初级经济师数据挖掘

你说的是CDA考试的一等级的考试吗？CDA一等级的考试难度是不大的，一般是可以通过考试的啊。但是要是CPDA的话就不能了，CPDA的考试是需要一年的时间的，CPDA的考试是需要上面授课和远程的学习的。面授的上课是在周末的时候上课的，学习完之后就是远程的学习了，远程的是学习一年的，达到了学时后然后考试的。数据分析师的证书含金量挺高的，我朋友去年的时候在中鹏考了，现在考完换了份工作，看他的薪资待遇是不错的。

初级经济师考《经济基础知识》和《专业知识和实务》两门科目，其中《专业知识和实务》科目下设工商管理、农业经济、财政税收、金融、保险、运输经济、人力资源管理、旅游经济、建筑与房地产经济、知识产权10个专业类别。

初级经济师的考试科目共有两门，分别是《经济基础知识》和《专业知识和实务》。以下是针对这两门考试的简要介绍

1、《经济基础知识》

这是每个考生都必考的公共科目，主要涉及到的考试内容有：经济学基础、财政、货币与金融、统计、会计和法律等方面。考试时所涉及到的题型包括单选题和多选题，满分为140分。

2、《专业知识和实务》

这是每个考生都具有较大选择权的专业科目，可从工商管理、农业经济、财政税收、金融、保险、运输经济、人力资源管理、旅游经济、建筑与房地产经济、知识产权这10个专业类别中根据自己的实际情况与需求进行选择。

主要涉及到的考试内容就是针对某一专业需要掌握的基础理论与实务知识。考试时所涉及到的题型包括单选题、多选题和案例分析题，满分同样是140分。

初级经济师还是值得考的。初级经济师报名门槛比较低，只要有高中学历就能报考，在校大学生(应届毕业生)也都是可以报考初级经济师的。拿到证书之后可以为简历加分，多增一个就业机会，相比其他人更容易获得面试官的青睐。

对于上班族而言，初级经济师考过主要是用于聘初级职称，可以评职称、涨工资。通过经济师职称的初级中级高级可以加薪水，级别越高加薪就越多。

考试马上就要来了，为了做好考前的备考准备，下面由我为你精心准备了“2020中级经济师经济基础备考知识点：数据挖掘”，持续关注本站将可以持续获取更多的考试资讯！

2020中级经济师经济基础备考知识点：数据挖掘

数据挖掘

数据挖掘的相关概念如下：

1.含义： 从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐藏在其中但又有潜在价值的信息和知识的过程。包含以下几层含义：

（1）数据源必须是真实的、大量的、有噪声的。

（2）发现的是用户感兴趣的知识。

（3）发现的知识是可接受的、可理解、可运用的。

（4）并不要求发现放之四海而皆准的知识，只支持特定的发现问题。

2.出发点和核心任务： 数据挖掘以解决实际问题为出发点；核心任务是对数据关系和特征进行探索。

3.类型

（1）指导学习或监督学习

监督学习是对目标需求的概念进行学习和建模，通过探索数据和建立模型来实现从观察变量到目标需求的有效解释。

（2）无指导学习或非监督学习

无监督学习没有明确的标识变量来表达目标概念，主要任务是探索数据之间的内在联系和结构。

4.常用的算法

（1）分类

1）含义：确定目标对象属于哪个预定类别，以实现对未来潜在的预测需求。分类技术属于一种监督学习，即使用已知类别的训练数据建立分类模型的方法。

2）实际应用：在邮件系统中区分出垃圾邮件，在贷款客户中判断出有风险客户等。

3）常用方法：决策树分类法、贝叶斯分类法、关联分类法、支持向量机、神经网络等。

（2）聚类分析

1）含义：把一组数据按照差异性和相似性分为几个类别，使得同类的数据相似性尽量大，不同类的数据相似性尽可能小，跨类的数据关联性尽可能低。聚类是一种无监督学习。其要划分的类是未知的，聚类分析是根据观察学习来确定数据之间的关系。

2）实际应用：用于客户细分、文本归类、结构分组、行为跟踪等问题。

3）常用方法：基于划分的方法、基于分层的方法、基于密度的方法、基于网格的方法和基于模型的方法。

（3）关联分析

1）含义：是对数据集中反复出现的相关关系和关联性进行挖掘提取，从而可以根据一个数据项的出现预测其他数据项的出现。

2）实际应用：啤酒尿布案例，数据挖掘发现大型超市中购买啤酒的男士经常同时购买小孩纸尿裤，基于这一发现，超市把啤酒和纸尿裤摆放在一起，结果两种商品的销售量明显提升。

3）常用方法：购物篮分析，目的是发现交易数据中不同商品之间的联系规则，让营销商制定更好的营销策略。

（4）趋势与演化分析

趋势与演化分析包括数据变化趋势、序列模式分析、周期性分析以及相似程度分析等内容。统计学的回归分析方法经常用于这类问题的分析。

数据分析师是现在比较热的一个方向，那么作为一个从来没接触过的小白，要准备什么才能具备数据分析的能力呢，我就在这里简单的介绍一一下，以下内容纯属个人愚见，如果有不对的欢迎批评指正。一、数理统计基础作为一名数据分析师，一定要掌握一些基础的、成熟的数学模型算法。例如：回归分析、因子分析、聚类分析、决策树、关联规则、神经网络等。同时建议多看一些博文，看别人对于这个方法的理解，怎么在实际业务中应用，以及如何优化等等。在算法上可以不做到用软件编写算法，但是一定要知道原理，知道怎么应用，怎么调整参数，参数的含义等等。二、工具对于一个初级的数据分析师要掌握的基础工具，Excel，SPSS，数据库（如mysql等），随着大数据的来临，传统的一些软件已经不足以支撑数据分析、数据挖掘了，随着工作年限的增长，工作内容的加深，R和Python一定要会一个，目前流行的很多机器学习算法要这些软件才能实现。现在机器学习很火，建议多研究一下这方面的内容，不论是对于自身的提升还是对职业发展都是非常有利的。三、行业背景（业务知识）如果数据只是数据，不结合具体的业务，具体的行业，那么没有任何意义。数据分析、数据挖掘的意义是以数据为驱动营销，挖掘商业价值，快速且有目标的提高科学决策，，没有结合实际，模型再完美也是空谈，是冷冰冰的。一名合格的数据分析师，一定要对业务和行业知识有非常深入的了解。所谓的数据敏感性，就是当你看到某个数据时，你要知道这个数据的统计口径是什么？是怎么获取到的？是在实际业务的哪个环节产生的？数据的具体数值具体代表的业务是什么？数据的变化会导致业务的什么变化等等。当掌握好了基础的统计知识，并软件使用熟练之后，应该在业务上多多学习与累积。有人把数据与具体业务知识的关系，比作池塘中鱼与水的关系，我觉得说的非常对，我在这里给大家解释一下他的看法，数据（鱼）离开了行业、业务背景（水）是死的，是不可能是“活”。而没有“鱼”的水，更像是“死”水，你去根本不知道看什么（方向在哪）。作为一个没有任何经验的小白需要有哪些技能才可以进入到数据分析师这个行列呢，那么就是我前文提到的二条，一是要掌握目前基础且成熟的数学模型的原理，二是要学会应该软件处理数据、分析数据、建立模型。只要可以做到这二点，那么初级的数据分析师是没有问题的，具体的业务要在企业中培养。那么作为一个技术大牛来说，业务没那么了解也是可以的，他们把算法研究的非常透彻，对于编程语言很熟练，这样也是可以作为一个机器学习的专家来进行业务的一些挖掘。所以我认为，一个数据分析师走到后面是分二条主线的，1是业务大牛，2是技术大牛，当然如果两样都很牛，那么就是行业大牛了。所以我们可以朝着自己擅长并且适合自己的方向走下去。希望各位从事数据分析师并且以后打算从事数据分析的各位，不要整天把大数据、机器学习挂到嘴边，貌似讨论很高大上的东西，但是我觉得不接地气，能对数据玩的6，能有助于业务发展，有助于工作的才是最好的。我个人认为机器学习的实现是数学与计算机的结合，虽然这个方向现在很热，但是真正能玩明白的没有几个人，还是脚踏实地的一步一步的比较好。数据分析师还是需要踏实肯研究的性格，而不是像个专家一样每天到处跟人说一些概念上的东西，要做出来才是好好样的。希望采纳！！

如果你有基础，而且还不错，那么是没有问题的，但是如果你是小白的话，建议你是还是找一个专业的培训班系统的上上课，可以报短期班，3-6个月，课程内容以CDA数据分析师LEVEL I标准大纲要求，包含业务数据分析和模型-数据获取和SQL查询–Power BI商业智能分析- 统计理论方法 – SPSS建模分析，一整套数据分析流程技术进行讲解。

看你的基础怎么样，学习能力怎么样，一般有相关知识背景人的话，一个月就算是系统参加培训班也难学会多少东西。 设计知识很多，需要慢慢来的，高薪不是白给的哦