数据分析师招聘面试题集

2026年数据分析师招聘面试题集一、统计学基础（共3题，每题10分，总分30分）1.题目：某电商平台A/B测试了两种推荐算法，算法X应用于对照组，算法Y应用于实验组。对照组用户平均购买转化率为5%，实验组为6%。请计算该A/B测试的统计显著性，并说明如何优化测试以减少假阳性率。2.题目：假设某城市地铁每日客流量服从正态分布，已知均值为10万人次，标准差为2万人次。若某日客流量为12万人次，求该日客流量超出均值的概率，并解释该概率在实际业务中的意义。3.题目：某零售商通过抽样调查发现，20%的顾客对某款产品表示满意。若样本量n=500，请计算该满意率的95%置信区间，并说明如何通过增加样本量提高置信区间的精度。二、SQL查询（共4题，每题15分，总分60分）1.题目：某电商数据库中有三个表：`orders`（订单表，含`order_id`、`user_id`、`order_date`、`total_amount`）、`users`（用户表，含`user_id`、`age`、`city`）、`products`（商品表，含`product_id`、`category`）。请编写SQL查询，找出2025年12月所有城市中，每个年龄段用户购买金额最多的商品类别及金额，并按金额降序排列。2.题目：某金融数据库中有`transactions`（交易表，含`transaction_id`、`user_id`、`amount`、`transaction_time`）。请编写SQL查询，计算每个用户过去30天内交易金额的日均增长率，并筛选出增长率超过50%的用户。3.题目：某外卖平台数据库中有`orders`（订单表）、`骑手表`（`rider_id`、`rider_name`）、`骑手接单表`（`order_id`、`rider_id`、`accept_time`）。请编写SQL查询，统计每个骑手在2026年1月的接单完成率（已接单且完成订单数/总接单数），并按完成率降序排列。4.题目：某电商平台日志表`logs`（含`user_id`、`action`、`timestamp`）记录用户行为。请编写SQL查询，找出同时满足“2026年2月购买过商品”且“3月搜索过商品”的用户数量。三、Python与数据操作（共3题，每题20分，总分60分）1.题目：某电商数据集包含用户购买记录，字段有`user_id`、`product_id`、`purchase_date`、`price`。请用Python（Pandas库）计算每个用户的月度消费总额，并绘制消费趋势折线图，要求按用户分层绘制，图例清晰。2.题目：某城市共享单车数据集包含`start_station`（起始站）、`end_station`（结束站）、`start_time`（骑行开始时间）。请用Python（Pandas+Matplotlib）计算每个站点的平均骑行时长，并绘制热力图（提示：可使用`seaborn`库）。3.题目：某银行客户数据集包含`age`、`income`、`credit_score`等字段。请用Python（Scikit-learn库）构建一个逻辑回归模型，预测客户是否会申请贷款（`loan_applicant`字段为1或0），并解释模型中`credit_score`特征的系数含义。四、业务分析（共2题，每题25分，总分50分）1.题目：某生鲜电商平台发现，用户在APP内的停留时长与次日复购率正相关。请设计一个分析方案，评估“增加APP内互动小游戏”对复购率的实际影响，并列出关键假设与验证方法。2.题目：某餐饮连锁品牌希望优化门店选址策略，请结合地理位置、人口密度、竞争情况等数据，设计一个选址分析框架，并说明如何使用数据驱动决策。五、机器学习基础（共2题，每题25分，总分50分）1.题目：某电商平台希望预测用户流失概率，现有数据包含用户行为日志和交易记录。请设计一个流失预测模型，说明选择哪种模型更合适，并解释如何处理数据不平衡问题。2.题目：某零售商希望根据用户画像推荐商品，现有数据包含用户年龄、性别、购买历史等。请设计一个协同过滤推荐系统，说明其优缺点，并列举至少两种改进方法。答案与解析一、统计学基础1.答案：-统计显著性：使用Z检验，计算公式为`(p2-p1)/sqrt(p1(1-p1)/n1+p2(1-p2)/n2)`，其中p1=0.05,p2=0.06,n1=n2=1000（假设每组样本量相同）。计算得Z值约为0.89，查表得p值>0.18，不显著。-优化建议：增加样本量或延长测试周期，减少抽样误差。2.答案：-概率计算：正态分布概率P(X>12)=1-P(X≤12)=1-Φ((12-10)/2)≈1-0.8413=0.1587。-业务意义：12万人次超出均值概率为15.87%，可判断当日客流异常，需核查是否为节假日等特殊因素。3.答案：-置信区间：公式为`p±zsqrt(p(1-p)/n)`，95%置信区间约为`(0.18±0.032)`，即(14.8%,22.2%)。-增加样本量：n越大，标准误越小，区间越窄，精度越高。二、SQL查询1.答案：sqlWITHMonthlyPurchasesAS(SELECTuser_id,age,category,SUM(total_amount)AStotalFROMordersWHEREorder_dateBETWEEN'2025-12-01'AND'2025-12-31'GROUPBYuser_id,age,category)SELECTage,category,MAX(total)ASmax_amountFROMMonthlyPurchasesGROUPBYage,categoryORDERBYmax_amountDESC;2.答案：sqlWITHDailyGrowthAS(SELECTuser_id,SUM(amount)OVER(PARTITIONBYuser_idORDERBYtransaction_timeRANGEBETWEENINTERVAL'1'DAYPRECEDINGANDCURRENTROW)ASprev_day,SUM(amount)OVER(PARTITIONBYuser_idORDERBYtransaction_timeRANGEBETWEENINTERVAL'30'DAYPRECEDINGANDCURRENTROW)ASprev_30_days,(SUM(amount)OVER(PARTITIONBYuser_idORDERBYtransaction_timeRANGEBETWEENINTERVAL'30'DAYPRECEDINGANDCURRENTROW)-SUM(amount)OVER(PARTITIONBYuser_idORDERBYtransaction_timeRANGEBETWEENINTERVAL'1'DAYPRECEDINGANDCURRENTROW))/prev_dayASgrowth_rateFROMtransactionsWHEREtransaction_time>=DATEADD(month,-30,CURRENT_DATE))SELECTuser_idFROMDailyGrowthWHEREgrowth_rate>0.5;3.答案：sqlWITHCompletedOrdersAS(SELECTrider_id,COUNT(DISTINCTorder_id)AScompletedFROMordersoJOIN骑手接单表rONo.order_id=r.order_idWHEREo.order_date>='2026-01-01'ANDo.order_date<DATEADD(month,1,'2026-01-01')GROUPBYrider_id),TotalOrdersAS(SELECTrider_id,COUNT(DISTINCTorder_id)AStotalFROM骑手接单表WHEREaccept_time>='2026-01-01'ANDaccept_time<DATEADD(month,1,'2026-01-01')GROUPBYrider_id)SELECTc.rider_id,pleted/t.totalAScompletion_rateFROMCompletedOrderscJOINTotalOrderstONc.rider_id=t.rider_idORDERBYcompletion_rateDESC;4.答案：sqlSELECTCOUNT(DISTINCTuser_id)FROMlogsl1JOINlogsl2ONl1.user_id=l2.user_idWHEREl1.action='purchase'ANDl1.timestamp>='2026-02-01'ANDl1.timestamp<DATEADD(month,1,'2026-02-01')ANDl2.action='search'ANDl2.timestamp>='2026-03-01'ANDl2.timestamp<DATEADD(month,1,'2026-03-01');三、Python与数据操作1.答案：pythonimportpandasaspdimportmatplotlib.pyplotaspltdf=pd.read_csv('purchases.csv')df['purchase_date']=pd.to_datetime(df['purchase_date'])df['year_month']=df['purchase_date'].dt.to_period('M')monthly_sales=df.groupby(['user_id','year_month'])['price'].sum().reset_index()pivot=monthly_sales.pivot(index='user_id',columns='year_month',values='price').fillna(0)pivot.plot(kind='line',subplots=True,layout=(5,5),figsize=(15,15))plt.suptitle('用户月度消费趋势',fontsize=16)plt.tight_layout()plt.show()2.答案：pythonimportpandasaspdimportseabornassnsimportmatplotlib.pyplotaspltdf=pd.read_csv('bikes.csv')df['start_time']=pd.to_datetime(df['start_time'])df['duration']=(df['end_time']-df['start_time']).dt.total_seconds()/60#分钟heatmap_data=df.groupby(['start_station','end_station'])['duration'].mean().unstack()sns.heatmap(heatmap_data,cmap='YlGnBu')plt.title('站点间平均骑行时长热力图')plt.show()3.答案：pythonfromsklearn.linear_modelimportLogisticRegressionimportpandasaspddf=pd.read_csv('credit_data.csv')X=df[['age','income','credit_score']]y=df['loan_applicant']model=LogisticRegression()model.fit(X,y)print("系数:",model.coef_)credit_score系数越高，申请贷款概率越大四、业务分析1.答案：-假设：互动小游戏增加用户停留时长→提升复购率。-验证方法：1.控制组不增加游戏，实验组增加游戏，对比复购率差异；2.监控留存曲线变化；3.通过A/B测