第八届CDA认证考试，在刚刚过去的2018年6月底圆满地落下了帷幕。近日，我们采访了在本届考试中名列前茅的几位优秀学员，在上一篇中我们采访了Level 1 和Level 2 大数据方向的状元，(状元访谈丨CDA考试是有力的自我检验)，本篇中采访了Level 2 建模方向的前三甲，那么他们又是如何备考和学习的呢？

下面让我们来一睹他们的风采吧！

2006年毕业于上海理工大学工商管理专业。目前在惠普全球零备件供应链部门工作，担任资深业务分析师。

01  目前从事的工作
我从大学毕业至今，已工作12年多。 毕业后首先加入松下电器中国有限公司，从事供应链企画工作5年多，之后于2011年加入惠普全球零备件供应链部门做资深业务分析师至今，已有7年多的工作经验。工作中经常与大数据打交道。

02  报考的契机
作为业务分析师，我基于对业务知识的理解，进行数据的抽取，整理，清洗，分析以及数据报表的呈现等都有一定的基础，但数理统计方面的知识比较薄弱，对于数据挖掘里更高层次的基于建模的预测以及分类问题没有系统地学习过。

此次通过CDA认证考试的培训，不仅重新系统地学习了数据挖掘的理论基础，而且对于数理统计知识也重新进行了学习，了解了如何用Python进行数据整理，建模，评估模型，让作为业务分析师的我，同时提高了数据分析师的技能，这对于我今后的工作实践有很大的帮助。

03  如何高效地备考
对于如何能够高效地复习通过考试，我的总结主要两点：
1. 深刻理解考纲解析视频的理论知识。不要死记硬背，这是一套系统的数据分析的流程，需要前后贯穿地记下来，并且结合一些统计学理论书籍加强理解。虽然考的是level2建模分析师， 但对于level1中统计学基础理论知识也学习一下，更能够加深理解。 
2. 学习Python要打好入门的基础，并且掌握好pandas和numpy两个基础的包。所有高阶层的编程都是建立在打好基础语言功底之上。今后可以通过一些好的网站地学习，比如scikit-learn来提高编程的技能。

04  对数据分析的进一步理解

通过此次的CDA认证的学习，我对于业务分析和数据分析也有更进一步的理解，总结为三点：
第一、数据分析主要是结合业务需求，整理数据分析的思路和对数据的理解，语言作为辅助工具，要选择好学且易理解的，比如Python。另外多种语言在实现同一功能的复杂程度不一样，需要大家选择易实现的语言，不需要拘泥于一种语言，因次建议大家可以多学几门语言。
第二，数据准备工作是所有后续工作(建模，评估)中最难的，最耗时的，最无法套路的。还是那句话，需要对业务和数据的理解才能做好，也是所有后续工作的基础。
第三，要学会看结果(模型评估的结果)，语言已经提供了非常简便地计算各类统计指标的代码，但要看得懂结果，需要扎实的数理统计基础，需要适当了解算法的推理过程，并不是一味地套用，这样才能帮助大家选择最合适的模型得出最佳的结果。

2015年毕业于天津财经大学，专业是统计学，毕业之后一直从事数据分析的工作，先后在咨询公司和零售行业就职，之后也会延续这个职业。

01  目前从事的工作
我目前从事业务数据分析师的职业，是在零售行业，主要负责各类指标的考核以及公司运营分析。

02  报考的契机
一方面是希望可以通过课程提升自己的专业素质、监督自己继续学习；另一方面也是正在准备转行，因此先做一些知识方面的积累，而且CDA课程和证书认可度和含金量相对较高。今后也会一直持续向数据挖掘的方向发展，预计会转向互联网行业。

03  如何高效地备考
1. 在报考课程或者考试之前建议要确定好自己的职业方向，如果没有明确的方向，至少确定自己对此事感兴趣的，这样，后期的学习过程和考试过程会相对轻松和愉快。
2. 提前计划好时间和学习进度，透彻分析考试大纲，掌握每个细节并理清每个模型的内容，形成一套属于自己的建模体系。以通过考试为中心，学习数据挖掘为目标，根据时间充裕度扩展知识点。
3. 心理上具备相信自己能通过的信心，态度上具备认真学习和求解的耐心。

04  我的备考计划，可供参考：制定计划阶段 (2天) 
前期准备：
1.参考书籍4本+大纲解读，预计需要10天整。
2.视频辅助，预计一个月整。
3.查漏补缺，后期练习，预计20天整。

总结：提前计划好时间和学习速度，利于后期持续跟进，节约时间。备考阶段 (55天)

第一阶段 梳理 (10天)
分析要点：
仔细分析考试大纲，明确考试内容，根据自己的知识程度学。
对比复习：
参考书完整学习一编，配合考试大纲补齐所有知识点。
要点摘录：
摘录不理解、不齐全、有疑问的知识点，标记重要知识点。

第二阶段 学习(35天)
视频跟进：
对比大纲视频解析随视频学习具体内容，注意细节扩充和重点记录。
要点完善：
第一阶段要点随学习进度跟进、完善、补全、扩展。

实操练习：
分块(客观题练习、描述挖掘建模、预测性挖掘建模、模型评估)练习，每个模型至少三次。
第三阶段 巩固(10天)
要点记忆：
客观题要点记忆，真题、模拟题练习，每个细节做到清楚、明白。
归纳总结：
归纳每个模型的特点和优劣势，对同一数据采用多种方法实践，形成一套属于自己的建模体系。
实操巩固：
反复练习建模操作，完善体系，尽量做到针对特定数据采用适合、最优的建模方法。
考试过程 (半天)
沉着应考：

按照题目顺序认真答题，按照自己的节奏完成考试。

总结：掌握每个细节，理清每个模型的内容；以通过考试为中心，学习数据挖掘为目标，根据时间充裕度扩展知识点；心理上要有信心，相信自己能通过，态度上具备认真学习和求解的耐心。

参考书籍：
数据挖掘：概念与技术.机械工业出版社.2007
数据挖掘导论.人民邮电出版社.2006
统计学习方法.清华大学出版社.2012.3
用商业案例学R语言数据挖掘.电子工业出版社 2017.9
视频辅助：
R语言数据挖掘-L2建模分析师
学习时间
每天保证3-5小时
毕业于对外经贸大学，金融专业。毕业后在互联网金融公司就职，担任数据分析师。
01  目前从事的工作
我大学的专业是金融，工作中有幸接触很多数据相关的项目，很感兴趣。 就学习了很多相关的知识，包括Excel,SQL, SAS 和Python。目前我在一家互联网金融公司做数据分析师。

02  报考的契机
1. 数据分析这个行业在中国发展的很快，也很受欢迎。但总体来说，目前并没有国家统一的考试，而CDA被越来越多的专业人士及公司认可，所以我选择了CDA。
2. 每个人都有惰性，我也不例外。我想通过考试来更有效的督促自己努力，有计划，有评价标准的好好学习。

03  如何高效地备考
我觉得在我学习的过程中，最重要也是一直支撑我走下去的原因有三个：

1.  兴趣
我对这个职位和行业真的很感兴趣，无论是从脏乱差的数据中提取出有效的信息，还是对一些看似错综复杂的数据建立模型进行预测，都会令我兴奋不已。每一次小小的进步和成就都会让我觉得特别满足和感恩自己在这个行业中。

2. 多学习
多看书，多实践。从三月初开始准备考试起，每天给自己设定一个任务，根据大纲反复复习。

3. 多交流
和同事、朋友一起交流学习过的模型，算法，也会彼此帮助他人在项目中遇到的困难。当然也会相互分享自己学习的心得体会和了解到这个行业的一些新动态。现在是互联网时代，有效的信息交流会省去很多时间也会让自己更快的成长。

04  今后的发展规划
因为我大学的专业是金融，我希望自己能够把金融学和数据分析更好的结合。通过分析、建模等为公司提供更有价值的预测和建议。目前已对机器学习有了必备的知识和相关的项目经验，同时也在不断加强深度学习和人工智能的技巧。希望自己将来能够提供更多可行性预测，为公司节约更多成本，对客户有更好的评估，减少客户流失等。