阿里云大數據分析師acp認證考試大綱

阿里云大數據分析師（acp）認證介紹：

阿里云大數據分析師認證（Alibaba Cloud Certified Professional-Data Analyst，acp）是阿里云大數據行業認證體系中的職業認證，同時也是一個跨平臺、通用型專業技術認證。主要包括數據分析相關的知識體系，如數據庫知識、數據質量控制、數據編程、機器學習、數據分析工具、機器學習、數據可視化， 主流大數據技術等；介紹了數據分析在行業中的實際應用與項目管理方法，及相關的數據技術和技能，包括 8 個知識與技能模塊：大數據基礎知識、大數據存儲技術、數據分析工具、數據可視化、數據編程、數據質量控制、數據分析項目管理、機器學習。

通過該行業技術認證可以有效證明持證者具備以下能力：

1、具備大數據相關的基礎知識。

2、了解大數據分析職業的特點及行業對大數據分析人員的職業要求。

3、了解大數據存儲技術的特點，能夠熟練使用傳統關系型數據庫，了解數據倉庫的基本知識，能夠使用開源大數據技術、阿里云數加等管理和使用數據。

4、掌握 SQL 語言編程技能，能夠根據項目需要進行數據庫管理和數據編程。

5、熟練掌握數據可視化相關工具，如 Quick BI、DataV 等，并且能設計與開發可視化大屏和商業報表。

6、掌握數據質量管理的特點和要求，能夠在數據分析中判斷數據質量對項目的影響并提供相應解決方案。

7、掌握數據分析的質量控制流程，利用數據預處理技術合理處理臟數據。

8、基于對數據分析項目的編程方法，保證程序的運行效率和數據分析結果的質量。

9、能夠運用 5W2H 分析法梳理數據項目的目標、范圍，根據對業務要求的理解設計合理的數據分析方案。

10、掌握機器學習技術的使用和應用場景，如聚類分析、決策樹、關聯分析等。

11、能夠獨立撰寫數據分析項目報告。

阿里云大數據分析師acp認證考試線下上機考試試卷內容范圍：

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 的數據開發模塊進行設計開發，包括建表、任務開發、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）了解描述性統計分析的概念和特點，包括常見統計量、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、重點環節、數據項目執行流程的重要性。

（3）掌握項目設計的特點，包括業務問題數據化、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、關聯分析等。

（2）了解機器學習的常見使用流程，包括算法調優和效果評估。

（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規則。

（5）能夠使用關聯分析實現購物籃分析。