CDA 认证考生注册报考信息之前，必须认真阅读以下说明：
一、考试信息
1、考试地点：
2、考试科目及报考资格
CDA Level Ⅰ:
面向范围：人人皆需的职场数据思维与通用数据技能1. 零基础就业转行者、应届毕业生2. 产品、运营、营销等业务岗与研发、技术岗在职者3. 企业创始人、经理人、管理咨询类岗位从业者岗位去向：商业（业务）分析师、初级数据分析师、（数据）产品运营、（数字）市场营销、数据专员等
数据赋能岗:市场、运营、产品、财务、人力等
CDA Level II:
CDA Level III:
报名方式
3、报名开通时间及缴费方式
1)报名日期：随报随考
2)缴费方式：报名科目和缴费，缴费后进入资质审核。
3) 报名流程：
• 1-2 个工作日后登录报名网站查看资质审核结果，通过者即为报考成功。未通过按照提示修改报考信息再次提交 。
• 审核不通过原款返还（银行手续费1%由考生自行承担）。
4、考试时间：
Level Ⅰ：随报随考，考生报名成功后，可在一年内自行选择时间，预约就近考试中心进行考试。Level Ⅱ：随报随考，考生报名成功后，可在一年内自行选择时间，预约就近考试中心进行考试。Level Ⅲ：一年四届（3、6、9、12月的最后一个周六），每届考前一个月截止该届报名。
5、考场证件：
请携带身份证进入考场，不需要准考证。
6、考试时间、题型与方式：
3)Level Ⅲ：
第一阶段：90 分钟，客观题，闭卷，上机答题。
7、考试学习资料：
8、考试成绩
考试结束后 7 个工作日内公布，登录考试系统查询考试成绩。考试提供结果查询核实服务，但不提供答题情况查询服务，考试结果没有分数的概念，结果以 A,B,C,D 四个成绩给出，其中 A,B,C 为通过，D 为不通过。
9、证书申请
考试通过者会获得 CDA 证书。证书将在考试后30 个工作日办理完成，邮寄到考生所填写的地址。
二、支付须知
Level Ⅰ：1200 RMB
Level Ⅱ：1700 RMB
Level Ⅲ：2000 RMB
三、信息修改
1)考生可登陆报考网站，对考生档案信息（包括考生姓名、性别、证件信息、出生日期和所在地）及报考科目进行修改和删除。
2)科目删除后需要重新报考并提供证件信息，完成缴费，待审核通过完成报名。
四、准考证信息
请携带身份证进入考场，不需要准考证。
五、退费申请流程
CDA LEVEL I 和 CDA LEVEL II ：报名成功且还未预约考试的考生，可在报名成功后 7 日内无条件申请退费，超过 7 日后或已在 VUE 网站预约了考试的考生不能退考亦不能退费，考生可进行改期考试。
CDA LEVEL III：报名成功且在考试一个月前，考生可在报名成功后 7 日内无条件申请退费，反之 7 日后或考前一个月内考生不能退考亦不能退费，考生可进行改期考试。
六、申请延期考试流程
CDA LEVEL I 和 CDA LEVEL II：报考说明：随报随考，考生报名成功后，可在一年内自行选择时间，预约就近考试中心进行考试。
七、补考事项
八、发票事项
九、免责条款
考生填报个人信息应仔细核对复查，确保真实有效，因个人填报信息有误导致的相关后果由考生自行负责。
考生需仔细阅读报考须知，遵守报考须知的相关说明和规则，因个人原因疏忽而导致权限到期、无法改期、错过考试等后果，由考生自行承担。
考生需时刻关注邮件及考试中心相关通知，按照相关说明进行考试，因个人原因疏忽而导致无法考试等情况，由考生自行承担。
十、考生服务热线
备注：
1. 系统性：从基础知识、技能提升、实践应用等方面展开，形成了一个完整的学习闭环。
2. 实用性：注重理论与实践相结合，通过大量案例分析、实操练习，帮助你更好地理解和应用所学知识。
3. 前沿性：介绍了最新的数据分析工具、技术和方法，使你能够紧跟时代步伐，不断提升自己的竞争力。
通过认真学习教材，你将掌握数据分析的基本概念、方法和技术，具备解决实际问题的能力，为通过考试奠定坚实基础。
CDA数据分析师考试相关入口一览（建议收藏）：
数据分析咨询请扫描二维码
在主成分分析（PCA）、因子分析等降维方法中，“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
大数据早已不是单纯的技术概念，而是渗透各行业的核心生产力。但同样是拥抱大数据，零售企业的推荐系统、制造企业的设备维护、金 ...
在数据驱动的时代，“数据分析” 已成为企业决策的核心支撑，但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
金融统计不是单纯的 “数据计算”，而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估，到投资组合的 ...
这个问题很有实战价值，mtcars 数据集是多元线性回归的经典案例，通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
在数据驱动成为企业核心竞争力的今天，“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
在大模型（如 Transformer、CNN、多层感知机）的结构设计中，“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
形成购买决策的四个核心推动力的是：内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
在数字经济时代，“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而，多数企业的转型仍停留在 “上线系统、收集 ...
在数据分析与建模中，“显性特征”（如用户年龄、订单金额、商品类别）是直接可获取的基础数据，但真正驱动业务突破的往往是 “ ...
在大模型（LLM）商业化落地过程中，“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言，相同问题需给出一 ...
在数据驱动与合规监管双重压力下，企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
在机器学习领域，“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别（是 / 否）” 到 “疾病诊断（良性 ...
在数据分析中，面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量，我们常常需要回答： ...
在 CDA（Certified Data Analyst）数据分析师的工作中，“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
在分类变量关联分析中（如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”），卡方检验 P 值与 OR 值（比值比，Odds Ratio）是 ...
CDA 数据分析师的核心价值，不在于复杂的模型公式，而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...