作者艾伦 　　

　　

　　本文是CDA的一篇征文作品，是《我知道我在做什么》 　　

　　

　　首先，“谦虚地”立个旗，今年年底 LEVEL III 必过，两年通关CDA！(欧洲气十足) 　　

　　

　　其实我内心还是有点担心的。三级要考案例练习，Python还不是很滑。而且还没有正式开放模拟测试，所以我对测试的形式有些不确定。 　　

　　

　　不过我还是对一级和二级都拿A有一些看法(自豪)。在此分享给大家，希望对正在备考的朋友有所帮助！ 　　

　　

　　

01、学习的动力

　　

　　

　　我在一家互联网电商平台做运营岗，数据分析科属于小白。虽然我有一定的EXCEL基础，但是相对于平时工作中接触到的用户行为数据和产品数据的分析来说，完全不够用，所以我要提高自己的数据分析技巧。于是我从一开始就在网上搜索、自学，逐渐了解了大数据、数据库、机器学习这些专业术语，尤其是受到数字化转型的影响。 　　

　　

　　另一方面，我是商科出身。毕竟数据分析也是为业务服务的，所以业务经验和专业技能对我来说还是比较靠谱的，所以我决心去学习，去推自己。 　　

　　

　　

02、备考过程

　　

　　

　　我从19年开始自学数据分析。打定主意后，我就把CDA认证作为了最终目标(毕竟是老认证)。 　　

　　

　　考试的正式准备始于2020年，平均每天学习2小时左右，主要以看书（10本）、刷题（官方2000题）和辅导视频（官网课程）为主,到现在已经将近两年了。痛并坚持着，很难坚持下去，但最后，没事了。一级和二级都得了A的成绩，也算是享受了一种来自内啡肽的快乐。 　　

　　

　　目前正在继续准备三级，希望两年后梦想成真，噩梦结束。 　　

　　

　　

03、备考经验

　　

　　

　　CDA LEVEL I 　　

　　

　　首先说一级： 　　

　　

　　我已经为考试准备了大约三个月。在备考之前，我先找官方的考试大纲，通过整体把握来了解各模块的大致内容、关系和学习路径，做到心中有数。这是一级的考试大纲： 　　

　　

　　 　　

　　

　　在上图中，LEVEL I 就是入门概念+基础技能+可视化，以业务描述性分析为目标作为一个整体分为七个章节。大纲的安排是先让考生了解数据分析的基本概念、方法和职业，然后以分析过程为路径，先了解数据是什么，如何获取，获取后有哪些分析方法，如何将这些方法与业务相结合，最后得到可视化的分析结果。思路清晰，学习才能有的放矢。对于我(非技术背景)来说，最难的部分应该是SQL数据库。毕竟有代码部分，但是学起来很容易上手。更重要的是，知道我考试不会考编程，很欣慰。 　　

　　

　　我正在准备考试， 　　

　　

　　第1部分概述 　　

，Part 2 数据结构两部分，内容偏简单，我没有专门看什么书，主要是对考纲中的名词和概念进行了简单记忆，结合视频和刷题就足够了。

Part 3 数据库部分是我重点学习的部分，这块我推荐《SQL入门经典》这本书，结合Mysql多加练习，基本一个月时间就可以掌握了。

Part 4 描述性统计分析部分，整体非常简单，因为大学学过统计学，基本内容温习下即可掌握，稍微难一点的属于分布和相关分析部分，但是实际题目中比例较低，也不会有公式推导这样的变态题目，有一些计算题。这块内容我准备了两周左右。

Part 5 和 Part 7 部分实际就是EXCEL的活用和延展，首先要掌握EXCEL基础的一些技能（不用学很多函数，考试不会考），然后结合Power BI工具，动手操作起来，最好能做一些老师推荐的案例。因为我在工作中经常会做一些简单的图表和数据透视分析，于是在工作中就把学的内容进行应用、探索和验证。

重点说下Part 6 部分，内容感觉很实用但是考试来讲又有点虚，因为这块内容的有些概念是比较超前的，是需要在业务中长时间积累的，简单来讲就是电商领域经常说的“人货场、进销存、漏斗”等。由于此部分内容目前还没有专门的教材可供学习，所以我重点还是以辅导视频为主，然后就大纲中规定的知识内容进行自主搜索、拓展学习，并在刷题中总结出这类题目的大体规律。

基本可框定两个范围:

• 业务各环节的相关指标学习（流量相关指标、转化相关指标、营运、销售相关指标、库存类指标、常用财务指标、绩效类指标、客户相关指标）；
• 大纲业务分析方法模块中涉及的方法概念和相关案例（客户分析，商品分析，流量、转化分析，行为效果分析，业务分析模型，业务分析方法）。

LEVEL I 官方的推荐书籍都是选读，这是官方推荐目录：

结合我自身的经验推荐大家必读的有《SQL入门经典》和《统计学》两本就足够了。

CDA LEVEL II

其次说下LEVEL II：

LEVEL I 拿到A后信心满满，短暂休息了一个月，就开始了LEVEL II 的备考。
因为LEVEL II 涉及的教材和学习资料较多，并且还学习了Python，所以LEVEL II 备考我准备了大概4-5个月时间。

以下是LEVEL II 的考纲：

整体来讲，LEVEL II 为数据分析的进阶内容。以专业数据分析流程，分为了6个部分，数据的采集与处理，采集后对数据进行规范化储存管理，接着根据业务的需求进行标签体系的设计，对标签数据进行统计分析、建模，最终数字化工作方法部分为目前比较火热的数字化转型内容，侧重与业务分析流程。LEVEL II 中重难点部分在于统计分析与数据分析模型两部分，这两块设计的专业知识多，要求高的话会用到python进行分析，但值得庆幸的是，LEVEL II 也不考编程操作。

• Part 1数据的采集与处理部分中，关于市场调研、问卷等都属于简单基础的内容，重点在掌握一些数据处理的方法，基本任意一本数据分析书籍中都会有这个部分的讲解。
• Part 2数据模型管理内容，可以参考DAMA数据管理知识体系指南这本书，找到相应的知识点进行复习，基本也是理论的内容为主。
• Part 3标签体系和用户画像，这部分的内容也是以业务积累为主，目前很难找到对应的专业教材，加上考试的比例较低，看辅导视频加模拟题学习就可以了。
• Part 4统计分析部分偏理论内容，可以延续LEVEL I 的《统计学》教材进行对应学习，将每个概念理解透彻，掌握大纲中关于“应用”部分的要求，不用纠结公式推导部分，考试中会涉及一些计算题，只要能够掌握一些常用的重要计算公式即可。
• Part 5数据分析模型部分是为以Part 4为理论基础，进行数据的建模分析，这块内容专业性高，可以参考《统计分析：从小数据到大数据》，《Python数据科学》两本书，学习过程中尽量能用相应的分析工具进行操作练习，加深理解记忆，如果不想编程的小伙伴可以用SPSS进行，但作为一名互联网分析师，Python肯定是必备的技能之一。
• Part 6数字化工作方法是偏管理层面的企业数字化转型内容，侧重点在根原因分析，可以学习《根原因分析-简化的工具和技术》这本书，且重点看老师对这块内容的讲解。

关于LEVEL II 的一些必读选读书籍，官方已经推荐出来，个人建议根据官方的要求学习即可，LEVEL II 主要就是在于花时间，除了啃书看视频，还得实操起来，方能拿到一个理想的成绩。

CDA LEVEL III

最后简单说下LEVEL III ，因为还在备考中，所以对于LEVEL III 的经验分享也只能是一个简单的开头，通过跟其他考生的咨询交流，也有一些重点学习方法。

整体来讲，LEVEL III 在于高级数据分析、数据挖掘、机器学习。

内容涵盖高级分析师的各项基础及进阶的知识点。基础的部分包括数据挖掘基础、高级数据预处理以及机器学习算法。进阶的部分则包括高级特征工程技术、自然语言处理与文本分析及深度学习。在机器学习实战上,涵盖当今较火的几个主题，包括自动机器学习、类别不平衡问题的处理模式、半监督式学习以及模型优化的方法。

LEVEL III 的复习大家推荐的是两本重点教材，《数据挖掘导论》和《数据挖掘：概念与技术》；其次还包括官方必读的几本《机器学习》、《精通特征工程》、《文本分析》等，如下图：

其次就是对模拟题中的案例操作题进行反复的练习，最好能用Python，之前有考生也用的SPSS Modeler这个工具，因为听说案例操作题是历年考过的真题，并且模板和套路都类似，只是需要用的算法可能会不太一样。在此也强烈种草李御玺老师讲的辅导视频课，幽默风趣，深入浅出，对我来讲学习起来很快乐！关于LEVEL III 的一些详细备考方法，得靠通过的大神们分享了。

结语

磕数据的这两年，不仅让我学习了新的技能，而且真正帮助到了我的工作和发展，受益颇深。

这过程让我体会到世界变化之大，稍不留意，新技术可能又来了，无论是企业还是个人，在数字化的潮流中只能勇往直前，只要有这份信念，相信你也能成功上岸！