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。
01
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。
02
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。
03
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:
1.先大致了解考试大纲和真题,对考试难度有个初步认识。
2. 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。
3. 最后进行一些模拟题的练习,检验成效、查漏补缺。
04
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 1 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。
01
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。
02
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。
03
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!
04
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。
01
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。
02
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。
03
如何高效地备考
1. 多学多练:
以实用为准,任何理论脱离实践则一无是处;
2. 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;
3. 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;
4. 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。
5. 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。
04
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。
想和前辈交流CDA认证考试?
扫描下方二维码,备注“CDA考试”加入考试交流群
扫描二维码
更多考试介绍及备考福利请点击:CDA 认证考试中心官网
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21