第六届CDA数据分析考试大纲公布（附完整解析PPT）
Posted CDA数据分析师
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了第六届CDA数据分析考试大纲公布（附完整解析PPT）相关的知识，希望对你有一定的参考价值。
作者 CDA 数据分析师
当代的中国是一个用数据说话的时代，靠数据竞争的时代！空口无凭，先给大家看一组数据。根据美国数百万用户报告的薪资数据，Glassdoor 对每个职位的薪资情况进行了统计。总体来看，美国目前在招职位总年薪达 2720 亿美元，招聘最大缺口是医疗行业，有 80 万个职位，总年薪达 452 亿美元。
这里我们单看美国科技行业的数据，现在正在招聘的职位总数为 263586 个，总年薪达到 210 亿美元。排行前 15 名的职位中，数据科学家空缺职位：3508，平均基本年薪：114035 美元占第 4 位；数据工程师空缺职位：3073，平均基本年薪：104551 美元占第 6 位。
从美国人才数据的缺口，我们可以看出中国大数据的发展，数据分析、数据挖掘和大数据价值挖掘人才都是十分稀缺的。而数据分析行业的高门槛，就要求我们要有专业系统的人才培养与认证机制。而经管之家作为美国注册数据分析师协会（ CERTIFIED DATA ANALYST INSTITUTE ） CDA 数据分析师 LEVEL Ⅰ Ⅱ Ⅲ 资格标准中国区 CDA 数据分析师认证考试主办机构，根据标准制定了规范的人才培养与考试认证机制。为了帮助大家能更好更快的通过数据分析等级考试，特发 CDA 数据分析师 LEVEL Ⅰ Ⅱ 考试大纲给数据大家作参考，完整版请戳原文阅读领取。
CDA LEVEL Ⅰ 考试大纲
数据分析概念与统计学基础（占比 30% ）
a. 数据分析与数据挖掘概念，方法论，流程。（占比 5%）
b. 描述性统计分析（占比 15%）
c. 推断性统计分析（占比 5%）
d. 方差分析（占比 3%）
e. 一元线性回归分析（占比 2%）
SQL 数据库基础（占比 15% ）
a. SQL 及关系型数据库基本概念（占比 1%）
b. SQL 数据类型、运算符、函数（占比 3%）
c. SQL 查询语句（占比 5%）
d. SQL 连接语句（占比 5%）
e. SQL 其它语句（占比 1%）
数据采集与处理（占比 15% ）
a. 数据采集方法（占比 8%）
b. 市场调研（占比 2%）
c. 数据预处理方法（占比 5%）
数据建模分析（占比 40% ）
a. 主成分分析法（占比 3%）、因子分析法（占比 2%）
b. 系统聚类法（占比 3%）、K-Means 聚类法（占比 3%）
c. 对应分析（占比 2%）、多维尺度分析（占比 2%）
d. 预测性分析法（多元线性回归（占比 5%），逻辑回归（占比 10%））
e. 时间序列（占比 10%）
CDA LEVEL Ⅱ 大数据分析师 考试大纲
基础理论 ( 占比 15% )
a. 数据分析基础（5%）
b. 描述性统计分析（5%）
c. Linux& Ubuntu 基础（2%）
d. hbase 理论及实战（3%）
Hadoop 理论 ( 占比 15% )
a. hadoop 安装配置及运行机制解析（3%）
b. Hadoop 分布式文件系统（2%）
c. MapReduce 理论及实战（8%）
d. hadoop 生态环境简介（2%）
大数据分析之数据库理论及工具 占比 ( 15% )
a. 数据库理论（2%）
b. mysql 理论及实战（3%）
c. sqoop 安装及应用（3%）
d. hive 安装部署及应用（5%）
e. Tableau 的具体功能及应用（2%）
大数据分析 之数据挖掘理论 占比 ( 10% )
a. 数据挖掘的基本思想（2%）
b. 数据挖掘之聚类算法（3%）
c. 数据挖掘之分类算法（2%）
d. 数据挖掘之主题推荐（3%）
大数据分析 之 Mahout 工具及实战 占比 ( 10% )
a. mahout 之聚类及实战（2%）
b. mahout 之分类及实战（3%）
c. mahout 之主题推荐及实战（5%）
大数据分析之 Spark 工具及实战 占比 ( 35% )
a. Spark 基础理论( 2% )
b. Spark RDD 与内核( 8% )
c. 实时数据流处理框架— Spark Streaming ( 3% )
d. 交互式数据查询框架— Spark SQL ( 5% )
e. 数据挖掘框架— Spark MLib (占比 12% )
f. 图计算框架— Spark GrapX (占比 5% )
CDA LEVEL Ⅱ 建模分析师考试大纲
基础理论 占比（20% ）
a. 数据挖掘简介( 2% )
b. 数据挖掘方法论( 7% )
c. 基础数据挖掘技术( 5% )
d. 进阶数据挖掘技术简介( 6% )
数据前处理 ( 占比 25% )
a. 字段选择( 2% )
b. 数据清洗( 8% )
c. 字段扩充( 2% )
d. 数据编码( 8% )
e. 关键变量挖掘技术( 5% )
预测型数据挖掘模型 ( 占比 40% )
a. 朴素贝叶斯( 7% )
b. 线性回归( 3% )
c. 决策树(分类树及回归树) ( 10% )
d. 神经网络( 6% )
e. 罗吉斯回归( 2% )
f. 支持向量机( 4% )
g. 集成方法( 3% )
h. 模型评估( 5% )
描述型数据挖掘模型 ( 占比 15% )
a. 聚类分析( 6% )
b. 关联规则( 6% )
c. 序列模式( 3% )
完整版考试大纲解析请点原文链接领取
以上是关于第六届CDA数据分析考试大纲公布（附完整解析PPT）的主要内容，如果未能解决你的问题，请参考以下文章