数据分析师面试宝典及答案

2026年数据分析师面试宝典及答案一、选择题（共5题，每题2分）1.以下哪个指标最适合衡量电商平台的用户活跃度？A.用户总数B.日活跃用户（DAU）C.月活跃用户（MAU）D.新增用户数2.在数据清洗过程中，以下哪种方法不属于异常值处理？A.箱线图法B.标准差法C.回归分析法D.IQR（四分位距）法3.以下哪个SQL语句用于计算某个商品类别的总销售额？A.`SELECTCOUNT()FROMsales`B.`SELECTSUM(sales_amount)FROMsalesWHEREcategory='electronics'`C.`SELECTAVG(sales_amount)FROMsales`D.`SELECTMAX(sales_amount)FROMsales`4.在机器学习模型中，过拟合的主要表现是？A.模型训练误差和测试误差都很高B.模型训练误差低，测试误差高C.模型训练误差和测试误差都很低D.模型无法收敛5.以下哪个工具最适合进行数据可视化？A.Python的Pandas库B.SQL查询C.TableauD.Excel二、简答题（共4题，每题5分）6.简述数据分析师在电商行业的主要工作职责。7.如何处理缺失值？列举三种常见方法并说明适用场景。8.解释什么是特征工程，并举例说明其在机器学习中的作用。9.在进行用户分群时，常用的方法有哪些？如何选择合适的分群标准？三、计算题（共2题，每题10分）10.某电商平台A、B两类商品的销售数据如下表所示：|商品类别|销售额（万元）|订单量||||--||A|120|300||B|180|400|（1）计算A、B两类商品的客单价（销售额/订单量）；（2）如果计划通过促销活动提升A类商品订单量20%，假设客单价不变，预计销售额会增加多少？11.已知某用户行为数据如下：|用户ID|浏览页面数|购物车添加次数|购买次数||-||-|-||1|5|2|1||2|10|3|0||3|3|1|0||4|8|0|1|（1）计算该数据集的“购物车转化率”（购买次数/浏览页面数）；（2）如果计划通过优化购物车流程提升转化率10%，假设浏览页面数不变，预计购买次数会增加多少？四、SQL题（共2题，每题10分）12.给定以下数据库表结构：sql--订单表orders(order_idINT,user_idINT,order_dateDATE,total_amountDECIMAL)--用户表users(user_idINT,cityVARCHAR(50),registration_dateDATE)请写出以下SQL查询：（1）查询2025年每个城市的订单总金额；（2）查询每个用户的订单数量，并按订单数量降序排列。13.给定以下数据表：sql--产品表products(product_idINT,categoryVARCHAR(50),priceDECIMAL)--销售表sales(sale_idINT,product_idINT,quantityINT,sale_dateDATE)请写出以下SQL查询：（1）计算每个产品类别的总销售额（销售额=pricequantity）；（2）查询最近一个月每个产品的平均销售量。五、开放题（共2题，每题15分）14.在实际工作中，如何评估一个数据分析项目的成功？请结合电商行业举例说明。15.假设你负责分析某电商平台用户的流失原因，你会从哪些维度入手？如何设计分析方案？答案及解析一、选择题答案1.B（DAU衡量日活跃度，更符合电商场景）2.C（回归分析用于建模，非异常值处理）3.B（SQL聚合函数+条件筛选）4.B（过拟合指模型在训练集上表现好，但泛化能力差）5.C（Tableau专业可视化工具）二、简答题答案6.数据分析师在电商行业的主要职责：-用户行为分析（如浏览路径、转化率）；-销售数据分析（如销售额、客单价、品类占比）；-竞品分析（市场份额、价格策略）；-促销活动效果评估（ROI分析）；-建立数据监控体系（如漏斗分析）。7.缺失值处理方法：-删除法：适用于缺失比例低或缺失无规律；-填补法：-均值/中位数填补（适用于连续变量）；-众数填补（适用于分类变量）；-模型预测填补（如KNN、回归模型）。8.特征工程作用：-提升模型准确性（如特征组合、降维）；-简化模型复杂度（如去除冗余特征）；-增强模型可解释性（如业务规则衍生特征）。示例：电商中“购买时间窗口”特征可预测次日复购率。9.用户分群方法：-基于RFM模型（最近消费、频率、金额）；-基于聚类算法（K-Means）；-基于行为标签（如高价值、潜在流失）。选择标准：结合业务目标（如精准营销需高频高价值用户）。三、计算题答案10.解：（1）客单价：A类：120/300=0.4万元/单；B类：180/400=0.45万元/单。（2）销售额增加：A类订单量提升20%→新订单量=300×1.2=360；新销售额=360×0.4=144万元；增加额=144-120=24万元。11.解：（1）购物车转化率：用户1：1/5=20%；用户2：0/10=0%；用户3：0/3=0%；用户4：1/8=12.5%；平均转化率=(20%+0%+0%+12.5%)/4=8.75%。（2）转化率提升10%：假设浏览页面数不变，购买次数增加：用户1：1×1.1=1.1次（取整为1次）；用户4：1×1.1=1.1次（取整为1次）；总增加次数=1+0+0+0.1=1.1次（实际取整为1次）。四、SQL题答案12.SQL查询：（1）每个城市订单总金额：sqlSELECTcity,SUM(total_amount)AStotal_salesFROMordersoJOINusersuONo.user_id=u.user_idWHEREYEAR(order_date)=2025GROUPBYcity（2）每个用户订单数量降序：sqlSELECTuser_id,COUNT(order_id)ASorder_countFROMordersGROUPBYuser_idORDERBYorder_countDESC13.SQL查询：（1）每个产品类别的总销售额：sqlSELECTcategory,SUM(pricequantity)AStotal_salesFROMproductspJOINsalessONduct_id=duct_idGROUPBYcategory（2）最近一个月每个产品的平均销售量：sqlSELECTproduct_id,AVG(quantity)ASavg_quantityFROMsalesWHEREsale_date>=DATE_SUB(CURRENT_DATE,INTERVAL1MONTH)GROUPBYproduct_id五、开放题答案14.数据分析项目成功评估（电商场景）：-业务目标达成率（如销售额提升、用户留存率改善）；-数据驱动决策的落地效果（如促销活动ROI达标）；-模型或报表的实用性（如预测准确率超过80%）；示例：通过用户分群实现精准推荐，使转化率提升15%。15.用户流失分析方案：-数据维度：-用户行为（如活跃度下降、页面跳