大數據分析師認證考試知識點及占比

大數據分析師認證考試知識點及占比具體如下：

大數據分析師認證考試知識點詳細如下：

一、大數據基礎知識考試內容

（1）了解大數據的定義、特點等。

（2）了解數據的類型和不同的分析處理方法。

（3）了解大數據相關的概念、實際的應用案例、適用的場景等。

（4）了解云計算的特點、云計算與大數據的關系。

（5）了解大數據相關的技術，如存儲、計算、分析等。

（6）了解大數據職業(yè)的特點與對人才的要求。

二、大數據存儲技術考試內容

（1）了解分布式存儲技術的概念與特點

（2）了解數據存儲技術適用的不同場景，包括數據類型（如結構化、半結構化、非結構化數據）、數據容量、使用場景等。

（3）了解數據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）了解數據倉庫的基本概念與特點，包括與數據庫的區(qū)別、ETL 等。

（5）了解 HDFS 與 MaxCompute 的構成與特點。

（6）了解文件存儲、數據庫存儲、分布式存儲之間的優(yōu)缺點。

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

（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、數據分析工具考試內容

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

（2）了解 MapReduce 的基本概念與特點。

（3）能夠使用 DataWorks 的數據開發(fā)模塊進行設計開發(fā)，包括建表、任務開發(fā)、數據上傳等。

（4）能夠使用 MySQL、MaxCompute、Hive 平臺進行數據分析。

四、數據可視化考試內容

（1）了解數據可視化的基本知識，如定義、特點、實現方式等。

（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、數據編程考試內容

（1）掌握數據預處理的基本方法。

（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)劃數據分析方案，設計合理的指標。

（5）了解數據分析編程的特點，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據分析目的。

（7）掌握數據分析報告撰寫的規(guī)范。

六、數據質量控制考試內容

（1）了解數據質量的 5 個維度的概念和特點。

（2）了解在數據質量的 5 個維度基礎上，臟數據的種類、來源、造成的影響。

（3）掌握處理臟數據的方法，包括對臟數據的檢查、修復、清洗、轉換等。

（4）了解數據質量問題在數據編程過程中發(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據分析項目中衡量數據質量的主要標準，并能夠判斷數據中的質量問題是否對數據分析項目產生影響。

七、數據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）能夠理解數據分析項目的實施流程、重點環(huán)節(jié)、數據項目執(zhí)行流程的重要性。

（3）掌握項目設計的特點，包括業(yè)務問題數據化、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項目后數據分析。

（5）能夠利用現狀、原因、預測的分析方法實現項目前數據分析。

（6）了解臨時性項目與經常性項目之間的區(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)分析實現購物籃分析。