随着社会的高速发展和竞争力，越来越多的采购人想提升技能，不知道报考CPPM证书需要哪些条件呢？
CPPM注册采购经理采购知识体系完善、职业标准先进、操作技能全面，具备良好的通用性，具有广泛的代表性和国际权威性。随着就业要求的不断提高，经过认证的专业采购人员已经从众多工作竞争者中脱颖而出。
采购资格主要分为三个级别，分别是注册职业采购助理(Certified Assistant Purchaser 简称CAP）、注册职业采购专员（Certified Purchasing Professional简称CPP）和注册职业采购经理（Certified Professional Purchasing Manager简称CPPM），具体需要的条件如下：
注册职业采购专员（CPP）
1、具有大专以下学历,需从事10年以上工作年限；
2、具有大专学历,需从事3年以上工作年限；
3、具有本科学历,需从事2年以上工作年限
4、具有本专业或相关专业硕士学位。
注册职业采购经理（CPPM）
1、取得CPP资格证书；
2、符合CPP报考条件，直接报读CPP&CPPM直通班，可申请注册采购经理资格认证
CPPM证书条件在线了解点击下方蓝色字体加V
希望对大家有帮助
在采购过程中，数据分析具有极其重要的战略意义，是优化供应链和采购决策的核心大脑。因此做好数据分析，是采购过程中最重要的环节之一。
那么如何做好数据分析呢？以下梳理出数据分析的8步流程，以及常见的7种分析思路。在启动数据分析前，最好跟主管或数据经验较丰富的童鞋确认每一步的分析流程。
1、为什么分析
首先，你得知道为什么分析？弄清楚此次数据分析的目的。比如，什么类型的客户交货期总是拖延。你所有的分析都的围绕这个为什么来回答。避免不符合目标反复返工，这个过程会很痛苦。
2、分析目标是谁
要牢记清楚的分析因子，统计维度是金额，还是产品，还是供应商行业竞争趋势，还是供应商规模等等。避免把金额当产品算，把产品当金额算，算出的结果是差别非常大的。
3、想达到什么效果
通过分析各个维度产品类型，公司采购周期，采购条款，找到真正的问题。例如这次分析的薄弱环节供应商，全部集中采购，和保持现状，都不符合利益最大化原则。通过分析，找到真正的问题根源，发现精细化采购管理已经非常必要了。
4、需要哪些数据
采购过程涉及的数据，很多，需要哪些源数据：采购总额、零部件行业竞争度、货款周期、采购频次、库存备货数、客户地域因子、客户规模等等列一个表。避免不断增加新的因子。
5、如何采集
数据库中供应商信息采集,平时供应商各种信息录入,产品特性录入等,做数据分析一定要有原料,否则巧妇难为无米之炊。
6、如何整理
整理数据是门技术活。不得不承认EXCEL是个强大工具，数据透视表的熟练使用和技巧，作为支付数据分析必不可少，各种函数和公式也需要略懂一二，避免低效率的数据整理。Spss也是一个非常优秀的数据处理工具，特别在数据量比较大，而且当字段由特殊字符的时候，比较好用。
7、如何分析
整理完毕，如何对数据进行综合分析，相关分析？这个是很考验逻辑思维和推理能力的。同时分析推理过程中，需要对产品了如指掌，对供应商很了解，对采购流程很熟悉。看似一个简单的数据分析，其实是各方面能力的体现。首先是技术层面，对数据来源的抽取－转换－载入原理的理解和认识；其实是全局观，对季节性、公司等层面的业务有清晰的了解；最后是专业度，对业务的流程、设计等了如指掌。练就数据分析的洪荒之力并非一朝一夕之功，而是在实践中不断成长和升华。一个好的数据分析应该以价值为导向，放眼全局、立足业务，用数据来驱动增长。
8、如何展现和输出
数据可视化也是一个学问。如何用合适的图表表现？每一种图表的寓意是什么？下面列举下常用的8个图表：
①折线图：合适用于随时间而变化的连续数据，例如随时间收入变化，及增长率变化。
②柱型图：主要用来表示各组数据之间的差别。主要有二维柱形图、三维柱形图、圆柱图、圆锥图和棱锥图。
③堆积柱形图：堆积柱形图不仅可以显示同类别中每种数据的大小，还可以显示总量的大小。
④线-柱图：这种类型的图不仅可以显示出同类别的比较，还可以显示出趋势情况。
⑤条形图：类似于横向的柱状图，和柱状图的展示效果相同，主要用于各项类的比较。
⑥饼图：主要显示各项占比情况。饼图一般慎用，除非占比区别非常明显。因为肉眼对对饼图的占比比例分辨并不直观。而且饼图的项，一般不要超过6项。6项后建议用柱形图更为直观。
⑦复合饼图：一般是对某项比例的下一步分析。
⑧母子饼图：可直观地分析项目的组成结构与比重
图表不必太花哨，一个表说一个问题就好。用友好的可视化图表，节省阅读者的时间，也是对阅读者的尊重。
有一些数据，辛辛苦苦做了整理和分析，最后发现对结论输出是没有关系的，虽然做了很多工作，但不能为了体现工作量而堆砌数据。
在展现的过程中，请注明数据的来源，时间，指标的说明，公式的算法，不仅体现数据分析的专业度，更是对报告阅读者的尊重。