相似文件
换一批
经管之家送您一份
应届毕业生专属福利!
求职就业群
感谢您参与论坛问题回答
经管之家送您两个论坛币!
+2 论坛币
第八届CDA考试状元访谈丨 CDA考试是有力的自我检验
第八届CDA数据分析师认证考试,在刚刚过去的2018年6月底圆满地落下了帷幕。
成绩已经揭晓(详细请移步CDA官网),崭新新的证书大抵都抵达每位通过考试的持证人手中啦!
近日,我们采访了在本届考试中名列前茅的几位优秀学员,并在本文中整理了他们的备考和学习经验,希望备考者们能够有所参考,并取得理想的成绩。
下面让我们来一睹状元们的风采吧!
# Level 1 状元——胡长超
2011年毕业于郑州大学,毕业后在一家软件公司负责软件实施,目前在金融机构从事信息科技方面的工作。
1.目前从事的工作
在郑州一家农商行从事科技方面的工作,目前工作中并没有用到数据分析,但是一直希望能够运用大数据、云计算等新兴金融科技手段,助力传统金融业务的发展。因为在未来金融业的竞争中,科技一定会发挥越来越重要的作用。
2.报考的契机
开始是经朋友推荐,参加了CDA A+学位的培训课程,从而对数据分析领域有了更深入的了解。报考CDA认证考试的目的也是为了检验课程学习的效果,同时树立一个目标,给自己一些压力去更好的学习数据分析。
3.如何高效地备考
首先要明确的一点是,不要为了考试而去考试,要先建立一定的知识体系和思维框架。很多同学希望借助认证考试去实现寻找新工作或转行的目的,但必须要知道能够打动HR的一定不是那一纸证书,而是蕴含在背后的知识和技能。也不太建议备考时上来就做大量的习题,因为依靠题海建立起的知识是碎片式、不成系统的。
就我个人而言,大学读的是计算机相关专业,对编程语言、数据库理论有一定基础。而在A+课程的学习过程中,发现自己在概率统计理论上的明显欠缺,而这却是数据分析领域的重中之重。于是又重新买了大学高数、概率统计、线性代数的教材进行了一番恶补。
针对LEVEL I的备考,我建议:
· 先大致了解下考试大纲和真题,对考试难度有个初步认识。
· 然后参照着大纲,开始学习CDA“从零进阶”和“胸有成竹”两本教材,仔细学习教材、注意教材编排的层次性,便于构建自己的知识体系。
· 最后进行一些模拟题的练习,检验成效、查漏补缺。
4.今后的发展规划
希望自己在数据分析这一领域能够更加深入的去钻研学习,提升竞争力。LEVEL I的考试还是更偏重基础理论一些,要想将所学知识运用到实际工作中,还需要更多的实操练习。也非常希望自己能将数据分析技术更多的运用到本职的金融工作中来,为业务发展起到一些作用。
# Level 1 状元(并列)——陈**
2015年毕业于天津某高校,毕业后就职银行,主要从事数据分析和IT项目管理的工作。
1.目前从事的工作
我在银行业工作,前期做业务数据分析,目前参与人工智能相关项目的研发。
2.报考的契机
报考CDA,一方面希望借着考试的机会来复习和巩固相关的统计学基础,另外也希望获得数据分析师的专业认证。
3.如何高效地备考
在准备考试的过程中,我主要学习了CDA提供的基本资料:考试大纲、大纲解析和视频材料。其中,视频前后看了两遍。《统计学》(人民大学出版社,作者:贾俊平, 何晓群, 金勇进)抽着看了一部分。
建议有专业基础的同学们可以认真看一下视频,不同的老师讲解的角度不同,听下来会对知识点多一层理解,真理总是殊途同归;没有专业基础的同学建议学习《统计学》,这本书对跨专业的同学来说是入门级的好教材,深入浅出,而且覆盖考点。希望大家不以考试为目的,认真学习,顺便取得好成绩!
4.今后的发展规划
今后在自己工作当中,希望结合传统的统计学方法和前沿的机器学习方法,掌握新的平台工具和语言,进一步提高对数据的处理能力,在自己的工作领域中,切实地解决业务问题、优化业务应用。
# Level 2 大数据方向状元 ——李健
2015年毕业于中国药科大学,毕业后就职于上海荻硕贝肯医学检验所有限公司,从事市场推广工作,职位为产品经理。目前中南大学研究生在读。
1.目前从事的工作
在一家基因检测公司从事产品经理的职务,主要与市场信息打交道,研究一线销售获取到的结构化的或者是非结构化的数据;但是苦于方法手段的匮乏,往往不能对数据行之有效的提炼。
2.报考的契机
工作上的止步不前让我意识到,公司要想在竞争中处于不败之地,数据才是生命力,是整个企业的灵魂,对数据的解读就是对市场的探索。而步入21世纪,正式进入大数据时代,各种数据层出不穷,所以缺少的并非资源,而是缺少充分利用资源的方式方法。
自己正是以“经世致用”的思想,既然工作需要,那深入底层去寻找答案,也就是分析工具的提升;因此自己多方打探,逐渐入坑大数据,而CDA考试在大数据行业盛名已久,是对自己能力很有力的加强与验证,因此报名参加CDA考试。
3.如何高效地备考
· 多学多练: 以实用为准,任何理论脱离实践则一无是处;
· 多方查阅: 网上其实有很多资源可以利用,有很多志同道合者分享经验,为大家提供材料或是终南捷径;
· 认准标杆: 学习当然并不是盲目的学习,可以参加相关培训,初入大数据行业,需要有一个良好的引导者,除了CDA相关课程之外,自己还参与达内项目实战特训等;
· 张弛有度: 有相关基础或者没有相关基础,大数据入门阶段必然会经历阵痛,也正好说明,如果能熟练掌握大数据技术,必然是行业中的佼佼者。所以,一开始的必须放下心态,虔诚的去学习,即使花一个星期去学习原本一天的课程也在情理之中。打好基础最为重要,以后会慢慢发现自己渐入佳境,以至于后来三天的课程可以走马观花,一览无余。
· 精于原理: 大数据行业属于新兴行业,但是他的框架,其实就是java,了解工作原理,懂得基础编程,进而提升到哲学层面的认识,往往能够触类旁通。
最后,考试只是检验学习成果的手段,真正的价值在于往后的历练,考试即使考试通过也仅仅是万里长征第一步。
4.今后的发展规划
在巩固理论的基础上,多参与项目的实战,在实战中不断完善自己。
多了解底层实现原理,掌握scala等大数据底层编程语言,多写基础代码,达到以不变应对万变。
其他数据挖掘知识的完善,希望自己从数据搜集,数据库建设,再到大数据分析,数据可视化等一步步完善,建立完整数据分析框架,一切以数据说话,为决策助力。
大数据工具的应用拓展,不仅仅着眼于市场分析等普众的项目,多多涉猎时下大数据在医疗大数据、生物信息学分析等的应用。
# Level 2 建模方向·状元——张峥
2006年毕业于上海理工大学工商管理专业。目前在惠普全球零备件供应链部门工作,担任资深业务分析师。
1.目前从事的工作
我从大学毕业至今,已工作12年多。 毕业后首先加入松下电器中国有限公司,从事供应链企画工作5年多,之后于2011年加入惠普全球零备件供应链部门做资深业务分析师至今,已有7年多的工作经验。工作中经常与大数据打交道。
2.报考的契机
作为业务分析师,我基于对业务知识的理解,进行数据的抽取,整理,清洗,分析以及数据报表的呈现等都有一定的基础,但数理统计方面的知识比较薄弱,对于数据挖掘里更高层次的基于建模的预测以及分类问题没有系统地学习过。
此次通过CDA认证考试的培训,不仅重新系统地学习了数据挖掘的理论基础,而且对于数理统计知识也重新进行了学习,了解了如何用python进行数据整理,建模,评估模型,让作为业务分析师的我,同时提高了数据分析师的技能,这对于我今后的工作实践有很大的帮助。
3.如何高效地备考
对于如何能够高效地复习通过考试,我的总结主要两点:
第一,考纲解析视频的理论知识要能够深刻理解,不是死记硬背,这是一套系统的数据分析的流程,需要前后贯穿地记下来,并且结合一些统计学理论书籍加强理解。虽然考的是level2建模分析师, 但对于level1中统计学基础理论知识也学习一下,更能够加深理解。
第二,关于Python代码的学习,我推荐要打好入门的基础,并且掌握好pandas和numpy两个基础的包。所有高阶层的编程都是建立在打好基础语言功底之上。今后可以通过一些好的网站地学习,比如scikit-learn来提高编程的技能。
4.对数据分析的进一步理解
通过此次的CDA认证的学习,我对于业务分析和数据分析也有更进一步的理解,总结为三点:
第一,数据分析主要是结合业务需求,整理数据分析的思路和对数据的理解,语言作为辅助工具,要选择好学地,易理解地,比如Python。另外多种语言在实现同一功能的复杂程度不一样,需要大家选择易实现的语言,不需要拘泥于一种语言,因次建议大家可以多学几门语言。
第二,数据准备工作是所有后续工作(建模,评估)中最难的,最耗时的,最无法套路的。还是那句话,需要对业务和数据的理解才能做好,也是所有后续工作的基础。
第三,要学会看结果(模型评估的结果),语言已经提供了非常简便地计算各类统计指标的代码,但要看得懂结果,需要扎实的数理统计基础,需要适当了解算法的推理过程,并不是一味地套用,这样才能帮助大家选择最合适的模型得出最佳的结果。
# Level 2 建模方向·榜眼——吴晓莹
2015年毕业于天津财经大学,专业是统计学,毕业之后一直从事数据分析的工作,先后在咨询公司和零售行业就职,之后也会延续这个职业。
1.目前从事的工作
我目前从事业务数据分析师的职业,是在零售行业,主要负责各类指标的考核以及公司运营分析。
2.报考的契机
一方面是希望可以通过课程提升自己的专业素质、监督自己继续学习,另一方面也是正在准备转行,因此先做一些知识方面的积累,而且CDA数据分析师的课程和证书认可度和含金量相对较高。今后也会一直持续向数据挖掘的方向发展,预计会转向互联网行业。
3.如何高效地备考
首先,在报考课程或者考试之前建议要确定好自己的职业方向,如果没有明确的方向,至少确定自己对此事感兴趣的,这样,后期的学习过程和考试过程会相对轻松和愉快。
其次,提前计划好时间和学习进度,透彻分析考试大纲,掌握每个细节并理清每个模型的内容,形成一套属于自己的建模体系。以通过考试为中心,学习数据挖掘为目标,根据时间充裕度扩展知识点。
最后,心理上具备相信自己能通过的信心,态度上具备认真学习和求解的耐心。
4.我的备考计划,可供参考:
制定计划阶段(2天)
前期准备: 1.参考书籍4本+大纲解读,预计需要10天整。 2.视频辅助,预计一个月整。 3.查漏补缺,后期练习,预计20天整。
总结: 提前计划好时间和学习速度,利于后期持续跟进,节约时间。
备考阶段(55天)
第一阶段 梳理(10天)
分析要点: 仔细分析考试大纲,明确考试内容,根据自己的知识程度学。
对比复习: 参考书完整学习一编,配合考试大纲补齐所有知识点。
要点摘录: 摘录不理解、不齐全、有疑问的知识点,标记重要知识点。
第二阶段 学习(35天)
视频跟进: 对比大纲视频解析随视频学习具体内容,注意细节扩充和重点记录。
要点完善: 第一阶段要点随学习进度跟进、完善、补全、扩展。
实操练习: 分块(客观题练习、描述挖掘建模、预测性挖掘建模、模型评估)练习,每个模型至少三次。
第三阶段 巩固(10天)
要点记忆: 客观题要点记忆,真题、模拟题练习,每个细节做到清楚、明白。
归纳总结: 归纳每个模型的特点和优劣势,对同一数据采用多种方法实践,形成一套属于自己的建模体系。
实操巩固: 反复练习建模操作,完善体系,尽量做到针对特定数据采用适合、最优的建模方法。
考试过程(半天)
沉着应考: 按照题目顺序认真答题,按照自己的节奏完成考试。
总结: 掌握每个细节,理清每个模型的内容;以通过考试为中心,学习数据挖掘为目标,根据时间充裕度扩展知识点;心理上要有信心,相信自己能通过,态度上具备认真学习和求解的耐心。
参考书籍: 数据挖掘:概念与技术.机械工业出版社.2007 数据挖掘导论.人民邮电出版社.2006 统计学习方法.清华大学出版社.2012.3 用商业案例学R语言数据挖掘.电子工业出版社 2017.9
视频辅助: R语言数据挖掘-L2建模分析师
学习时间:每天保证3-5小时
# Level 2 建模方向·探花——杨蒙 毕业于对外经贸大学,金融专业。毕业后在互联网金融公司就职,担任数据分析师。
1.目前从事的工作
我大学的专业是金融,工作中有幸接触很多数据相关的项目,很感兴趣。 就学习了很多相关的知识,包括Excel,SQL, SAS 和Python。目前我在一家互联网金融公司做数据分析师。
2.报考的契机
1)数据分析这个行业在中国发展的很快,也很受欢迎。但总体来说,目前并没有国家统一的考试,而CDA被越来越多的专业人士及公司认可,所以我选择了CDA。
2)每个人都有惰性,我也不例外。我想通过考试来更有效的督促自己努力,有计划,有评价标准的好好学习。
3.如何高效地备考
我觉得在我学习的过程中,最重要也是一直支撑我走下去的原因有三个:
一是感兴趣
我对这个职位和行业真的很感兴趣,无论是从脏乱差的数据中提取出有效的信息,还是对一些看似错综复杂的数据建立模型进行预测,都会令我兴奋不已。每一次小小的进步和成就都会让我觉得特别满足和感恩自己在这个行业中。
二是多学习
多看书,多实践。从三月初开始准备考试起,每天给自己设定一个任务,根据大纲反复复习。
三是多交流
和同事、朋友一起交流学习过的模型,算法,也会彼此帮助他人在项目中遇到的困难。当然也会相互分享自己学习的心得体会和了解到这个行业的一些新动态。现在是互联网时代,有效的信息交流会省去很多时间也会让自己更快的成长。
4.今后的发展规划
因为我大学的专业是金融,我希望自己能够把金融学和数据分析更好的结合。通过分析、建模等为公司提供更有价值的预测和建议。目前已对机器学习有了必备的知识和相关的项目经验,同时也在不断加强深度学习和人工智能的技巧。希望自己将来能够提供更多可行性预测,为公司节约更多成本,对客户有更好的评估,减少客户流失等。 第九届认证考试现已开放报名,考试时间为2018年12月29日,唯一报名通道:http://exam.cda.cn/
扫码加我 拉你入群
请注明:姓名-公司-职位
以便审核进群资格,未注明则拒绝
|