我要報(bào)名

咨詢電話：
手　　機(jī)：	郵箱：

培訓(xùn)背景

「CDA 數(shù)據(jù)分析師人才行業(yè)標(biāo)準(zhǔn)」是面向全行業(yè)數(shù)據(jù)分析及大數(shù)據(jù)相關(guān)崗位的一套科

學(xué)化、專業(yè)化、正規(guī)化、系統(tǒng)化的人才技能準(zhǔn)則。CDA數(shù)據(jù)分析師認(rèn)證考試是評判「標(biāo)準(zhǔn)化人才」的唯一考核路徑。CDA考試大綱規(guī)定并明確了數(shù)據(jù)分析師認(rèn)證考試的具體范圍、內(nèi)容和知識點(diǎn)，考生可按照大綱要求進(jìn)行相關(guān)知識的學(xué)習(xí)，獲取技能，成為專業(yè)人 才。

知識要求

針對不同知識，掌握程度的要求分為【領(lǐng)會(huì)】、【熟知】、【應(yīng)用】三個(gè)級別，考生應(yīng)按照不同知識要求進(jìn)行學(xué)習(xí)。

1．領(lǐng)會(huì)：考生能夠領(lǐng)會(huì)了解規(guī)定的知識點(diǎn)，并能夠了解規(guī)定知識點(diǎn)的內(nèi)涵與外延，了解其內(nèi)容要點(diǎn)和它們之間的區(qū)別與聯(lián)系，并能做出正確的闡述、解釋和說明。

2．熟知：考生須掌握知識的要點(diǎn)，并能夠正確理解和記憶相關(guān)理論方法，能夠根據(jù)不同要求，做出邏輯嚴(yán)密的解釋、說明和闡述。此部分為考試的重點(diǎn)部分。

3．應(yīng)用：考生須學(xué)會(huì)將知識點(diǎn)落地實(shí)踐，并能夠結(jié)合相關(guān)工具進(jìn)行商業(yè)應(yīng)用，能夠根據(jù)具體要求，給出問題的具體實(shí)施流程和策略。

三、考試范圍

PART 1 數(shù)據(jù)分析概念與統(tǒng)計(jì)學(xué)基礎(chǔ) （占比 30%）

a. 數(shù)據(jù)分析概念、方法論、流程（占比 5%）

b. 描述性統(tǒng)計(jì)分析（占比 12%）

c. 推斷性統(tǒng)計(jì)分析（占比 8%）

d. 方差分析（占比 2%）

e. 一元線性回歸分析（占比 3%）

Ø PART 2 SQL 數(shù)據(jù)庫基礎(chǔ) （占比 15%）

a. SQL 及關(guān)系型數(shù)據(jù)庫基本概念（占比 1%）

b. SQL 數(shù)據(jù)類型、運(yùn)算符、函數(shù)（占比 3%）

c. SQL 查詢語句（占比 5%）

d. SQL 連接語句（占比 5%）

e. SQL 其它語句（占比 1%）

Ø PART 3 數(shù)據(jù)采集與處理 （占比 15%）

a. 數(shù)據(jù)采集方法（占比 5%）

b. 市場調(diào)研（占比 2%）

c. 數(shù)據(jù)預(yù)處理方法（占比 8%）

Ø PART 4 數(shù)據(jù)建模分析 （占比 40%）

a. 主成分分析法（占比 4%）、因子分析法（占比 2%）

b. 系統(tǒng)聚類法（占比 2%）、K-Means 聚類法（占比 3%）

c. 對應(yīng)分析（占比 2%）、多維尺度分析（占比 2%）

d. 多元回歸分析法

多元線性回歸（占比 10%）

邏輯回歸（占比 10%）

e. 時(shí)間序列（占比 5%）.

四、考試形式與試卷結(jié)構(gòu)

考試方式：VUE線上考試，隨約隨考

考試題型：客觀題（單選+多選）

考試時(shí)間：120 分鐘

考試成績：分為 A、B、C、D 四個(gè)層次，A、B、C 為通過考試，D 為不通過.

注：考試未通過者可進(jìn)行一次補(bǔ)考，補(bǔ)考費(fèi)用為六折優(yōu)惠。每個(gè)等級科目補(bǔ)考各限一次。

五、課程大綱

PART 1

數(shù)據(jù)分析概念與統(tǒng)計(jì)學(xué)基礎(chǔ)

1、數(shù)據(jù)分析概述

【領(lǐng)會(huì)】

數(shù)據(jù)分析和數(shù)據(jù)挖掘的概念

強(qiáng)調(diào)商業(yè)數(shù)據(jù)分析中對業(yè)務(wù)的理解

商業(yè)數(shù)據(jù)分析和預(yù)測的本質(zhì)

數(shù)據(jù)分析的8個(gè)層次

大數(shù)據(jù)對傳統(tǒng)小數(shù)據(jù)分析的拓展

【熟知】

明確數(shù)據(jù)分析目標(biāo)及意義

數(shù)據(jù)分析的過程

數(shù)據(jù)分析與數(shù)據(jù)挖掘的常用方法

CRISP-DM、SEMMA 方法論

數(shù)據(jù)分析中不同人員的角色與職責(zé)

2、描述性統(tǒng)計(jì)分析

【領(lǐng)會(huì)】

數(shù)據(jù)的計(jì)量尺度

數(shù)據(jù)的集中趨勢、離中趨勢和數(shù)據(jù)分布的概念

統(tǒng)計(jì)圖的概念

各種統(tǒng)計(jì)圖的含義和畫法

【熟知】

衡量數(shù)據(jù)集中趨勢、離中趨勢和數(shù)據(jù)分布的常用指標(biāo)及計(jì)算方法統(tǒng)計(jì)圖形的繪制、圖形元素的調(diào)整、可視化效果，主要涉及條形圖、線圖、直方圖、盒須圖、散點(diǎn)圖、氣泡圖、馬賽克圖、玫瑰圖及其多種圖形整合。明確統(tǒng)計(jì)圖形對統(tǒng)計(jì)指標(biāo)表達(dá)上的對應(yīng)關(guān)系

【應(yīng)用】

根據(jù)不同數(shù)據(jù)類型選用不同的統(tǒng)計(jì)指標(biāo)來進(jìn)行數(shù)據(jù)的集中趨勢、離中趨勢和數(shù)據(jù)分布的衡量，不同統(tǒng)計(jì)圖的使用場景。會(huì)寫數(shù)據(jù)分析報(bào)告和結(jié)合業(yè)務(wù)需求對報(bào)告進(jìn)行合理解釋，對業(yè)務(wù)?出建設(shè)性意見建議。

3、抽樣估計(jì)

【領(lǐng)會(huì)】

隨機(jī)試驗(yàn)、隨機(jī)事件、隨機(jī)變量的概念

總體與樣本的概念

抽樣估計(jì)的理論基礎(chǔ)

正態(tài)分布及三大分布的函數(shù)形式和圖像形式

抽樣的多種組織形式

確定必要樣本容量的原因

【熟知】

隨機(jī)事件的概率

抽樣平均誤差的概念與數(shù)學(xué)性質(zhì)

點(diǎn)估計(jì)與區(qū)間估計(jì)方法的特點(diǎn)與優(yōu)缺點(diǎn)

全體總體與樣本總體

參數(shù)和統(tǒng)計(jì)量

重復(fù)抽樣與不重復(fù)抽樣

抽樣誤差的概念對總體平均數(shù)和總體成數(shù)的區(qū)間估計(jì)方法

必要樣本容量的影響因素

中心極限定理的意義與應(yīng)用

【應(yīng)用】

隨機(jī)變量及其概率分布

全部可能的樣本單位數(shù)目的概念及其在不同抽樣方法下的確定

抽樣平均誤差在實(shí)際數(shù)據(jù)分析中的計(jì)算方法

4、假設(shè)檢驗(yàn)

【領(lǐng)會(huì)】

假設(shè)檢驗(yàn)的基本概念

其基本思想在數(shù)據(jù)分析中的作用

假設(shè)檢驗(yàn)的基本步驟

假設(shè)檢驗(yàn)與區(qū)間估計(jì)的聯(lián)系

假設(shè)檢驗(yàn)中的兩類錯(cuò)誤

【熟知】

P值的含義及計(jì)算

如何利用P值進(jìn)行檢驗(yàn)

z檢驗(yàn)統(tǒng)計(jì)量

t檢驗(yàn)統(tǒng)計(jì)量

F檢驗(yàn)統(tǒng)計(jì)量

c2檢驗(yàn)統(tǒng)計(jì)量的函數(shù)形式和檢驗(yàn)步驟

【應(yīng)用】

實(shí)現(xiàn)單樣本t檢驗(yàn)

兩獨(dú)立樣本t檢驗(yàn)的步驟和檢驗(yàn)中使用的統(tǒng)計(jì)量與原假設(shè)

兩種檢驗(yàn)應(yīng)用的數(shù)據(jù)分析場景。

5、方差分析

【領(lǐng)會(huì)】

方差分析的相關(guān)概念

單因素方差分析的原理

統(tǒng)計(jì)量構(gòu)造過程

【熟知】

單因素方差分析的基本步驟

總離差平方和（SST）的含義及計(jì)算

組間離差平方和（SSA）的含義及計(jì)算

組內(nèi)離差平方和（SSE）的含義及計(jì)算

單因素方差分析的原假設(shè)

【應(yīng)用】

實(shí)現(xiàn)單因素方差分析的步驟

對方差分析表的分析以及多重比較表的分析

6、簡單線性回歸分析

【領(lǐng)會(huì)】

相關(guān)圖的繪制與作用

相關(guān)表的編制與作用

相關(guān)系數(shù)定義公式的字母含義

估計(jì)標(biāo)準(zhǔn)誤差與相關(guān)系數(shù)的關(guān)系

【熟知】

相關(guān)關(guān)系的概念與特點(diǎn)

相關(guān)關(guān)系與函數(shù)關(guān)系的區(qū)別與聯(lián)系

相關(guān)關(guān)系的種類

相關(guān)系數(shù)的意義以及利用相關(guān)系數(shù)的具體數(shù)值對現(xiàn)象相關(guān)等級的劃分

回歸分析的概念

回歸分析的主要內(nèi)容和特點(diǎn)

建立一元線性回歸方程的條件

應(yīng)用回歸分析應(yīng)注意的問題

估計(jì)標(biāo)準(zhǔn)誤差的意義及計(jì)算

【應(yīng)用】

運(yùn)用簡捷法公式計(jì)算相關(guān)系數(shù)

相關(guān)分析分析中應(yīng)注意的問題

回歸分析與相關(guān)分析的區(qū)別與聯(lián)系

PART 2

SQL數(shù)據(jù)庫基礎(chǔ)

1、SQL 基礎(chǔ)概念

【領(lǐng)會(huì)】

關(guān)系型數(shù)據(jù)庫基本概念、屬性

主鍵

外鍵

E-R 圖

ANSI-SQL 以及不同的數(shù)據(jù)庫實(shí)現(xiàn)的關(guān)系

【熟知】

邏輯運(yùn)算符

比較運(yùn)算符

算術(shù)運(yùn)算符

通配符

2、SQL 查詢語句

【應(yīng)用】

select 語句

包括查詢單列

多列，去重，前 N 列

from 語句、where 語句、group by 語句、having 語句、order by 語句、子查詢

SQL 聚合函數(shù)，包括 count、sum、avg、max、min 等

3、SQL 連接語句

【領(lǐng)會(huì)】

表的連接類型，包括內(nèi)連接（等值、不等值）、外連接（左、右、全）、交叉連接（笛卡

爾連接）

查詢的集合操作，只包括并集操作

【應(yīng)用】

inner join 的用法

left/right/full join 的用法

cross join 的用法

union 的用法

4、其它 SQL 語句

【領(lǐng)會(huì)】

表的創(chuàng)建

視圖及索引的概念及創(chuàng)建

數(shù)據(jù)插入、更新、刪除

【領(lǐng)會(huì)】

高級函數(shù)，如 Oracle 或 Hive 中的 row number over partition by、正則匹配等

PART 3

數(shù)據(jù)采集與處理

1、數(shù)據(jù)采集方法

【領(lǐng)會(huì)】

一手?jǐn)?shù)據(jù)與二手?jǐn)?shù)據(jù)來源渠道

優(yōu)劣勢分析

使用注意事項(xiàng)

【熟知】

一手?jǐn)?shù)據(jù)采集中的概率抽樣與非概率抽樣的區(qū)別與優(yōu)缺點(diǎn)

【運(yùn)用】

概率抽樣方法，包括簡單隨機(jī)抽樣、分層抽樣、系統(tǒng)抽樣、分段抽樣

明確每種抽樣的優(yōu)缺點(diǎn)

根據(jù)給定條件選擇最可行的抽樣方式

計(jì)算簡單隨機(jī)抽樣所需的樣本量

Ø 市場調(diào)研

【熟知】

市場調(diào)研的基本步驟（?出問題、調(diào)查收集材料、分析預(yù)測問題）

單選題及多項(xiàng)選擇題的設(shè)置

數(shù)據(jù)編碼及錄入

Ø 數(shù)據(jù)預(yù)處理方法

【熟知】

數(shù)據(jù)預(yù)處理的基本步驟，包括數(shù)據(jù)集成（不同數(shù)據(jù)源的整合）、數(shù)據(jù)探索、數(shù)據(jù)變換（標(biāo)

準(zhǔn)化）、數(shù)據(jù)歸約（維度歸約技術(shù)、數(shù)值歸約技術(shù)），這部分內(nèi)容不需要涉及計(jì)算，只需要根

據(jù)需求明確可選的處理技術(shù)即可。

【應(yīng)用】

數(shù)據(jù)清洗，包括填補(bǔ)遺漏的數(shù)據(jù)值（根據(jù)業(yè)務(wù)場景使用常數(shù)、中位數(shù)、眾數(shù)等方法，不

涉及多重查補(bǔ)的方法）、平滑有噪聲數(shù)據(jù)（移動(dòng)平均）、識別或除去異常值（單變量根據(jù)中心

標(biāo)準(zhǔn)化值，多變量使用快速聚類），以及解決不一致問題（熟知概念即可），查重（只考核

SQL 的語句，不涉及 R、SAS 等其它語言）。

PART 4

數(shù)據(jù)建模分析

總體要求

領(lǐng)會(huì)模型基本原理，數(shù)值模型操作流程，懂得模型應(yīng)用場景，能夠完成數(shù)據(jù)建模分析報(bào)告。

1、描述性數(shù)據(jù)分析/挖掘方法——主成分分析

【領(lǐng)會(huì)】

主成分分析的計(jì)算步驟

主成分分析中對變量自身分布和多變量之間關(guān)系的假設(shè)以及模型設(shè)置

【熟知】

適用于主成分分析的變量度量類型。通過分析結(jié)果，選取合適的保留主成分的個(gè)數(shù)，注意區(qū)分兩種不同的分析目的（盡量壓縮變量、避免共線性情況下保留更多信息）保留主成分

個(gè)數(shù)的評判標(biāo)準(zhǔn)的差異。

【應(yīng)用】

在深入理解主成分的意義的基礎(chǔ)之上，在遇到業(yè)務(wù)問題時(shí)，有能力決定是否使用主成分分析方法；有能力決定何時(shí)采用相關(guān)系數(shù)計(jì)算方法和協(xié)方差矩陣計(jì)算方法；有能力解釋主成分得分的結(jié)果；根據(jù)變量分布情況進(jìn)行函數(shù)轉(zhuǎn)換。

2、描述性數(shù)據(jù)分析/挖掘方法——因子分析

【領(lǐng)會(huì)】

了解因子分析模型設(shè)置，只需要關(guān)注主成分法的計(jì)算步驟

【熟知】

適用于因子分析的變量度量類型。通過分析結(jié)果，選取合適的因子個(gè)數(shù)；

知道最常用的因子旋轉(zhuǎn)的方法。

【應(yīng)用】

在遇到業(yè)務(wù)問題時(shí)，有能力決定是否使用因子分析，還是使用主成分分析方法就可以了；有能力根據(jù)原始變量在各因子上的權(quán)重明確每個(gè)因子的意義；有能力對大量變量進(jìn)行維度分析，分維度打分，并比較與專家打分（德爾菲法）的區(qū)別；在聚類前對數(shù)據(jù)進(jìn)行描述，發(fā)現(xiàn)理想的聚類方式和數(shù)量。

3、描述性數(shù)據(jù)分析/挖掘方法——聚類分析

【領(lǐng)會(huì)】

多種聚類算法的特點(diǎn)

【熟知】

聚類方法的基本邏輯

系統(tǒng)聚類和 K-Means 聚類的基本算法和優(yōu)缺點(diǎn)

系統(tǒng)聚類的計(jì)算步驟，包括兩點(diǎn)距離、兩類合并的計(jì)算方法

系統(tǒng)聚類法中選擇最優(yōu)聚類數(shù)量的方法

K-Means 聚類的基本算法

聚類分析變量標(biāo)準(zhǔn)化的原因和計(jì)算方法

變量需要進(jìn)行主成分分析的原因

變量進(jìn)行函數(shù)轉(zhuǎn)化的原因和計(jì)算方法

【應(yīng)用】

結(jié)合客戶畫像、客戶細(xì)分、商品聚類、離群值檢驗(yàn)（欺詐、反洗錢）等業(yè)務(wù)運(yùn)用場景，選取合適的聚類方法與步驟

聚類事后分析，根據(jù)聚類后變量分布情況獲取每類的特征

4、描述性數(shù)據(jù)分析/挖掘方法——對應(yīng)分析

【領(lǐng)會(huì)】

對應(yīng)分析的算法

【熟知】

適用于對應(yīng)分析的變量度量類型

對應(yīng)分析與列聯(lián)表分析、主成分分析的關(guān)系

這種方法優(yōu)缺點(diǎn)及如何與其它模型結(jié)合使用

【應(yīng)用】

對應(yīng)分析使用的指標(biāo)如何量化及其常見的量化方式

在客戶滿意度分析、市場績效及產(chǎn)品細(xì)分等場景下的運(yùn)用

雙標(biāo)圖的可視化、解釋與意義擴(kuò)展

5、描述性數(shù)據(jù)分析/挖掘方法——多維尺度分析

【領(lǐng)會(huì)】

多維尺度分析的算法。

【熟知】

適用于多維尺度分析的變量度量類型

該分析方法和主成分分析、因子分析、對應(yīng)分析的異同點(diǎn)，尤其是和因子分析的區(qū)別

【應(yīng)用】

多維尺度分析在客戶產(chǎn)品感知圖等方面的運(yùn)用

6、預(yù)測性數(shù)據(jù)分析方法——線性回歸與模型診斷及優(yōu)化

【領(lǐng)會(huì)】

線性回歸系數(shù)的計(jì)算公式

【熟知】

明確線性回歸的 6 個(gè)經(jīng)典假設(shè)（線性模型、不存在共線性、殘差期望為 0、同方差、正態(tài)性、隨機(jī)抽樣

明確違反前 5 個(gè)假設(shè)后出現(xiàn)的問題

模型是否違反前 5 個(gè)經(jīng)典假設(shè)的檢驗(yàn)方法與模型糾正的方法

變量篩選方法

離群值、指標(biāo)計(jì)算方法

明晰橫截面和時(shí)間序列數(shù)據(jù)在回歸建模上的差異

【應(yīng)用】

結(jié)合業(yè)務(wù)構(gòu)建回歸模型并且解釋回歸系數(shù)

根據(jù)業(yè)務(wù)場景與變量分布情況進(jìn)行函數(shù)轉(zhuǎn)換

解釋變量為分類變量時(shí)的處理方法

區(qū)分預(yù)測性建模與解釋性建模的關(guān)系

使用結(jié)果進(jìn)行新樣本預(yù)測

進(jìn)行客戶價(jià)值分析的基本步驟與注意事項(xiàng)

7、預(yù)測性數(shù)據(jù)分析方法——構(gòu)造對二分類變量的預(yù)測模型

【領(lǐng)會(huì)】

卡方檢驗(yàn)計(jì)算公式

二分類邏輯回歸的計(jì)算公式

【熟知】

分類變量是否存在相關(guān)關(guān)系的描述方法和檢驗(yàn)方法，涉及列聯(lián)表分析、卡方檢驗(yàn)

似然比與 Logit 轉(zhuǎn)換

二分類邏輯回歸模型構(gòu)建與變量篩選

模型評估的方法，涉及混淆矩陣、ROC 曲線

【應(yīng)用】

結(jié)合業(yè)務(wù)構(gòu)建回歸模型并且解釋回歸系數(shù)

根據(jù)業(yè)務(wù)場景與變量分布情況進(jìn)行函數(shù)轉(zhuǎn)換

使用結(jié)果進(jìn)行新樣本預(yù)測

進(jìn)行客戶流失預(yù)測、信用評級、精準(zhǔn)營銷等模型的基本步驟與注意事項(xiàng)

8、時(shí)間序列

【領(lǐng)會(huì)】

明確趨勢分解法、ARIMA 方法、時(shí)間序列回歸方法的差異和適用場景

明確每種方法的計(jì)算方法

【熟知】

趨勢分解法，涉及乘法模型、加法模型

ARIMA 方法的具體步驟；時(shí)間序列回歸的方法

【應(yīng)用】

結(jié)合業(yè)務(wù)（業(yè)績預(yù)測、預(yù)警），選取合適的分析方法

進(jìn)行業(yè)務(wù)時(shí)間序列預(yù)測等模型的基本步驟與注意事項(xiàng)

專家老師

劉老師 十幾年年軟件研發(fā)經(jīng)驗(yàn)，十年企業(yè)培訓(xùn)經(jīng)驗(yàn)，對Java、Python、區(qū)塊鏈等技術(shù)領(lǐng)域有獨(dú)特的研究，精通J2EE企業(yè)級開發(fā)技術(shù)，Java方向：設(shè)計(jì)模式、Spring MVC、MyBatis、Spring、StringBoot、WebService、CXF并且對Java源碼有深入研究，Python方向：Python核心編程、Python數(shù)據(jù)分析、Python OOP、Mongodb、Django、Scrapy爬蟲技術(shù)、基于Scikit-Learn機(jī)器學(xué)習(xí)框，Tensorflow深度學(xué)習(xí)框架、人臉識別技術(shù)。

常老師 北京大學(xué)會(huì)計(jì)學(xué)博士，ThoughtWorks中國首席金融數(shù)據(jù)科學(xué)家。具有18年數(shù)據(jù)規(guī)劃、數(shù)據(jù)治理、智能算法在金融和電信行業(yè)的落地經(jīng)驗(yàn)。協(xié)助企業(yè)逐步積累數(shù)據(jù)資產(chǎn)，運(yùn)用數(shù)據(jù)智能工具優(yōu)化業(yè)務(wù)流程，取得數(shù)字化競爭優(yōu)勢。代表客戶有人民銀行、國家開發(fā)銀行、中國建設(shè)銀行、中國移動(dòng)、中國銀行、中國民生銀行。 在加入ThoughtWorks之前，曾在畢馬威大數(shù)據(jù)部任總監(jiān)、在中銀消費(fèi)金融數(shù)據(jù)部任高級經(jīng)理、在百度大數(shù)據(jù)任數(shù)據(jù)產(chǎn)品經(jīng)理。兼任北京語言大學(xué)金融碩校外導(dǎo)師，同時(shí)擔(dān)任的社會(huì)角色和榮譽(yù)有中國大數(shù)據(jù)產(chǎn)業(yè)生態(tài)聯(lián)盟專家委員會(huì)委員，CDA數(shù)據(jù)分析研究院名譽(yù)院長，騰訊云最有價(jià)值專家（TVP），建設(shè)銀行反洗錢和數(shù)據(jù)資產(chǎn)管理資深外部專家。著有《金融數(shù)據(jù)科學(xué)手冊》系列叢書、《Python數(shù)據(jù)科學(xué)：技術(shù)詳解與商業(yè)實(shí)踐》、《用商業(yè)案例學(xué)R語言數(shù)據(jù)挖掘》、《胸有成竹：數(shù)據(jù)分析的SASEG進(jìn)階》等多本著作。

王老師 現(xiàn)任某上市公司軟件產(chǎn)品部副總兼大數(shù)據(jù)產(chǎn)品線總經(jīng)理，國際信息和數(shù)據(jù)質(zhì)量協(xié)會(huì)（IAIDQ）會(huì)員，ITSS數(shù)據(jù)治理標(biāo)準(zhǔn)工作組成員。曾獲得數(shù)據(jù)管理專業(yè)認(rèn)證（CDMP）、數(shù)據(jù)治理專業(yè)認(rèn)證（DGP）、信息質(zhì)量專業(yè)認(rèn)證（IQCP）三項(xiàng)國際認(rèn)證。2010年加入普元，全面主持普元大數(shù)據(jù)產(chǎn)品的研發(fā)、拓展及團(tuán)隊(duì)管理工作。十年大型企業(yè)信息化架構(gòu)設(shè)計(jì)與建設(shè)經(jīng)驗(yàn)，曾任中國人民銀行核心平臺架構(gòu)師。主持參與了國家開發(fā)銀行大數(shù)據(jù)治理項(xiàng)目、中國人民銀行軟件開發(fā)平臺、國家電網(wǎng)云計(jì)算平臺等大型項(xiàng)目建設(shè)。對大數(shù)據(jù)行業(yè)有著深入的研究和洞察，并對企業(yè)信息化平臺建設(shè)，企業(yè)云計(jì)算及大數(shù)據(jù)平臺建設(shè)有著豐富經(jīng)驗(yàn)。

我要報(bào)名

在線報(bào)名：CDAL1業(yè)務(wù)數(shù)據(jù)分析師認(rèn)證課程(廣州)