2018CPDA 数据 分析师考 试大 纲 第 一部 分考试 介绍 一、考试目标 数据分析师专业技术考试主要测试考生是否具备数据分析基础知识， 是否了解数据分析工作流 程及数据分析技术，是否具备利用数据分析知识解决实际业务问题的能力。 侧重考查考生对数据分析知识的掌握和应用， 借助数据分析知识解决实际数据分析工作和企业 决策工作的能力，根据企业决策的需要，对各种相关数据进行分析和评估能力。 考点涉及数据分析统计基础、 数据获取、 数据预处理、 数据可视化、 数据算法模型及客户数据 分析、 产品数据分析、 营销数据分析、 采购数据分析、 物流数据分析、 生产制造数据分析、 智 能供应链及投资收益风险分析等。 二、考试科目及考试形式 考试分为理论机考和实操笔试，考试时限分别为 90 分钟和 120 分钟 ，满分都为 100 分。 科目 考试方 式 题型 总分 及格分 考试时 长 数据分析理论知识 机考 选择、填空、判断题 100 分 60 分 90 分钟 数据分析算法与模 型 笔考 操作计算题 100 分 60 分 120 分 钟 数据分析应用 笔考 应用分析题（操作+ 分析） 100 分 60 分 120 分 钟 CPDA 数据分析师的认 证考核采取全国统一时间，每年四次。 三、教材与资料 数据分析基础 营销数据分析 供应链优化与投资分析 战略管理 面授讲义 是数据 分析师考生必修必考教材与资料。 四、知识点要求注释 识记：要求掌握概念、熟悉理论、重点考试要求范围； 理解：要求应知应会，非重点考试要求范围； 应用：掌握实际使用方法，运用计算工具或分析软件进行实 和分析，考试要求范围； 了解：拓展性知识，非考试要求范围。 第 二部 分 考 试内 容 根据数据分析师专业技术考试的考试目标、 科目和考试形式等要求， 数据分析师专业技术考试 科目要点包括但不限于以下内容： 一、 数据分析理论知识 数据分析理论知识是对考生数据分析基础知识的掌握程度的测试。 数据分析基础主要从数据分 析的整个流程去考查学生知识， 其中涵盖了数据获取、 数据预处理、 数据可视化、 数据分析算法与模型以及数据分析结论建议等方面的知识内容。 考试题型主要是客观题， 包含单项选择题、 多项选择题、判断题，以机考形式考核。 数据分析理论知 识考试内容： 1. 数据分析整体流程考察，以及各个环节常用方式方法。 （1 ） 数据及其分类。 （2 ） 数据分析基础知识： 概率统计基本概念、 参数估计、 假设检验、 数据分析基本方法等。 （3 ） 数据分析工具。 2. 数据获取 （1 ） 内部数据获取： 数据库基本理论、 关系型数据库、 非关系型数据库、 大数据存储和获取、 数据仓库。 （2 ）外 部数 据 获取 ：网 络 爬 虫、 物联 网 数据获 取 、 行业 数据 获 取、政 府 数 据获 取、 外 购交易 数据、API 数据获取等。 （3 ） 抽样调查技术： 抽样调查基本概念、 抽样方法、 抽样误差和精度描述、 抽 样实施步骤等。 3. 数据预处理 数据预处理的意义、方法、以及各种预处理方法的适用条件。 （1 ）数据的描述性分析：集中趋势测度、离散趋势测度等。 （2 ）数据清洗：缺失数据、异常数据等。 （3 ）数据集成。 （4 ）数据转换：数据标准化、数据的代数运 、数据的离散化等。 （5 ）数据规约：变量规约、数值规约等。 4. 数据可视化 （1 ）基本图表及其使用技巧。 （2 ）可视化工具优缺点及适用情况和意义。 5. 数据分析技术 机器学习基础 监督学习算法中回归和时间序列算法， 分类算法中逻辑回归、 决策树、 贝叶斯算法、 神经网络 算法、SVM 算法等原理及简单计算。 非监督算法中各种聚类算法， 降维算法， 以及关联规则算法、 文本挖掘中基本算法原理及简单 计算。 6. 数据分析应用 （1 ） 战略研究、 市场 研究、 消费者使用习惯 与态度研究、 品牌诊断 、 新产品研究、 广告研 究 、 渠道研究等。 （2 ）客户数据分析应用：用户画像的方法、维度分解和模型应用的简单分析与计算等。 （3 ）产 品数 据 分析 应用 ： 产 品定 位、 产 品设计 阶 段 数据 分析 模 型原理 、 产 品运 营数 据 分析模 型原等。 （4 ）营销数据分析应用：市场预测模型原理、价格模型原理、促销广告模型原理等。 （5 ）供 应链 优 化数 据分 析 应 用： 大数 据 智能供 应 链 、采 购模 型 原理、 生 产 模型 原理 、 物流模 型原理等。 （6 ）投 资数 据 分析 应用 ： 量 化投 资概 念 和特点 、 实 业投 资技 术 选择方 法 、 数据 编制 与 估算、 收益与风险数据分析等。 二、数据分析算法与模型 数据分析算法与模型主要考查学员对所学算法与模型的宏观掌握情况， 考查学员对数据分析基 本知识的掌握程度以及对于数据分析算法的理解以及应用算法的建模能力。 考试题型主要是通过算法模型进行案例分析，题量在 4-5 个左 右。以计算结果正误和解题思路步骤为考核标准。 数据分析算法与模型考试内容： 1. 机器学习算法 监督学习算法中回归和时间序列算法， 分类算法中逻辑回归、 决策树、 贝叶斯算法、 神经网络 算法、SVM 算法等。 非监督算法中各种聚类算法，降维算法，以及关联规则算法，文本挖掘基本算法。 2. 应用模型 KANO 模型、PSM 模 型、 巴斯模型、 规划求 解、 层次分析法、 节约 里程法、 经济生产 （订 货） 模型、收益评价指标计算、盈亏平衡分析 、敏感性分析 、风险概率分析。 三、数据分析应用 数据分析应用主要考查学员在实战中 运用分析原理、 选择合适的分析方法和决策的思维解决实 际业务问题的能力。 考试题型主要是通过数据分析流程、 分析业务背景辨别适合应用的分析算 法模型，并综合评估分析结果，对实际问题进行分析、预测并提出解决方案。 考试题型是大案例分析， 题量在 2-4 个左右 。 以分析思路步骤和预测结果与真实数据误差项 为考核标准。 数据分析应用考试内容： 1. 数据获取 （1 ） 结构化数据获取方式和方法。 （2 ） 非结构化数据获取方式和方法。 2. 数据预处理 （1 ）数据的描述性分析：集中趋势测度、离散趋势测度等。 （2 ）数据清洗：缺失数据、异常数据等。 （3 ）数据集成。 （4 ）数据转换：数据标准化、数据的代数运算、数据的离散化等。 （5 ）数据规约：变量规约、数值规约等。 3. 数据可视化 （1 ）基本图表及其使用技巧。 4. 数据分析技术 机器学习基础 （1 ） 方法选择; 监督学习算法中回归和时间序列算法， 分类算法中逻 辑回归、 决策树、 贝叶 斯 算法、神经网络 算法、SVM 算法等。 非监督算法中各种聚类算法，降维算法，以及关联规则算法、文本挖掘中基本算法等。 （2 ）方法评估 5. 数据分析应用 （1 ） 战略研究、 市 场 研究、 消费者使用习惯 与态度研究、 品牌诊断 、 新产品研究、 广告研 究 、 渠道研究等。 （2 ）客户数据分析应用：用户画像的方法、维度分解和模型应用等。 （3 ）产品数据分析应用：产品定位、产品设计阶段数据分析、产品运营数 等。 （4 ）营销数据分析应用：市场预测模型、价格模型、促销广告模型等。 （5 ）供应链优化数据分析应用：大数据智能供应链、采购模型、生产模型、物流模型等。 （6 ）收益与风险数据分析应用等。 第 三部 分 考 核目标 考点 要求 题目难易程度比例 分配（难、中等、 易） 数据及分类的相关知识 识记 易50%, 中等25%， 难25% 概 率 统 计 相 关 知 识 （ 数 据 分 布 、 参 数 估 计、假设检验等） 识记 易25% ，中等50%， 难25% 数据分析工具 理解、应用 易25% ，中等50%， 难25% 结构化数据获取 （数据库基础理论知识、 SQL 语言相关知识） 识记 易50% ，中等25%, 难25% 非 结 构 化 数 据 获 取 （ 非 结 构 化 数 据 获 取 方式和相关概念） 识记 易50% ，中等25%, 难25% 抽样调查技术 理解 易50% ，中等25%, 难25% 数 据 分 析 基 础 指 标 （ 集 中 趋 势 、 离 散 趋 势等指标） 识记 易25% ，中等50%， 难25% 数 据 预 处 理 方 法 （ 数 据 清 洗 、 数 据 转 换 等方法） 识记、应用 易25% ，中等50%， 难25% 数 据 可 视 化 （ 各 种 图 表 相 关 知 识 和 应 用 场景） 识记、应用 易25% ，中等50%， 难25% 数 据 分 析 各 种 算 法 （ 监 督 学 习 算 法 与 非 监督学习算法） 识记、应用 易25% ，中等50%， 难25% 产 品 分 析 模 型 和 应 用 （ 各 种 算 法 应 用 ， 以及kano 模型，PSM 模型等） 识记、应用 易25% ，中等50%， 难25% 客 户 分 析 模 型 和 应 用 （ 客 户 画 像 分 析 流 程及应用） 识记、应用 易25% ，中等50%， 难25% 营 销 分 析 模 型 和 应 用 （ 市 场 预 测 模 型 、 价格模型、促销广告模型等） 识记、应用 易25% ，中等50%， 难25% 供 应 链 优 化 （ 大 数 据 智 能 供 应 链 、 采 购 模型、生产模型、物流模型） 识记、应用 易50% ，中等25%, 难25% 投资分析（收益和风险分析等） 识记、应用 易50% ，中等25%, 难25%