2019 年全國CPDA數據分析師考試信息一覽表

---

全國數據分析師考試時間

2019 年數據分析師統考計劃安排四次，分別為 3 月、6 月、9 月、12 月。具體時間安排如下：

 

全國數據分析師報考條件

 

報考數據分析師考試的考生須滿足以下條件之一即可：

 

1. 具有國民教育?？萍耙陨蠈W歷；
2. 具有一年以上數據分析行業從業經驗。

 

全國數據分析師考試大綱

 

第一部分考試介紹

 

一、考試目標

 

數據分析師專業技術考試主要測試考生是否具備數據分析基礎知識，是否了解數據分析工作流程及數據分析技術，是否具備利用數據分析知識解決實際業務問題的能力。

 

側重考查考生對數據分析知識的掌握和應用，借助數據分析知識解決實際數據分析工作和企業決策工作的能力，根據企業決策的需要，對各種相關數據進行分析和評估能力。

 

考點涉及數據分析統計基礎、數據獲取、數據預處理、數據可視化、數據算法模型及客戶數據分析、產品數據分析、營銷數據分析、采購數據分析、物流數據分析、生產制造數據分析、智能供應鏈及投資收益風險分析等。

 

二、考試科目及考試形式

 

考試分為理論機考和實操筆試，理論考試為 90 分鐘，實操筆試均為 120 分鐘，總分都為 100 分。

 

科目	考試方式	題型	總分	及格分	考試時長
數據分析理論知識	機考	選擇、判斷題	100分	60分	90分鐘
數據分析算法與模型	機考	操作計算題	100分	60分	120分鐘
數據分析應用	機考	應用分析題（操作+分析）	100分	60分	120分鐘

 

三、教材與資料

 

《數據分析基礎》《營銷數據分析》《供應鏈優化與投資分析》《戰略管理》《面授講義》是數據分析師考生必修必考教材與資料。

 

四、知識點要求注釋

 

識記：要求掌握概念、熟悉理論、重點考試要求范圍；

 

理解：要求應知應會，非重點考試要求范圍；

 

應用：掌握實際使用方法，運用計算工具或分析軟件進行實 和分析，考試要求范圍；

 

了解：拓展性知識，非考試要求范圍。

 

第二部分  考試內容

 

根據數據分析師專業技術考試的考試目標、科目和考試形式等要求，數據分析師專業技術考試科目要點包括但不限于以下內容：

 

一、 數據分析理論知識

 

數據分析理論知識是對考生數據分析基礎知識的掌握程度的測試。數據分析基礎主要從數據分析的整個流程去考查學生知識，其中涵蓋了數據獲取、數據預處理、數據可視化、數據分析算法與模型以及數據分析結論建議等方面的知識內容?？荚囶}型主要是客觀題，包含單項選擇題、多項選擇題、判斷題，以機考形式考核。

 

數據分析理論知識考試內容：

 

1. 數據分析整體流程考察，以及各個環節常用方式方法。

 

1. 數據及其分類。
2. 數據分析基礎知識：概率統計基本概念、參數估計、假設檢驗、數據分析基本方法等。
3.  數據分析工具。

 

2. 數據獲取

 

1. 內部數據獲?。?a href='http://www.hcjx688.com' target='_blank'>數據庫基本理論、關系型數據庫、非關系型數據庫、大數據存儲和獲取、數據倉庫。
2. 外部數據獲?。壕W絡爬蟲、物聯網數據獲取、行業數據獲取、政府數據獲取、外購交易數據、API 數據獲取等。
3. 抽樣調查技術：抽樣調查基本概念、抽樣方法、抽樣誤差和精度描述、抽樣實施步驟等。

 

3. 數據預處理

 

數據預處理的意義、方法、以及各種預處理方法的適用條件。

 

1. 數據的描述性分析：集中趨勢測度、離散趨勢測度等。
2. 數據清洗：缺失數據、異常數據等。
3. 數據集成。
4. 數據轉換：數據標準化、數據的代數運 、數據的離散化等。
5. 數據規約：變量規約、數值規約等。

 

4. 數據可視化

 

1. 基本圖表及其使用技巧。
2. 可視化工具優缺點及適用情況和意義。

 

5. 數據分析技術—機器學習基礎

 

監督學習算法中回歸和時間序列算法，分類算法中邏輯回歸、決策樹、貝葉斯算法、神經網絡算法、SVM 算法等原理及簡單計算。

 

非監督算法中各種聚類算法，降維算法，以及關聯規則算法、文本挖掘中基本算法原理及簡單計算。

 

6. 數據分析應用

 

1. 戰略研究、市場研究、消費者使用習慣與態度研究、品牌診斷、新產品研究、廣告研究、渠道研究等。
2. 客戶數據分析應用：用戶畫像的方法、維度分解和模型應用的簡單分析與計算等。
3. 產品數據分析應用：產品定位、產品設計階段數據分析模型原理、產品運營數據分析模型原等。
4. 營銷數據分析應用：市場預測模型原理、價格模型原理、促銷廣告模型原理等。
5. 供應鏈優化數據分析應用：大數據智能供應鏈、采購模型原理、生產模型原理、物流模型原理等。
6. 投資數據分析應用：量化投資概念和特點、實業投資技術選擇方法、數據編制與估算、收益與風險數據分析等。

 

二、數據分析算法與模型

 

數據分析算法與模型主要考查學員對所學算法與模型的宏觀掌握情況，考查學員對數據分析基本知識的掌握程度以及對于數據分析算法的理解以及應用算法的建模能力?？荚囶}型主要是通過算法模型進行案例分析，題量在 4-5 個左右。以計算結果正誤和解題思路步驟為考核標準。數據分析算法與模型考試內容：

 

1. 機器學習算法

 

監督學習算法中回歸和時間序列算法，分類算法中邏輯回歸、決策樹、貝葉斯算法、神經網絡算法、SVM 算法等。

 

非監督算法中各種聚類算法，降維算法，以及關聯規則算法，文本挖掘基本算法。

 

2. 應用模型

 

KANO 模型、PSM 模型、巴斯模型、規劃求解、層次分析法、節約里程法、經濟生產（訂貨）模型、收益評價指標計算、盈虧平衡分析 、敏感性分析 、風險概率分析。

 

三、數據分析應用

 

數據分析應用主要考查學員在實戰中運用分析原理、選擇合適的分析方法和決策的思維解決實際業務問題的能力?？荚囶}型主要是通過數據分析流程、分析業務背景辨別適合應用的分析算法模型，并綜合評估分析結果，對實際問題進行分析、預測并提出解決方案。

 

考試題型是大案例分析，題量在 2-4 個左右。 以分析思路步驟和預測結果與真實數據誤差項為考核標準。

 

數據分析應用考試內容：

 

1. 數據獲取

 

1. 結構化數據獲取方式和方法。
2. 非結構化數據獲取方式和方法。

 

2. 數據預處理

 

1. 數據的描述性分析：集中趨勢測度、離散趨勢測度等。
2. 數據清洗：缺失數據、異常數據等。
3. 數據集成。
4. 數據轉換：數據標準化、數據的代數運算、數據的離散化等。
5. 數據規約：變量規約、數值規約等。

 

3. 數據可視化

 

1. 基本圖表及其使用技巧。

 

4. 數據分析技術—機器學習基礎

 

1. 方法選擇; 監督學習算法中回歸和時間序列算法，分類算法中邏輯回歸、決策樹、貝葉斯算法、神經網絡算法、SVM 算法等。非監督算法中各種聚類算法，降維算法，以及關聯規則算法、文本挖掘中基本算法等。
2. 方法評估

 

5. 數據分析應用

 

1. 戰略研究、市場研究、消費者使用習慣與態度研究、品牌診斷、新產品研究、廣告研究、渠道研究等。
2. 客戶數據分析應用：用戶畫像的方法、維度分解和模型應用等。
3. 產品數據分析應用：產品定位、產品設計階段數據分析、產品運營數 等。
4. 營銷數據分析應用：市場預測模型、價格模型、促銷廣告模型等。
5. 供應鏈優化數據分析應用：大數據智能供應鏈、采購模型、生產模型、物流模型等。
6. 收益與風險數據分析應用等。

第三部分  考核目標
 

考點	要求	題目難易程度比例分配（難、中等、易）
數據及分類的相關知識	識記	易50%,中等25%，難25%
概率統計相關知識（數據分布、參數估計、假設檢驗等）	識記	易25%，中等50%，難25%
數據分析工具	理解、應用	易25%，中等50%，難25%
結構化數據獲?。?a href='http://www.hcjx688.com' target='_blank'>數據庫基礎理論知識、SQL語言相關知識）	識記	易50%，中等25%,難25%
非結構化數據獲?。ǚ墙Y構化數據獲取方式和相關概念）	識記	易50%，中等25%,難25%
抽樣調查技術	理解	易50%，中等25%,難25%
數據分析基礎指標（集中趨勢、離散趨勢等指標）	識記	易25%，中等50%，難25%
數據預處理方法（數據清洗、數據轉換等方法）	識記、應用	易25%，中等50%，難25%
數據可視化（各種圖表相關知識和應用場景）	識記、應用	易25%，中等50%，難25%
數據分析各種算法（監督學習算法與非監督學習算法）	識記、應用	易25%，中等50%，難25%
產品分析模型和應用（各種算法應用，以及kano模型，PSM模型等）	識記、應用	易25%，中等50%，難25%
客戶分析模型和應用（客戶畫像分析流程及應用）	識記、應用	易25%，中等50%，難25%
營銷分析模型和應用（市場預測模型、價格模型、促銷廣告模型等）	識記、應用	易25%，中等50%，難25%
供應鏈優化（大數據智能供應鏈、采購模型、生產模型、物流模型）	識記、應用	易50%，中等25%,難25%
投資分析（收益和風險分析等）	識記、應用	易50%，中等25%,難25%

---

---