数据分析师能力培训团体标准

数据分析师能力培训标准1范围本标准规定了数据分析师岗位能力分级及职业技能要求，明确了数据分析师能力的教育培训服务和能力评价行为。本标准适用于数据分析师的能力培训和评价，以及相关岗位聘用人员的参照。2规范性引用文件下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T28914—2012成人教育培训工作者服务能力评价GB/T35295-2017大数据术语3术语和定义GB/T35295-2017界定的术语，以及下列术语和定义适用于本标准。3.1数据（Data）信息的可再解释的形式化表示，以适用于通信、解释或处理。3.2大数据（Bigdata）具有体量巨大、来源多样、生成极快、多变等特征并且难以用传统数据体系结构有效处理的包含大量数据集的数据。3.3数据分析（DataAnalysis）用适当的统计分析和机器学习方法对收集来的数据进行分析，为提取有价值的信息和形成结论而对数据加以详细研究和概括总结的过程。3.4大数据分析（Bigdataanalysis）对具有体量巨大、来源多样、生成极快、多变等特征并且难以用传统数据体系结构有效处理的包含大量数据集的数据进行分布式储存、建模、分析。3.5数据分析师（Dataanalyst）不同行业中从事数据的采集、处理、分析并能制作业务报告，提供商业评估与决策，具备该职业道德和专业行为素养的专业人士。3.6基本要求（Generalrequirement）数据分析师应具备的职业道德操守与专业行为准则。3.7任职要求（Jobrequirement）任职数据分析师岗位应具备的资质条件。3.8专业知识（Professionalknowledge）数据分析师在专业领域中需具备的专业理论知识。3.9专业技能（Professionalskill）数据分析师在专业领域中需具备的工具、模型、算法等专业技术和运用能力。3.10专业能力培训（Professionalcompetencetraining）为培养数据分析师所提供的数据分析知识体系、理论内容及专业技术能力的学习过程。3.11专业能力评价（Professionalcompetenceevaluation）为筛选优秀数据分析师所设立的能力考评标准与考评办法。4能力分级与要求4.1能力分级数据分析师分为初级、中级、高级等三个等级，三个级别依次递进，高级别涵盖低级别的相关要求。4.2基本要求4.2.1诚信、公平、敬业。4.2.2遵纪守法、忠于职守。4.2.3严于律己，勤勉尽责。4.2.4尊重知识产权、遵守行业规范。4.2.5保护用户的合法权利及数据资产的安全性，遵循数据的真实性。4.3基本条件4.3.1初级具备数据分析的基本专业知识与技能。4.3.2中级具有初级培训与评价合格证书。4.3.3高级具有中级培训与评价合格证书。4.4任职要求4.4.1初级4.4.1.1明确职业角色与职业行为规范，掌握数据分析方法；4.4.1.2能对数据进行清洗、处理与分析；4.4.1.3根据业务问题指标，做出逻辑清晰的可视化业务数据报告和商业智能报表。4.4.2中级4.4.2.1能进行市场调研和对业务的探查分析；4.4.2.2掌握概率论与统计学基础知识及常用数据分析模型，根据业务问题设计标签体系与用户画像，完成诊断分析；4.4.2.3掌握根因分析方法与业务策略优化知识库、策略库、分析流程，做出专业数据分析报告。4.4.3高级4.4.3.1掌握数据挖掘方法与进阶技术和高级数据处理技术与特征工程，能对海量数据进行高效的加工处理。4.4.3.2掌握自然语言处理和高级机器学习算法，能处理文本数据并对复杂数据问题进行建模分析，挖掘更多未知信息。4.4.3.3掌握深度学习算法与工具编程能力，能带领数据团队或独立完成复杂数据分析，能做出逻辑清晰的数据挖掘报告并对结果解读，对业务问题提出评估，优化和决策建议。5专业知识与专业技能5.1比重表1专业知识与技能比重等级专业知识占比初级数据分析概述与职业操守；3%数据结构15%数据库基础17%描述性统计分析10%多维数据透视分析10%业务数据分析30%业务分析报告与数据可视化报表15%中级数据采集与处理12%数据模型管理3%标签体系与用户画像5%统计分析25%数据分析模型40%数字化工作方法15%高级数据挖掘概论15%高级数据处理与特征工程25%自然语言处理与文本分析20%机器学习算法与实战40%（第1页共1页）5.2初级此页空白处无正文表2初级专业知识与技能分类细目数据分析概述与职业操守数据分析概念、方法论、角色；数据分析师职业道德与行为准则；大数据立法、安全、隐私。数据结构加工使用表格结构数据特征；表格结构数据获取、加工与使用；表结构数据特征；表结构数据获取、加工与使用。数据库基础查询数据库相关概念；DDL数据定义语言；DML数据操作语言；单表查询；多表查询；子查询；数据库函数。描述性统计分析统计基本概念；数据的描述性统计；统计分布；相关分析。多维数据透视分析多表透视分析逻辑；多维数据模型；透视分析方法。业务数据分析数据驱动型业务管理方法；指标的应用与设计；业务分析方法；客户分析；商品分析；流量、转化分析；行为效果分析；业务分析模型；业务分析方法。业务分析报告与数据可视化报表可视化分析图表；撰写业务分析报告；创建数据可视化报表。（第1页共1页）5.3中级此页空白处无正文表3中级专业知识与技能分类细目数据采集与处理数据采集方法；市场调研和数据录入；数据探索与可视化；数据预处理方法。数据模型管理数据分类；关系模型；数据仓库体系和ETL。标签体系与用户画像标签体系设计原理；标签的加工方式；用户画像。统计分析抽样估计；假设检验；方差分析;一元线性回归分析。数据分析模型建立主成分分析法、因子分析法；多元回归分析法；聚类分析法；时间序列。数字化工作方法业务探查与问题定位问题诊断近因分析根本原因分析业务策略优化和指导业务目标设定原则知识库，策略库，流程分析线性和整数规划二次优化（第1页共1页）5.4高级此页空白处无正文表4高级专业知识与技能分类细目数据挖掘技术数据挖掘概要；数据挖掘方法论；基础数据挖掘技术；进阶数据挖掘技术。高级数据处理高级数据处理；特征工程概要；特征建构；特征选择；特征转换；特征学习。自然语言处理与文本分析自然语言处理概要；分词与词性标注；文本挖掘概要；关键词提取；文本非结构数据转结构。机器学习算法朴素贝叶斯；决策树（分类树及回归树）；神经网络与深度学习;支持向量机；集成方法；聚类分析；关联规则；序列模式；模型评估。机器学习实战自动机器学习；类别不平衡问题；半监督学习；模型优化。（第1页共1页）6专业能力培训6.1培训内容设置表5培训内容设置等级培训内容课时（60分钟/课时）培训方式初级数据分析概念与数据结构19线上+线下数据库应用24线上+线下描述性统计分析12线上业务数据分析方法与实践42线上+线下中级数据采集与处理12线上+线下数据统计分析与模型管理26线上+线下标签体系与用户画像16线下数据分析模型与应用24线上+线下数字化工作流程12线下高级数据挖掘概览6线上数据分析编程工具60线上+线下高级数据处理与特征工程6线下自然语言处理与文本分析24线上+线下机器学习算法24线上算法案例应用36线下（第1页共1页）6.2培训质量控制6.2.1培训师资条件6.2.1.1大数据、数据分析、计算机、经济、统计、金融、管理、营销等专业硕士学历及以上。6.2.1.2经过数据分析师高级培训并取得合格证书。6.2.1.3从事3年及以上数据分析相关专业教学工作或参与10个及以上数据分析相关商业案例。6.2.2培训方式采用“线上+线下”相结合的培训模式和多形式的教学体验。6.2.2.1线上学习通过学习平台，在线学、练、答、考。6.2.2.2线下学习采用现场面授，以案例切入融合理论与实践的培训模式。双师教学，讲师与助教辅导老师现场指导与答疑。6.2.3培训设施与设备6.2.3.1平台要求具备直播和点播功能、支持ppt、视频、语音、文字等线上的多功能学习，支持屏幕分享/课件演示/音频同步。直播学习网络应保障流畅和稳定，能实现多人同步音视频。录播视频学习具备做笔记、提问答疑，评论交流等功能。6.2.3.2教室要求应容纳30-50人的学习，具有完善的教学设备体系（包括监控、投影仪、屏幕、麦克风）、白板、水笔等。6.2.3.3硬件要求计算机；CPU：i5处理器；内存：8G内存；硬盘：200G以上存储空间。6.2.3.4软件要求office2016及以上、MySQL8.0、powerBIDesktop、anaconda3、Python。7专业能力评价7.1评价考核设置表6评价考核设置等级初级中级高级报考时间无限制，预约式考试无限制，预约式考试一年四次考试时间120分钟180分钟210分钟考试形式上机考试上机考试上机考试考试内容客观题+案例题客观题+案例题客观题+案例题考试条件无要求需通过初级考试需通过中级考试（第1页共1页）7.2评价考核要求7.2.1初级与中级为预约式考试，高级考试时间为一年四次（3、6、9、12月的最后一个周六）。7.2.2考试应遵循考场须知，按照考试管理制度严格进行。7.3成绩评定成绩评定为A，B，C，D四档，其中A，B，C为通过，D为不通过。注：成绩A分数段为：85-100分；成绩B分数段为：75-84.5分；成