大數(shù)據(jù)分析師認證考試知識點及占比

大數(shù)據(jù)分析師認證考試知識點及占比具體如下：

大數(shù)據(jù)分析師認證考試知識點詳細如下：

一、大數(shù)據(jù)基礎知識考試內容

（1）了解大數(shù)據(jù)的定義、特點等。

（2）了解數(shù)據(jù)的類型和不同的分析處理方法。

（3）了解大數(shù)據(jù)相關的概念、實際的應用案例、適用的場景等。

（4）了解云計算的特點、云計算與大數(shù)據(jù)的關系。

（5）了解大數(shù)據(jù)相關的技術，如存儲、計算、分析等。

（6）了解大數(shù)據(jù)職業(yè)的特點與對人才的要求。

二、大數(shù)據(jù)存儲技術考試內容

（1）了解分布式存儲技術的概念與特點

（2）了解數(shù)據(jù)存儲技術適用的不同場景，包括數(shù)據(jù)類型（如結構化、半結構化、非結構化數(shù)據(jù)）、數(shù)據(jù)容量、使用場景等。

（3）了解數(shù)據(jù)庫的基本概念與特點，包括可靠性、約束、三范式、適用場景等。

（4）了解數(shù)據(jù)倉庫的基本概念與特點，包括與數(shù)據(jù)庫的區(qū)別、ETL 等。

（5）了解 HDFS 與 MaxCompute 的構成與特點。

（6）了解文件存儲、數(shù)據(jù)庫存儲、分布式存儲之間的優(yōu)缺點。

（7）掌握大數(shù)據(jù)計算服務的數(shù)據(jù)上傳和下載，可以熟練使用 MySQL、HDFS、MaxCompute 等進行數(shù)據(jù)存儲。

（8）了解 Hadoop、MaxCompute 等產品的基本概念與特點，包括應用場景和局限性。

三、數(shù)據(jù)分析工具考試內容

（1）掌握大數(shù)據(jù)計算服務的 SQL 命令，包括 DDL、DML 以及常見內置函數(shù)。

（2）了解 MapReduce 的基本概念與特點。

（3）能夠使用 DataWorks 的數(shù)據(jù)開發(fā)模塊進行設計開發(fā)，包括建表、任務開發(fā)、數(shù)據(jù)上傳等。

（4）能夠使用 MySQL、MaxCompute、Hive 平臺進行數(shù)據(jù)分析。

四、數(shù)據(jù)可視化考試內容

（1）了解數(shù)據(jù)可視化的基本知識，如定義、特點、實現(xiàn)方式等。

（2）了解 Quick BI、DataV 的產品特點和使用場景。

（3）了解常見圖表類型的特點和適用場景。

（4）能夠使用 Quick BI 設計開發(fā)報表和門戶。

（5）了解可視化產品的分類和基本設計原則。

五、數(shù)據(jù)編程考試內容

（1）掌握數(shù)據(jù)預處理的基本方法。

（2）了解描述性統(tǒng)計分析的概念和特點，包括常見統(tǒng)計量、概率分布、擬合與檢驗。

（3）了解假設檢驗的概念和特點，能夠根據(jù)應用場合真確使用正態(tài)分布單樣本和雙樣本和二項分布假設檢驗。

（4）能夠基于項目的目標與范圍規(guī)劃數(shù)據(jù)分析方案，設計合理的指標。

（5）了解數(shù)據(jù)分析編程的特點，包括編程手法、編程效率、編程規(guī)范和質量控制。

（6）了解指標體系的概念，包括總量指標、結構指標和平均指標，并能夠合理應用達到數(shù)據(jù)分析目的。

（7）掌握數(shù)據(jù)分析報告撰寫的規(guī)范。

六、數(shù)據(jù)質量控制考試內容

（1）了解數(shù)據(jù)質量的 5 個維度的概念和特點。

（2）了解在數(shù)據(jù)質量的 5 個維度基礎上，臟數(shù)據(jù)的種類、來源、造成的影響。

（3）掌握處理臟數(shù)據(jù)的方法，包括對臟數(shù)據(jù)的檢查、修復、清洗、轉換等。

（4）了解數(shù)據(jù)質量問題在數(shù)據(jù)編程過程中發(fā)生的原因，并能夠利用質量檢驗的技術手段保證項目的順利執(zhí)行。

（5）了解項目的目標是數(shù)據(jù)分析項目中衡量數(shù)據(jù)質量的主要標準，并能夠判斷數(shù)據(jù)中的質量問題是否對數(shù)據(jù)分析項目產生影響。

七、數(shù)據(jù)分析項目管理考試內容

（1）了解項目工程管理方法論的定義、特點和實際應用場景。

（2）能夠理解數(shù)據(jù)分析項目的實施流程、重點環(huán)節(jié)、數(shù)據(jù)項目執(zhí)行流程的重要性。

（3）掌握項目設計的特點，包括業(yè)務問題數(shù)據(jù)化、明確項目的目的、范圍、和分析維度等。

（4）能夠利用項目績效分析實現(xiàn)項目后數(shù)據(jù)分析。

（5）能夠利用現(xiàn)狀、原因、預測的分析方法實現(xiàn)項目前數(shù)據(jù)分析。

（6）了解臨時性項目與經(jīng)常性項目之間的區(qū)別。

八、機器學習考試內容

（1）了解機器學習常見的算法，如聚類、決策樹、關聯(lián)分析等。

（2）了解機器學習的常見使用流程，包括算法調優(yōu)和效果評估。

（3）能夠使用聚類分析，包括 K-means 算法對相似的顧客分類。

（4）能夠使用決策樹算法生成商業(yè)規(guī)則。

（5）能夠使用關聯(lián)分析實現(xiàn)購物籃分析。