标签：英文 模拟题 cal 注意 手册 积累 操作 租赁 信息
第九届CDA数据分析师认证考试在2018年12月底圆满地落下了帷幕。
成绩已经揭晓（https://www.cda.cn/bigdata/26446.html），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。
今天为大家带来的是CDA认证考试 Level 1 中成绩前六名的几位大神。其中四名并列状元，两位榜眼。下面让我们来一睹他们的风采吧！
Level 1 状元
魏杨颖
Q1 目前从事的工作
目前从事金融方面的工作，还没有系统的数据分析经验。但是数据分析是我一直以来想做的，掌握数据分析技能会让工作更高效。
Q2 报考CDA认证考试的契机
近年来大数据是行业发展的趋势，同时我一直以来都对数据分析很感兴趣。之所以选择CDA认真考试是因为，我觉得当中不同级别的要求具有阶段性，能够在循序渐进的同时，根据自身需要进行较为系统的规划，而考试本身也能够也是检验自己的学习效果，是一种动力也是鞭策自己的方式。
Q3 我是如何备考的
目前因为我是工作状态，因此备考时间也比较长。我大概是从9月底的样子真正开始备考，学习时间主要在工作空隙的零散休息时间、以及下班回家后或周末进行集中复习。
我没有制定很细的备考规划，但有几个大致阶段，可根据实际情况自己定：
第一阶段：考试大纲（大方向知道要考哪几块内容）+相关备考书籍（笔记）
第二阶段：考试大纲（明白具体要考的内容）+大纲解析（笔记）
第三阶段：查漏补缺+笔记
我想主要聊聊备考三个阶段中，关于记笔记我是如何做的。
第一阶段的笔记是自己看书时记的笔记，记的内容会尽可能详细，所记内容可能不在大纲要求的范围内。但是会比较系统的构建知识体系，对内容会有比较好的理解；
第二阶段的笔记主要是根据考试大纲解析的内容所做的，这部分针对考试的要求进行整理。这部分笔记的内容会和第一阶段的进行整合，之后主要是看整合后的笔记，如果有不清楚的地方，再回归到书籍；
第三阶段的笔记在整合后的笔记的基础上在进行删减，删减自己确定已经理解并记忆的内容，剩下自己还不够确定的内容，以及在做模拟题时出现、而自己之前未注意到的内容。要试着化简为繁，化繁为简。
Q4 推荐的书籍和课程
我在备考Level 1时，主要看了大纲推荐的几本书：
贾俊平的《统计学》，基础很重要；
《SQL经典入门，比较通俗易懂；
《数据挖掘与预测分析》这本书比较厚，有时间可以都看一下。整体感觉还是不错的，如果时间较紧凑，可以看与考试相关的部分，重在理解；
当然CDA的考试辅导手册还是很重要的，特别是知识点的梳理和归纳。
课程方面，在备考的最后阶段我报名了《CDA LEVEL I业务分析师考前冲刺课》，听老师梳理考试大纲解析和自己看感觉还是不太一样的。
Q5 给备考者的建议
· 参加考试的前提最好是对数据分析有兴趣，而不是为了考试而考试，不然备考的过程会会比较难。
· 多看书，碰到问题时，要积极寻找各种方法解决，可以上网查询，也可以和一同备考的同学沟通、交流。
· 不要有太大的压力，休息好也很重要。每个人都有自己的节奏，按照自己的节奏走就可以了。
Q6 今后的发展规划
目前我的实操经验还很不足，希望今后自己可以有能力把理论运用到实际工作中。当然，今天我也要不断巩固、填充理论知识，能够根据环境的变化不断进行优化、提升。
邓志远
福州大学研究生在读，目前研二统计学专业。
Q1 报考CDA认证考试的契机
作为一名学统计学的学生，我认为学到的课堂知识只经过学校的考核是不够的，课堂知识需要与社会接轨才更有利于未来的发展，因此我想要借助考CDA对自身进行检验和提升。
学校学的东西要么比较偏理论，要么就是工作后不太用得到，报考CDA认证考试能够够让我学习更多处理实际业务的知识。同时，为了适应未来工作的需求我需要提升自己对实际业务数据的敏感度，学习更多的处理数据方法，学会更多的处理数据模型，还有提升编写代码的能力。报考CDA更多是为了给自己定一个学习的目标，找到一个方向去学习，就不会迷茫。
Q2 我是如何备考的
自己是学统计学出身，本科又是数学系，所以很多知识点都比较容易理解，并没有很难的知识点。
备考中主要的难点在于新知识比较多，特别是SQL的语法与数据采集与处理两块知识量比较大，学起来会花一些时间，但难度都不大，熟悉了就好。因为有一定的基础，所以我准备考试仅花了10来天，花了5-6天系统学习了SQL的网络课程，后面就照着大纲复习，遇到不懂的或者生疏的知识点就上网搜索。用得最多的就是CSDN博客和贾俊平写的《统计学》这本书，备考的十多天平均每天学8小时。
Q3 推荐的书籍和课程
《CDA数据分析师考试辅导手册》（里面包含大纲和一些习题以及一套模拟卷，考试的范围都在里面）
《统计学》贾俊平（这本书是我研究生学习统计学基础课程的数目，编写的很好讲的很详细，适合新手使用）
CSDN博客（大纲中的任何模型或者代码不懂都可以到此博客搜索，很多专业人士免费解答，而且深入浅出易于理解）
CDA的相关课程，集中学习了Python和SPSS等统计软件
Q4 给备考者的建议
针对大部分同学，学习统计学基础的时候不要拘泥于公式的推导，比如不要想着弄明白这公式为什么这么写，为什么p值小于一个数就可以拒绝原假设之类的问题。只需要知道什么情况下用什么公式，公式中的符号带入到业务中具体有什么经济含义就好了。
SQL部分的基本语法一定要吃透，不熟悉代码的同学可能会多花一些时间，但说白了就是一种语言，多读读多听听课程就会觉得挺简单的。CDA Level 1 中考SQL语法涉及到的逻辑题不深，不用担心。
数据采集整理这一块是偏记忆性的内容，看大纲就好；建模分析这一块内容较难，大纲内的模型需要搞明白，而且个人认为这一块内容很重要，需要认真学习。针对考试来说就比较简单了，只需脑海里有各个模型的大致框架，数学每个模型适用范围就好。
最关键的就是：大纲的习题很重要！
Q5 今后的职业发展规划
我今后想从事数据分析师方向的工作。做商业数据分析，熟悉行业之后金融管理，也可能进入互联网金融行业。五年内期望就是能够达到年薪20w+，个人能力有提升，在数据分析行业工作有成就感。
楼佳妙
Q1 目前从事的工作
在一家五百强公司做传统企业的数字化转型项目
Q2 报考CDA认证考试的契机
我报考是因为工作需要，也是为了增加职场技能。同时我也在自学数据分析，希望通过报名CDA考试对自学的效果进行检验。
Q3 考试中有哪些知识难点
在备考中，我就用了大纲推荐的统计学教材，其实个人感觉一般大学统计学教材都是可以的。
关于多元统计学的部分，包括主成分、因子分析、对应分析等知识点，我感觉还是很难理解的。要完全吃透，需要很强的线性代数基础。但学弟学妹不用紧张，考试不会考察数学计算，只要求理解和应用场景，只需配合统计教材，反复多看几遍教辅材料，把关键点用小本子记下来。考试都是选择题，妥妥的稳。感谢这么多优秀的统计软件，让我们这些已经退化的数学渣也可以做数据分析。
Q4 给备考者的建议
· CDA Level 1的考试还是蛮容易的，体型都是选择题，计算题的步骤很少，手算即可。所以备考时可以完全不用紧张，放宽心，备考的压力不大。
· 有一些概念和名词需要学习一下，多看几遍考试材料，关键概念小本子记下来。
· 感觉考试注重各种算法模型的实际应用场景，要知道不同需求用什么方法合适，模型里的各种参数该怎么设置等。
Q5 今后的职业发展与规划
希望自己可以继续在数据分析领域学习和成长，关于机器学习、Python、SQL等方面我还有很多要努力的。没有特别的规划，多学习总是好的。
朱捷
2013年毕业于复旦通信工程专业，毕业后从事软件研发工作。2017年至今攻读非全日制工程硕士课程，主要学习研究软件工程以及数据挖掘等方向。
Q1 目前从事的工作介绍
目前从事工作为软件研发，公司主要致力于智能仓储系统以及装饰企业互联网解决方案。目前的工作中涉及数据分析的工作较少，但当下企业的互联网解决方案大都会涉及大数据采集和分析，加之本人对该方向也较有兴趣，所以感到有深入学习数据分析的必要。
Q2 报考CDA认证考试的契机
周末就读工程硕士课程时，学习过一些数据挖掘的课程，但平日工作繁忙，学得比较粗疏。主讲老师提到过CDA考试，于是考虑以考试为激励，使自己能够系统深入地巩固数据分析的相关知识点。
Q3 我是如何备考的
我想最主要的还是注意平时的积累，系统的学习一些经典的教材。单纯就备考而言，在考前务必用一到两周时间把官方的辅导手册完全消化，将其中不理解的或感到模棱两可的内容搞懂，最后做一些真题模拟一下应该就可以了。
Q4 推荐的书籍和课程
推荐书籍首先是贾俊平的《统计学》。抛开考试不谈，这本书是数理统计领域中文教材中的翘楚，我觉得很有必要通读。就考试而言，《统计学》基本涵盖了考纲中的Part1和Part4两个最重要的部分，而且讲解得比官方辅导手册细致得多。
《An Introduction to Statistical Learning with Applications in R》（James, Witten, Hastie & Tibshirani）我觉得本书是英文教材里面最容易上手的了，非常适合初学者入门，考纲里涉及的模型，书中大多有涉及，而且写的清晰易懂，供各位同学参考。
Q5 给备考者们的建议
就建模这一块，不应拘泥于考试，其中涉及的模型应尽可能做到理解，因为这些模型是实践的基础，也是深入研究相关课题的起点，不应该只是为了通过考试而死记硬背。其他的内容也最好联系实际，比如SQL，如果平时工作中有所积累，基本上只要细心一点就可以了。
Q6 今后的职业发展和规划
LEVEL 1 基本上属于理论考试，当然对于机器学习或者大数据领域，最终还是要体现于实践。今后会致力于提升实践能力，期望最终能将大数据采集和分析的做成模块，应用在公司的具体项目或者产品中。
Level 1 榜眼
朱宇轩
Q1 目前从事的工作介绍
曾就职于一家知名的互联网公司，主要从事商业咨询和分析，但是涉及数据分析的部分不是很多。
Q2 报考CDA认证考试的契机
我不太像其他几位前辈一样，之前就有比较丰富的数据分析的经验，我应该算是这个行业的新人了。但是我对数据分析的行业有浓厚的兴趣，也喜欢和数字打交道，喜欢从原始的数据中提取出有价值的信息，并制作出有趣的可视化图表，以帮助使用者进行决策。CDA是目前业内知名的，大纲体系完备的，从理论到实践的资格证书，所以我选择从一级开始学起，跟着CDA从基础的大门一步一步走上数据分析这座高楼大厦。
Q3 我是如何备考的
我的备考时间还是比较仓促的，11月底报的名，12月初才开始准备，中间也断断续续，然后一晃就到了年底。复习的方法还是根据大纲来看，不懂的地方再去找书深挖。时间方面可以佛系一些，不用每天硬要看多少页或者几小时，但是一旦有时间不要忘了自己还是有书要看。一级还是基础为主，理论学扎实，后面实操才会得心应手。
Q4 备考中有哪些知识难点
对于我来说难点主要在于SQL和建模分析。前者主要是从来没有接触过，但是书单上那本SQL入门经典还是很有帮助了，一个周末就能读完。后者的难点在于大纲上的数学演绎，但是从应试的角度来说不会考这些，但是要理解这些方法的使用。
Q5 推荐的书籍和课程
大纲推荐的那本SQL参考书比较适合像我一样之前完全没有接触过SQL的同学使用。另外，对于比较难的第四章建模分析，可以参考张文彤老师的两本SPSS的书。当然有充足时间的同学可以参加一下经管之家推荐的网课和书籍，肯定大有裨益。
Q6 今后的职业发展和规划
希望被CDA领进门之后，可以在数据分析的领域越学越深，发现更多好玩的事情啦。也希望在FinTech的趋势下，CDA将是我们乘风破浪的好伙伴。
孙君
所学专业：金融学（证券期货方向）。2013年毕业后主要从事债权投资工作：业务拓展、风险控制、产品设计。
Q1 目前从事的工作介绍
目前就职于天津车易行汽车服务有限公司，从事汽车融资租赁业务数据分析。
Q2 报考CDA认证考试的契机
我备考CDA考试主要是为职业转型做准备，打算通过考试后找工作，从事车贷方面数据分析。从数据分析师招聘信息来看，大多数企业倾向招有理工科专业背景人才，如：统计学、数学、计算机等，考虑到自己非科班出身，没有数据分析岗位经历，也没在名企工作过，又不是985/211院校毕业，这就很需要有较权威的第三方机构对数据分析技能进行认证。
Q3 在备考中，有哪些知识难点
对应分析、多维尺度分析，到开考时也没弄明白来龙去脉，靠机械记忆应付考试。
Q4 推荐的书籍和课程
《从零进阶!数据分析的统计基础》，该书适合统计学入门读者，相较于高等院校统计学教材，删减了很多不必要公式，基础知识结构完善，配有软件操作指导和练习题，很多内容通俗易懂。
《胸有成竹!数据分析的SPSS和SAS EG进阶》，相比上本书，内容进一步深入，软件操作演示知识点，加深读者的理解。
《CDA数据分析师考试辅导手册》（电子版，报考后可获取），该书列出了考试重点，配有知识点和习题讲解，非常适合备考时间紧张的读者使用。
Q5 对备考者们的建议
根据自身职业发展规划，有选择地学习，以及决定是否报考。
（1）学习过程中，要重视掌握基础知识，理解记忆，建立自己的知识体系，可通过画思维导图来理清思路。对于书中习题，可以好好研究来巩固所学，挖掘习题蕴含的知识点，揣测出题人的出题思路。
（2）临近考试时，先抓大放小，后查漏补缺，着重学习考试辅导手册（上文推荐的）中所列知识点。进行模拟考试，可到CDA练习题库（ [http://tiku.cda.cn/tiku.html](http://tiku.cda.cn/tiku.html ）选择与考试大纲所列知识点相关习题来做。另外准备好多功能计算器，熟悉相关操作方法。
（3）考试过程中，心态放轻松，稳坐会，求全对。对于答案不确定的试题，不必纠结，做好标记，待全部做完后仔细研究，然后再次确认其它试题答案，以防误选。
（4）考试大纲中推荐学习书目中有2本，自认为完全没必要看（若为应付考试），分别是：《数据挖掘与预测分析》、《利用Python进行数据分析》。
Q6 今后的职业发展和规划
把目前从事的数据分析工作做深做透，希望能够在汽车金融数据分析领域有所建树。
第十届考试报名已开启
考试时间为2019年6月29-30日
欢迎报考！
考试报名通道：
http://exam.cda.cn/?seo
标签：英文 模拟题 cal 注意 手册 积累 操作 租赁 信息
原文地址：https://www.cnblogs.com/CDA-JG/p/10313728.html
