北京大数据的分析技术培训

认证简介

CDA（Certified Data Analyst），是在数字经济大背景和人工智能时代趋势下，面向全球全行业的专业资格认证。CDA引领全球CDA持证者秉承着先进商业数据理念，遵循着《CDA职业道德和行为准则》新规范，发挥着自身数据专业能力，推动科技创新进步，助力经济持续发展。CDA行业标准由国际范围数据领域的行业专家、学者及知名企业共同制定并每年修订更新，确保了标准的科学性、前沿性。

CDA认证考试共分为 CDA LEVELⅠ，LEVEL Ⅱ，LEVEL Ⅲ三个等级。

CDA-L1认证课程，专门为希望零基础学习业务数据分析技能的在职人员以及希望参与CDA-L1考试的人员开设。

认证价值

部分政企项目招标要求的加分资格认证

自2013年以来，众多企业在部分政企项目竞标过程中，被要求提供CDA认证证书，作为企业数据业务能力重要资质，且需要团队有一定人数以上的CDA持证人才符合招标要求，可在评标过程中获得加分优势。

部分企业晋升员工加薪的重要依据

根据《2020年CDA持证人报告》，持证人普遍薪资高于非持证人，在企业中获得晋升，也是企业内部职位提升与加薪条件之一。

更多的官方认可打通证书价值链

考核通过后，获得的CDA数据分析师中文证书，由中国成人教育协会数据分析教育培训专业委员会监制。

部分企业招聘持证人优先

联通、神州数码、中软国际等企业招聘职位描述中将CDA持证人列入优先考虑。

德勤（Deloitte）将CDA认证纳入员工手册，给予员工CDA考试补贴。

中国电信、苏宁等企业引进CDA人才参考标准，在企业内部推动CDA认证考试。

课程大纲

培训共计4天，每天6小时，具体日程安排如下：

日程章节核心内容

第一天

上午第 1 章

数据分析思维1.**CA 时代的数据分析需求：

数据分析的归纳与演绎方法。

2.流程化企业数据分析需求：

介绍流程化企业特点

数据分析在流程中的落脚点

3.企业数字化转型的进展：

以用户体验为中心的商业模式

以数据分析为中心的架构模式转型

感知型企业的发展目标

4.企业需要的数据应用能力：

概述企业数据应用能力

分析不同决策层级（战略层、管理层、运营层、操作层）对数据的需求

5.数据分析的基本概念：

讲解对数据和数据模型的理解

数据分析的分类

商业数据科学应用框架 EDIT

6.知识小结与 QA 问答

 第 2 章

数据分析方法（上）1.数据分析的基础范式：

分类分析

链式分析

相关分析

2.由基础分析范式引申出的 6 种分析方法：

趋势分析法

对比分析法

构成分析法

分布分析法

关系分析法

流向分析法

第一天

下午第 2 章

数据分析方法（下）1.统计制图原理：

整理数据

明确要表达的信息

确定比较的类型和图表类型

统计图的补充说明

2.知识小结与 QA 问答

 第 3 章 

商业数据分析框架 1.商业数据分析体系构建：

从战略、财务、客户关系、内部流程、员工成长与文化建设视角展开

 2.商业数据分析总体流程：

分别介绍业务角度和技术角度的流程

 3.各视角分析方法及示例：

远景战略分析（企业 SWOT 分析示例）

财务视角分析（企业收入趋势、财务费用趋势分析示例）

客户与市场视角分析（用户细分分析、电商平台客户个性化营销示例）

内部流程视角分析（VSM 价值流分析、银行贷款流程优化示例）

4. 知识小结与 QA 问答

第二天

上午第 4 章

战略数据分析1.战略数据分析基础：

表格结构数据操作说明

输入数据和资源需求

2. 战略数据分析关键步骤：

桌面研究（概述、行业分析方法和流程、竞品分析方法和流程）

调查研究（流程、定性方法和定量方法）

3. 战略数据分析报告呈现

4. 知识小结与 QA 问答

 第 5 章

业务数据分析（上）1. 业务数据分析基础：

业务数据分析产出物

关键术语

2. 输入和资源需求：

输入需求

资源需求

第二天

下午第 5 章

业务数据分析（下）1. 业务数据分析的步骤：

明确业务关注事项

发现问题

归因分析

优化策略

验证想法

2. 报告呈现

3. 知识小结与QA问答

 第 6 章

描述性统计分析1. 变量度量类型与统计量：

变量度量类型与分布类型

分类变量、连续变量（集中趋势、离散程度）的参数

数据分布的对称与高矮

统计量与报表和统计制图的关系

2. 总体参数和样本统计量

3. 参数估计方法：点估计、区间估计和中心极限定理

4. 知识小结与QA问答

第三天

上午第 8 章

SQL 语言基础与 MySQL 入门1. SQL 语言概况

2. SQL 查询语句：

简单查询并对数据过滤与排序

创建新列

在查询中实现汇总和分组汇总

表的横向连接、子查询、表纵向合并

集合操作语句

3. SQL 创建表或视图

4. 知识小结与 QA 问答

第三天

下午第 7 章

指标体系构建方法1. 指标概述：

指标的基本概念

指标值的计算

2. 通用指标介绍：

求和类、计数类、比较类指标计算方法

3. 场景指标介绍：

按企业产品类型、部门职能划分

4. 指标体系介绍：

从技术加工、业务层级角度分类，介绍指标库、维度库

5. 指标体系自上而下搭建方法：

设计框架

核心术语和主要技术

设计方法

实践方案

6. 知识小结与 QA 问答

 第 9 章

用户标签体系与用户画像专题1. 案例：

某企业基于用户标签的营销

2. 标签的分类：

从研究客体的数据类型、标签的时态、标签的加工角度分类

3. 用户画像：

用户分群的发展历程

快速入手用户画像

用户细分的方法

4. 案例：

用 SQL 和 Excel 实现用户画像（思路、数据集介绍、SQL 数据处理、Excel 做用户画像）

5. 知识小结与 QA 问答

第四天

上午第 10 章

简单时间序列分析方法1. 认识时间序列

2. 效应分解法时间序列分析：

直观理解

算法解析

使用 Power BI 演示

3. 案例：时间序列预测

4. 知识小结与 QA 问答

 第 11 章

数据治理1. 数据治理驱动因素

2. 数据治理体系：

数据治理域

数据管理域

数据应用域

3. 如何开展数据治理：

准确地定位数据治理

明确数据应用方向

多层级全方位进行治理

4. 知识小结与 QA 问答

第四天

下午第 12 章

数据模型与数据建模1. 数据分类

2. 数据架构和数据模型：

数据架构的基本概念

数据模型基础和数据模型类型

数据建模的层次

3. 数据仓库体系和 ETL

4. ETL 与 ELT 区别

5. 数仓与数湖结构分析

6. 知识小结与 QA 问答

 第 13 章

指标体系管理1. 指标管理：

指标数据元和指标数据标准

指标数据质量评价维度

2. 企业级指标体系建设方法与步骤：

指标体系构建方法

全生命周期建设步骤

3. 指标体系管理的问题与挑战：

常见问题

面临的挑战

4. 指标体系管理：

指标体系的生命周期

管理体系

5. 知识小结与 QA 问答

备注：基于课程设计的整体考量，部分章节授课顺序有所调整。

专家讲师

郭老师 数据分析专家 | 中培伟业特聘金 牌讲师

郭老师长期致力于数据管理、大数据分析及信息化架构领域的研究与实践。作为DAMA大中华区特聘培训讲师、工信部大数据工程技术人员教材撰写专家，他不仅在数据治理体系构建、数据资产管理等方面具备深厚理论 功底，更在业务数据分析的实际应用与人才培养方面积累了丰富经验。

郭老师曾多次为中央企业、金融机构及政府部门提供数据类项目咨询与规划服务，并主导多类大数据分析与可视化项目实战。其授课风格深入浅出，逻辑清晰，善于将复杂的数据分析理论转化为易于理解和应用的实操内容。课程不仅注重认证考试要点，更强调实际工作中的问题解决与价值落地，深受学员与企业好评。

考试须知