CFA、CPA、CDA大对比，哪张证书最具性价比？

5028

收藏 2020-12-25

　每次遇到考证书的问题，就会纠结考哪张的问题。金融行业证书很多，有含金量的也不少，是选择“全球金融第一考”的CFA呢，还是国内财经领域最有价值的CPA，抑或是代表这数据分析领域高标准的CDA呢？

　　每一张证书都代表了一个方向，而且，考证书也不容易，考试难不难、投入多少精力也是考证一族最关心的问题，那么，这3本证书哪本“投入最少，收益最大”呢？

　　A、特许金融分析师（CFA）

　特许金融分析师，亦称作注册金融分析师，简称CFA，它是金融投资领域的一种职业称号，具备世界影响力，得到170多个国家的认可，CFA会员遍布全球159个国家。已成为全球最大的资格考试。
　　CFA考试从课程的制定、出题、考试，到批改试卷整个作业流程均以严谨和专业著称，其人才评价制度注重专业能力和职业道速素养，是全球投资领域最为严格、含金量最高的资格认证，其评价标准亦成为行业规范。《金融时报》曾将CFA比喻为投资专业人士的“黄金标准”。又因为华尔街投行家人人必备，CFA又有“华尔街入场券”的美誉。

　　特许金融分析师（CFA）考试内容
　　CFA一级考试每年两次，分别是6月和12月；二级和三级考试每年一次，只在6月。
　　CFA考试共有10个科目，分别是：道德和专业准则、数量方法、经济学、财务报表分析、公司金融、权益投资、固定收益、衍生品投资、其他类投资、投资组合管理和财富规划。
　　只需拥有一个学士学位即可报名参加CFA考试，对专业没有限制。大学生毕业前12个月也可报考CFA考试。大专毕业加1年工作经验被认为具备报考资格，4年工作经验也被认为具备资格报考。

　　特许金融分析师（CFA）未来发展
　　对于雇主而言，聘用具备CFA资格的人士能够帮助恢复客户信任。全球的雇主和传媒都将CFA特许资格认证视为卓越的专业标准。凭着如此广泛的认同，CFA持证人在金融职场上享有明显的竞争优势。
　　拥有CFA资格的专业人士多从事基金经理、投资银行家、财务顾问、行业分析师、资产管理等工作。特别是国外合资、独资的金融投资机构，CFA人才特别受欢迎。

　　B、注册会计师（CPA）
　　这里的注册会计师特指“中国的注册会计师”，是是一项由法律规定的执业资格，在法律监管下从事会计、审计工作，且具备唯一签字权。注册会计师考试和会员管理由中国注册会计师协会统一负责。
　　取得CPA证书的专业人士，多在会计师事务所工作，接受审计和会计咨询、会计服务。取得注册会计师证书，但并从从事会计相关工作的会员，称为非执业会员。

　　注册会计师（CPA）考试内容
　　专科以上学历、或者具有会计或相关专业中级以上技术职称的人，可以报名参加注册会计师考试。在校大学生不能报考。
　　专业考试科目为《会计》、《审计》、《财务成本管理》、《经济法》、《公司战略和风险管理》和《税法》。考试时间一般在每年的10月份。
　　通过专业科目考试后，方可参加综合阶段考试。考试时间一般在每年的8月份。

　　注册会计师（CPA）未来发展
　　注册会计师的工作是一份专业能力极强的工作，同时又要接受严格的职业道德约束，对审计的数据材料负责。目前，中国注册会计师的专业能力已经被国际市场接受，很多CPA人才也开始参与国际市场的设计与会计咨询工作，培养国际视野也是CPA人才具备的一项能力，成为各大企业和金融机构争抢的人才。
　　执业证书取得后，一般去会计事务所工作，可进行鉴证。非执业证书可以进入企业单位担任财务经理或总监。

　　C、数据分析师（CDA）
　　CDA，即是数据分析师，特指在互联网、零售、金融、医学等领域专门从事数据的采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据分析人才。
　　“CDA认证”是一套专业化，科学化，国际化，系统化的人才考核标准，涉及金融、电商、医疗、互联网、电信等行业大数据分析所需要具备的所有技能，符合全球大数据及数据分析技术潮流。

　　数据分析师（CDA）考试内容
　　CDA考试跟CFA考试一样，共分三级，LevelⅠ考试内容为统计概率、数据库基础知识，学会使用软件进行简单的数据处理与分析。
　　LevelⅡ考试内容为多元统计、数据挖掘、数据建模、数据库及商业智能等知识，同时具备案例分析，制作规范报告的能力。
　　Level Ⅲ: 除以上知识点还包括数据挖掘高级算法,Hdoop，SAS与R编程技术等，完成复杂数据分析项目，提供决策。
　　每年12月末有考试，且只有通过LevelⅠ，才能报考LevelⅡ，通过LevelⅡ，才能报考Level Ⅲ。

　　数据分析师（CDA）未来发展
　　“大数据分析”已是大势所趋，人工智能的基础就是建立在数据分析的基础上，所以数据分析人才也成了金融行业重视的人才。
　　不只是金融领域，数据分析师可在多个领域选择就业，如通讯、医疗、商业、市场研究、科研、教育等多个行业和领域。根据不同的等级胜任不同的数据分析工作。