2018数据分析师考试大纲
2018年《行政职业能力测验》考试大纲
2018年《行政职业能力测验》考试大纲一、考试说明《行政职业能力测验》全部为客观性试题, 由数量关系、言语理解与表达、判断推理、资料分析和公共基础知识五部分组成。
二、作答要求务必携带的文具有: 签字笔或钢笔（最好为黑色签字笔）、2B铅笔和橡皮。
考生必须用2B铅笔在机读答题卡上作答, 作答在试卷上的一律无效。
三、考试结构(一）数量关系数量关系一般有两种类型的题目。
第一种题型: 数字推理。
给你一个数列, 但其中缺少一项, 要求你仔细观察这个数列各数字之间的关系, 找出其中的排列规律, 然后从四个供选择的答案中选出你认为最合适、合理的一个, 来填补空缺项, 使之符合原数列的排列规律。
例题:1, 2, 4, 7, （）, 16A. 9B. 10C. 11D. 12解答: 这一数列的排列规律是相邻两项之差构成一个等差数列1, 2, 3, 4, 5, 故空缺项应为11。
正确答案为C。
第二种题型：数学运算。
主要考察解决四则运算问题的能力。
在这种题型中, 每道试题中呈现一道算术式子, 或者是表述数量关系的一段文字, 要求考生迅速、准确地计算出答案。
例题:若每隔一米远栽一棵树, 问在123米的道路上共栽多少棵树？A. 121B. 122C. 123D. 124解答：要考虑到起点和终点两处都要栽树, 共124棵树, 所以答案为D。
（二）言语理解与表达言语理解与表达着重考察考生对语言文字的综合分析能力。
涉及到词语运用、句子表达、阅读理解与运用等文字方面。
其题型一般有三种。
第一种题型: 选词填空。
这种题型先呈现一个句子, 在某些关键词的地方留出空位, 要求从题后所给的四个词中选出一个词填入句中, 从而使句子的意思表达得最准确、最连贯、最完整。
例题:这是一个秋季的薄阴的天气, （）的云在我们顶上流着, 岩面与草丛都从润湿中透出几分油油的绿意, 而瀑布也似乎分外的响了。
A. 厚厚B. 层层C. 微微D. 浓浓解答：语境材料中交代了“薄阴的天气”, 据此可排除“厚厚”和“浓浓”两项, “层层”和“微微”都适合, 但“层层”的云与“在我们头顶上流着”不太合适。
18考试大纲
18考试大纲18考试大纲概述了学生在18年参加考试时需要掌握的知识点和能力要求。
以下是对18年考试大纲的详细解读，包括各科目的考试内容和要求。
# 语文- 阅读理解：强调对文本的深入理解和分析能力，包括文学和非文学作品。
- 写作能力：考查学生能否准确、流畅地表达思想，包括议论文、记叙文等。
- 古诗文阅读：要求学生理解并掌握古代文学作品的基本内容和艺术特色。
# 数学- 基础知识：包括代数、几何、概率统计等基础数学知识。
- 应用问题：考查学生运用数学知识解决实际问题的能力。
- 数学思维：强调逻辑推理和抽象思维能力。
# 英语- 听力理解：考查学生对英语听力材料的理解和分析能力。
- 阅读理解：包括对文章主旨、细节信息的把握以及推理判断。
- 写作能力：考查学生能否用英语准确表达思想，包括应用文和议论文。
- 语法和词汇：要求学生掌握基本的英语语法规则和词汇。
# 物理- 基本概念：包括力学、热学、电磁学等基础物理概念。
- 物理定律：要求学生理解并能够运用物理定律解决问题。
- 实验技能：考查学生进行物理实验的基本操作和数据分析能力。
# 化学- 化学原理：包括化学反应、化学键、化学平衡等原理。
- 化学计算：考查学生进行化学计算和数据处理的能力。
- 化学实验：强调实验操作技能和实验结果的分析。
# 生物- 生物学基本概念：包括细胞结构、遗传、进化等基础概念。
- 生物技术：考查学生对现代生物技术的理解。
- 生物实验：包括实验设计、操作和结果分析。
# 历史- 历史事件：要求学生了解重要历史事件及其影响。
- 历史人物：考查学生对历史人物的评价和理解。
- 历史分析：强调对历史事件的深入分析和批判性思考。
# 地理- 自然地理：包括地貌、气候、水文等自然地理知识。
- 人文地理：考查学生对人口、城市、文化等人文地理现象的理解。
- 地理技能：包括地图阅读、GIS（地理信息系统）使用等技能。
# 政治- 政治理论：包括政治制度、政治思想、国际关系等。
2018年注册国际投资分析师（CIIA）考试大纲【8】
2018年注册国际投资分析师（CIIA）考试大纲【8】Portfolio Management投资组合管理Broad Learning Objectives总体学习目标An understanding of the important building blocks associated with portfolio management, such as the risk/return relationship, diversification, pricing models, market efficiency and risk measures should be obtained. The various features of investment strategies (including international assets) and hedging strategies (including dynamic and insurance strategies) and Asset-Liability Management should be understood together with their applications. An understanding of the importance and features of performance measurement and evaluation, together with the choice of investment manager, should be developed, together with a knowledge of the features and benefits associated with the alternative investment asset class.理解投资组合管理涵盖的重要知识点，如风险/收益关系、多样化投资、定价模型、市场有效性和风险度量。
2018年硕士研究生入学考试自命题科目考试大纲-817-数据挖掘综合(考试)大纲
西南财经大学招收硕士生考试说明及考试大纲大数据管理考试科目：数据挖掘第一部分：考试内容及要求一. 数据挖掘概述考试内容数据挖掘的概念知识发现过程数据挖掘与传统数据分析数据挖掘数据类型数据挖掘功能和模式数据挖掘可利用的技术数据挖掘应用数据挖掘的主要问题考试要求1．了解数据库系统技术的演变过程；理解数据挖掘的概念；掌握知识发现过程的7个步骤。
2．理解数据挖掘与传统数据分析的区别；掌握数据挖掘的数据类型；掌握数据挖掘功能和模式；了解数据挖掘可利用的技术；了解数据挖掘的应用领域；了解数据挖掘的主要问题。
二. 数据预处理考试内容数据预处理概述数据质量数据预处理的主要步骤数据基本描述统计数据清理数据集成数据变换数据规约数据离散化考试要求1．了解进行数据预处理的原因及其重要性；了解数据质量涉及的因素；掌握数据预处理的主要步骤。
2．理解数据的基本统计描述，掌握均值、中位数、众数、极差、四分位数、方差、标准差和四分位数极差的概念和计算方法；了解数据基本统计描述的图形显示。
3．了解数据清理的任务；了解处理数据缺失值的方法；了解处理噪音数据的方法。
4．理解数据集成的概念；掌握冗余和相关性分析的方法（2检验，Pearson积矩系数）。
5．了解数据变换的策略；掌握数据规范化的计算方法（最小-最大规范化、z分数规范化、按小数定标规范化）。
6．理解数据规约的概念；了解数据规约的策略；理解数据立方体聚集、属性子集选择、数据压缩、小波变换、主成分分析法等概念；了解线性回归、对数线性模型、直方图、聚类、抽样等数据规约方法。
7．理解数据离散化和概念分层的概念；了解数据离散化的方法（分箱、直方图分析、聚类分析、相关分析）；了解数据概念分层的产生方法。
三.数据仓库和联机分析处理考试内容数据仓库基本概念 OLTP和OLAP 数据立方体数据仓库的数据模型概念分层典型的OLAP操作数据仓库的设计数据仓库的实现数据仓库和数据挖掘考试要求1．理解数据仓库的概念和关键特征；了解OLTP和OLAP的概念和主要区别。
市场数据分析师EXCEL统计应用技能与SPSS应用技能考试大纲
统计学基础考试大纲Ⅰ.考试能力要求：《统计学基础》是市场数据分析师证书考试必考课程之一。
通过本课程的考核，要求考生掌握市场分析中常用的统计学基本原理和方法，并能熟练地将这些方法和原理运用于市场活动领域中各种相关的分析工作之中。
根据各种不同只是内容在市场分析中的难易程度，对本课程所涉及到的各种不同的知识内容，要求学生的掌握程度也应有所不同，按照对各种知识内容掌握程度的不用要求，对本课程的学习进行考核时需要区分三种不同层次的能力要求，分别为识记、领会和应用。
识记：对于考核内容中的各种名词概念和基本计算公式，要求考生必须熟记，并能与其他的概念和公式区别开来。
领会：要求在识记的基础上，对考核内容中的各种原理和方法要求有清楚的了解和长我，要求考生不仅知道应怎样做，而且要求学生知道为什么要这样做的基本逻辑。
应用：要求在领会基础上，根据考核的相关方法和原理，能够直接运用于市场领域中各种问题的分析和判断。
Ⅱ.考试形式和试卷结构1、课程采用闭卷笔试的考试方式，考试时间为150分钟，试卷总分为100分，60分为几个先。
考试过程中，考生可携带计算器(不带存储功能)应考。
2、本课程的考核范围包括本大纲考试内容所规定的知识点及知识细目。
3、本课程在其卷中对不同能力层次要求的分数比例为：识记题占10%，领会题40%，应用题50%。
4、试卷中试题的难易程度分为：易、较易、较难、难四个等级。
每份试卷中不同难度试题的分数比例为2：3：3：2。
5、本课程考试试卷中题型一般包括单项选择题、判断题、简答题、名词解释、计算分析题5种。
Ⅲ.考试内容与考核要求第一部分统计学概论一、考试内容1、统计分析的作用和过程（1）统计分析的作用；（2）市场分析中统计数据分析的过程。
2、统计分析的内容和方法（1）统计分析的内容（2）统计分析的方法3、基本概念与特征（1）统计、统计学、统计数据（2）总体与样本二、考试要求1、统计分析的作用和过程领会：统计分析的含义；统计分析的组成过程；统计分析在市场分析中的作用。
全国统计专业技术初级资格考试大纲(2018年)
全国统计专业技术初级资格考试大纲（2018年）来源：中国统计学会发布时间：2018-04-28 15:29《统计学和统计法基础知识》科目一、考试目的考察统计专业技术人员对统计学基本知识的掌握程度以及对国家相关统计法律法规的了解运用情况，考核统计专业技术人员是否具备从事统计工作所需的基本专业知识和法律常识。
二、考试基本要求（一）统计学基础知识1.掌握搜集数据的常用方法、特点及应用条件；熟悉统计学基本概念；了解数据来源的主要渠道。
2.掌握描述统计数据特征的基本方法及其适用性。
3.掌握单个总体参数估计的方法，掌握样本量的影响因素和确定方法；了解评价估计量优劣的标准。
4.掌握时间序列基本分析方法；了解时间序列构成分析。
5.掌握综合指数的编制方法。
（二）统计法规1.掌握统计法律规范的基本特征、效力和基本原则。
2.掌握统计调查对象的权利义务、违法行为种类和相应法律责任。
3.掌握统计机构、统计人员的职责职权，违法行为种类和相应法律责任。
4.掌握统计行政许可项目的法律依据、认定机关。
5.掌握统计执法检查的对象、主要内容、机构和统计执法检查人员的主要职责和职权。
6.掌握统计法关于刑事责任的有关规定。
《统计专业知识和实务》科目一、考试目的考察统计专业技术人员对主要统计指标的掌握情况，对统计设计、统计报表、数据采集、数据加工处理汇总、数据发布全流程的掌握情况；考核统计专业技术人员是否具备从事统计工作所需的基本业务能力和解决统计工作中实际问题的能力。
二、考试基本要求（一）统计调查设计与管理1.掌握我国现有统计调查设计的主要内容和方法步骤。
2.掌握我国现有统计调查的主要方法及其优缺点；了解我国现有统计调查方法体系。
3.掌握法人单位和产业活动单位的概念；了解我国现有常用统计分类标准的类别和主要内容。
（二）周期性普查1.掌握我国现行周期性普查的种类和特点。
2.了解我国现行周期性普查的频次、标准时点、普查对象、普查范围、普查方法和主要内容。
CDALEVELⅢ考试大纲
CDALEVELⅢ考试大纲一、总则CDA（Certified Data Analyst），即“CDA数据分析师”，是在数字经济大背景和人工智能时代趋势下，面向全行业的专业权威国际资格认证，旨在提升全球用户数字技能，助力企业数字化转型，推动行业数字化发展。
「CDA人才考核标准」是面向全行业数据相关岗位的一套科学化、专业化、国际化的人才技能准则，CDA考试大纲规定并明确了数据分析师认证考试的具体范围、内容和知识点，考生可按照大纲要求进行相关知识的学习，获取技能，成为专业人才。
二、考试形式与试卷结构考试方式：一年四届（3、6、9、12月的最后一个周六），线下统考，上机答题。
考试题型：客观选择题（单选60题+多选30题+内容相关10题）案例实操题（1题）考试时间：90分钟（客观选择题），120分钟（案例实操题），共210分钟考试成绩：分为A、B、C、D四个层次，A、B、C为通过考试，D为不通过考试要求：客观选择题为闭卷上机答题，无需携带计算器及其他考试无关用品。
案例实操题考生须自行携带电脑操作（安装好带有数据挖掘功能的软件如：PYTHON、SQL、SPSSMODELER、R、SAS、WEKA等，进行案例操作分析。
案例数据将统一提供CSV文件）。
三、知识要求针对不同知识，掌握程度的要求分为【领会】、【熟知】、【应用】三个级别，考生应按照不同知识要求进行学习。
1．领会：考生能够了解规定的知识点，并能够了解规定知识点的内涵与外延，了解其内容要点之间的区别与联系，并能做出正确的阐述、解释和说明。
2．熟知：考生须掌握知识的要点，并能够正确理解和记忆相关理论方法，能够根据不同要求，做出逻辑严密的解释、说明和阐述。
此部分为考试的重点部分。
3．应用：考生须学会将知识点落地实践，并能够结合相关工具进行商业应用，能够根据具体要求，给出问题的具体实施流程和策略。
四、考试科目PART 1 数据挖掘概论（占比15%）a.数据挖掘概要（3%）b.数据挖掘方法论（3%）c.基础数据挖掘技术（4%）d.进阶数据挖掘技术（5%）PART 2 高级数据处理与特征工程（占比25%）a.高级数据处理（5%）b.特征工程概要（2%）c.特征建构（3%）d.特征选择（5%）e.特征转换（5%）f.特征学习（5%）PART 3 自然语言处理与文本分析（占比20%）a.自然语言处理概要（占比2%）b.分词与词性标注（占比4%）c.文本挖掘概要（占比2%）d.关键词提取（占比4%）e.文本非结构数据转结构（占比8%）PART 4 机器学习算法（占比40%）a.朴素贝叶斯（4%）b.决策树（分类树及回归树）（5%）c.神经网络与深度学习（5%）d.支持向量机（4%）e.集成方法（5%）f.聚类分析（5%）g.关联规则（4%）h.序列模式（3%）i.模型评估（5%）PART 5 机器学习实战（本部分内容考查方式为案例实操，不计入客观选择题占比。
2018CDA数据分析员考试大纲
CDA认证课程考试大纲一、考试基本要求1.掌握数据的基本分类，了解数据产生的来源与采集方法，了解网站数据的基本知识，掌握数据库的基本操作。
2.掌握对数据进行初步处理：导入、清洗和加工。
3.掌握基础描述统计方法和SPSS操作方法，理解概率统计基础知识。
4.掌握常见图表的EXCEL操作方法，了解SPSS的图表操作方法。
5.理解回归分析和时间序列的思想，初步掌握SPSS案例操作和结果分析。
6.理解客户数据分析的内容，了解客户细分与模型选择，初步掌握主成分分析、因子分析和聚类分析的SPSS客户细分案例操作和结果分析。
7.理解营销决策分析中的产品决策和价格决策。
二、考试内容第一章数据来源1.数据及其分类•理解数据的定义、掌握数据的基本分类。
2.数据生成和采集•理解数据产生的三类主要来源，对应的数据特点，分析角度等；•理解二手数据、一手数据的采集标准与常用来源；•理解问卷基本格式和一般商业调研问卷的设计思路与基本规则。
•重点了解抽样调查方法。
3.网站数据•了解Web日志和JS标记获取网站数据的基本流程以及网站数据的关键指标。
4.数据库数据•理解数据库的定义和功能，掌握数据库的基本操作。
第二章数据导入与预处理1.数据导入•了解Hadoop分布式文件存储与计算系统的主要结构与工作原理；•掌握EXCEL手动录入数据形成原始文件的规则；•掌握用EXCEL和SPSS进行外部数据导入的方法。
2.数据清洗•掌握缺失数据和异常数据概念；•掌握数据清洗的SPSS处理的基本操作。
3.数据加工•掌握各种数据加工的分析需求背景，及对应SPSS处理。
第三章统计基础1.常用统计量分析•理解集中趋势及分布形态的统计含义，理解统计量均值、中位数和众数的概念、区别及应用范围；•理解离散趋势及分布形态的统计含义，理解统计量极差、方差与标准差和变异系数的概念、区别及应用范围；•掌握EXCEL基础数据分析方法，掌握描述统计方法；•掌握SPSS的描述分析功能和数据导入与预处理的操作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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。
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。