ADsP 데이터 분석 전문가 준전문가 자격 시험
2014년부터 한국데이터베이스진흥원에서 데이터 분석 전문가 자격증 시험을 실시했다.
이 시험에서 Advanced Data Analytics Professinal를 줄여서 ADP로 칭한다. 이보다 낮은 단계인 '국가 공인 데이터 분석 준전문가'는 Advanced Data Analytics Semi-Professinal 이라고 칭한다.
데이터 분석 전문가는 컴퓨터 공학, 데이터 공학, 통계학, 경영학 등의 지식과 기술을 활용하여 조직 내부 및 기업 외부의 데이터를 분석하고, 데이터 기반의 정책, 제도, 기획, 처리, 분석, 시각화, 운영관리 업무를 수행한다. 이를 통해 프로세스 혁신, 마케팅 전략 등의 과학적인 의사결정을 끌어내는 역할을 한다. ADP 시험은 데이터과학 분야의 국가공인 자격증이며 데이터 분석업계에서 권위 있는 자격증이다.
자격증 취득 과정 중 과목 개요, 출제 문항 및 배점, 합격 기준, 취득 절차, 시험 일정, 응시료에 대해서 알아보도록 하자.
ADsP 과목 개요
1과목 : 데이터의 이해
과목별 세부 항목 1. 데이터의 이해 2.데이터의 가치와 미래 3. 가치 창조를 위한 데이터 사이언스와 전략 인사이트
전문가 시험 O
준전문가 시험 O
2과목 : 데이터 처리 기술 이해
과목별 세부 항목 1. 데이터 처리 프로세스 2. 데이터 처리 기술
전문가 시험 O
준전문가 시험 X
3과목 : 데이터 분석 기획
과목별 세부 항목 1. 데이터 분석 기획의 이해 2. 분석 마스터 플랜
전문가 시험 O
준전문가 시험 O
4과목 : 데이터 분석
과목별 세부 항목 1. 데이터 분석 개요 2. 데이터 마트 3. 통계분석 4. 정형 데이터 마이닝
전문가 시험 O
준전문가 시험 O
5과목 : 데이터 시각화
과목별 세부 항목 1. 시각화 인사이트 프로세스 2. 시각화 디자인 3. 시각화 구현
전문가 시험 O
준전문가 시험 X
ADsP 시험시간
데이터 분석 준전문가 필기/실기 시험 : 필기 180분, 실기 240분
데이터 분석 준전문가 필기시험(실기 미포함) : 90분
ADsP출제 문항 수 및 배정
데이터 분석 전문가 필기/실기 실험
구분 | 시험과목 | 문항수 | 배점 | 시험시간 | ||
객관식 | 서술형 | 객관식 | 서술형 | |||
필기 | 1. 데이터 이해 | 10 | 1 | 80 (각 1점) |
20 | 180분 |
2, 데이터 처리 기술 이해 | 10 | |||||
3. 데이터 분석 기획 | 10 | |||||
4. 데이터 분석 | 30 | |||||
5. 데이터 시각화 | 10 | |||||
계 | 80 | 1 | 100 | |||
실기 | 데이터 분석 실무 | 100 | 240분 |
데이터 분석 준전문가 필기시험(실기 미포함)
구분 | 시험과목 | 문항수 | 배점 | 시험시간 | ||
객관식 | 서술형 | 객관식 | 서술형 | |||
필기 | 1. 데이터 이해 | 8 | 10 | 80 (각 2점) |
20 (각 2점) |
90분 |
2. 데이터 분석 기획 | 8 | |||||
3. 데이터 분석 | 24 | |||||
계 | 40 | 10 | 100 |
ADsP 합격 기준
구분 | 합격 기준 | 과락 기준 |
전문가 | 총점 100점 기준 70점 이상 취득 | 과목별 40% 미만 취득 |
총점 100점 기준 75점 이상 취득 | 과락기준 없음 | |
응시자격심의 서류 통과자 | 과락기준 없음 | |
준전문가 | 총점 60점 이상 취득 | 과목별 40% 미만 취득 |
ADsP 취득 절차
1단계 : 수험원서 접수
2단계 : 수험표 발급
3단계 : 검정시험 응시
4단계 : 검정시험 합격여부 확인
5단계 : 최종합격자 공고 및 확인
ADsP 시험 일정
시험 일정은 변경될 수 있으니 데이터 자격시험 사이트에서 확인
ADsP 응시료
데이터 분석 전문가 필기 : 80,000원
데이터 분석 전문가 실기 : 70,000원
데이터 분석 준전문가 필기 : 50,000원
'데이터 꿀팁' 카테고리의 다른 글
데이터 분석 기법의 이해 (0) | 2023.04.29 |
---|---|
산업 별 데이터베이스 활용 방법 (제조, 금융, 유통) (0) | 2023.04.29 |
데이터베이스 활용 (과거부터 현재까지 기업에서 활용한 방법은?) (0) | 2023.04.29 |
데이터 용어의 연혁 (과거 데이터란 용어 어떻게 사용했을까?) (0) | 2023.04.29 |
데이터란 무엇인가? (DIKW의 정의) (0) | 2023.04.29 |
댓글