗位需要擁有什么樣的能力。最后側是該技能對應的CDA精英學院課程。CDA等級標準還規定了各個級別的能力概要,如下表所示:


CDA等級認證考試大綱】


級別 Level I
(業務分析師)
Level II
(建模分析師)
Level II
(大數據分析師)
Level III
(數據科學家)
理論
基礎
概率論、統計學理論基礎 統計學、概率論和數理統計、多元統計分析、時間序列、數據挖掘 概率論和數理統計、Python基礎、Linux基礎、數據挖掘和機器學習

統計學、大數據、機器學習、數據治理和項目管理
軟件
要求
必要:Excel、SQL
可選:Python、SPSS、R等
必要:Excel、SQL
可選:Python、R、SPSS Modeler、Spark等
必要: SQL、Hadoop、HDFS、Mapreduce、Hbase、Hive、Sqoop、Spark
可選:Kafka、Flume、ZooKeeper等
必要:Excel、SQL、Python、Hadoop、Spark
可選:R、SAS、Tensorflow等
分析方
法要求
掌握基本數據預處理方法,SQL數據庫技術,數據分析方法(描述性統計分析,推斷性統計分析,方差分析,線性回歸等);市場調研(數據報告),常用數據分析模型(聚類分析、邏輯回歸、時間序列等)。 除掌握基本數據處理及分析方法以外,還應掌握高級數據分析及數據挖掘方法(特征工程、貝葉斯、決策樹、神經網絡、支持向量機、集成方法、關聯規則、序列模式等)和可視化技術。 熟練掌握hadoop集群搭建;熟悉nosql數據庫的原理及特征,并會運用在相關的場景;熟練運用Spark及Spark MLLib算法庫提供的進行大數據分析的數據挖掘算法,包括無監督算法(k-means算法、DBSCAN算法、FP-Growth)、有監督學習算法(決策樹、SVM、貝葉斯、集成算法、神經網絡、協同過濾)等算法的原理和使用范圍
掌握數據分析和挖掘的方法之外,還需了解數據治理技術,計算機編程技術,機器學習,人工智能,大數據分析架構以及業務分析方法,包括代碼管理、敏捷分析、戰略分析,產品管理,風險管理、客戶關系管理,項目管理,運營管理等結合具體行業的業務分析方法。
業務分
析能力
熟知業務,能夠根據問題業務指標提取公司數據庫中相關數據,進行整理、清洗、處理,通過相應數據分析方法,結合軟件平臺應用完成對數據的分析和報告。 可以將業務目標轉化為數據分析目標;熟悉常用算法和數據結構,熟悉企業數據庫構架建設;針對不同分析主體,可以熟練的進行維度分析,能夠從海量數據中搜集并提取信息;通過相關數據分析方法,結合一個或多個數據分析軟件完成對海量數據的處理和分析。
熟悉hadoop+hive+spark進行大數據分析的架構設計,并能針對不同的業務提出大數據架構的解決思路。掌握hadoop+hive+ Spark+tableau平臺上Spark MLlib、SparkSQL的功能與應用場景,根據不同的數據業務需求選擇合適的組件進行分析與處理。并對基于Spark框架提出的模型進行對比分析與完善。
帶領數據團隊,能夠將企業的數據資產進行有效的整合和管理,建立內外部數據的連接;熟悉數據倉庫的構造理論,可以指導ETL工程師業務工作;可以面向數據挖掘運用主題構造數據集市;在人和數據之間建立有機聯系,面向用戶數據創造不同特性的產品和系統;具有數據規劃的能力。
結果展
現能力
能夠形成邏輯清晰的報告,傳遞分析結果,對實際業務提出建議和策略。 報告體現數據挖掘的整體流程,層層闡述信息的收集、模型的構建、結果的驗證和解讀,對行業進行評估,優化和決策。 報告能體現大數據分析的優勢,能清楚地闡述數據采集、大數據處理過程及最終結果的解讀,同時提出模型的優化和改進之處,以利于提升大數據分析的商業價值。
報告形式多樣化,圖文并茂,邏輯嚴密。為企業數據資產管理提供詳細方案,對企業發展提供數據規劃策略。


CDA  Level I :業務數據分析師。專指政府、金融、電信、零售等行業前端業務人員;從事市場、管理、財務、供應、咨詢等職位業務人員;非統計、計算機專業背景零基礎入行和轉行就業人員。CDA Level Ⅰ業務數據分析師需要掌握概率論和統計理論基礎,能夠熟練運用Excel、R、Python、SPSS等一門專業分析軟件,有良好的商業理解能力,能夠根據業務問題指標利用常用數據分析方法進行數據的處理與分析,并得出邏輯清晰的業務報告。


CDA  Level II:建模分析師。一年以上數據分析崗位工作經驗,或通過CDA Level Ⅰ認證。專指政府、金融、電信、零售、互聯網、電商、醫學等行業專門從事數據分析與數據挖掘的人員。在Level Ⅰ的基礎上更要求掌握多元統計、時間序列、數據挖掘等理論知識,掌握高級數據分析方法與數據挖掘算法,能夠熟練運用SPSS Modeler、PYTHON、R、SAS等至少一門專業分析軟件,熟悉適用SQL訪問企業數據庫,結合業務,能從海量數據提取相關信息,從不同維度進行建模分析,形成邏輯嚴密能夠體現整體數據挖掘流程化的數據分析報告。
 
CDA  Level II:大數據分析師。一年以上數據分析崗位工作經驗,或通過CDA Level Ⅰ認證。專指政府、金融、電信、零售、互聯網、電商、醫學等行業專門從事數據分析與云端大數據的人員。在Level Ⅰ的基礎上要求掌握JAVA語言和linux操作系統知識,能夠掌握運用Hadoop、Hive、Spark等專業大數據架構及分析軟件,從海量數據中提取相關信息,并能夠結合python等軟件,形成嚴密的數據分析報告。
 
CDA  Level III:數據科學家。三年以上數據分析崗位工作經驗,或通過任意一門CDA Level ⅠI認證。專指政府、金融、電信、零售、互聯網、電商、醫學等行業數據分析資深人員。掌握前沿AI相關技術,負責制定企業數據發展戰略,發現企業數據價值,提升企業運行效率,增加企業價值。能夠帶領數據團隊將企業的數據資產進行有效的整合和管理,建立內外部數據的連接;具有數據規劃的能力。


根據各等級的要求,適合大家學習的方法需要科學、專業地規劃,從“CDA數據分析研究院”長年的項目合作和培訓經驗來看,對于一個零基礎的學員需要做到以下的步驟來進行系統性的規劃:


一、自身檢查:是否適合數據分析崗位。

       什么樣的人適合做數據分析師?

       1. 對數據敏感:對數字不恐懼,經常關注行業數據動態,能夠從數據變化中自行感覺出實務背后的原因規律。

       2. 抗壓力與耐性:在處理數據中需要強大抗壓力和耐心。與數據打交道需要你愛上數據而不是排斥數據。

       3. 自學能力強:在數據分析的過程中需要經常自行研究學習一些新的思路和方法,不斷修正,不斷更新。


二、 從入門到精通系統學習

       CDA數據分析研究院師資團提供的科學學習規劃如下:

       1. 統計概率基礎:數據分析行業分析,數據挖掘經典流程,數據的描述性分析,數據的推斷性分析,方差分析,回歸分析,多元統計等系列理論課程,唯有掌握原理,方能駕馭工具。

       2. 數據分析工具學習:根據等級的要求,一般軟件在學術界和企業界的應用廣泛程度為,學術界 :STATA >R > SPSS >SAS > Matlab; 商業界:EXCEL> PYTHON>SPSS> R>SAS。上手難度:SAS>PYTHON>R>SPSS>EXCEL工具的選擇不在于多,而在于跟具體問題相結合,在學習的過程中可以選擇1-2門的工具進行熟練使用。參考各大數據分析工具的區別

       3. 數據分析建模:利用工具進行數據分析模型、數據挖掘算法建模運用,常用的數據分析方法有(回歸分析法、主成分分析法、典型相關分析、因子分析法、判別分析法、聚類分析法、結構方程、Logistic模型等),常用的數據挖掘算法有(時間序列、Panel Data、關聯法則、神經網絡、決策樹、遺傳算法)以及可視化技術。

       4. 以上三部分皆為數據分析硬性技術,要想熟能生巧需要經常在學習和工作中運用,不斷改善,不斷優化模型,將技術與具體業務結合起來,經過長時間的積累方能成為高級數據分析師。



完 謝謝觀看

分享
收藏

OK
3d彩经网免费预测