数据分析师面试题及SQL数据库实操题含答案

2026年数据分析师面试题及SQL数据库实操题含答案一、选择题（每题2分，共10题）题目：1.在数据分析师工作中，以下哪项不属于数据采集的常见方法？A.爬虫技术B.问卷调查C.API接口调用D.机器学习模型预测2.SQL中，用于计算分组数据平均值的关键字是？A.SUM()B.AVG()C.MAX()D.COUNT()3.在数据可视化中，以下哪种图表最适合展示时间序列趋势？A.饼图B.散点图C.折线图D.气泡图4.简单线性回归模型中，以下哪个指标用于衡量模型拟合优度？A.R²（决定系数）B.MAE（平均绝对误差）C.P-value（显著性水平）D.RMSE（均方根误差）5.在大数据处理中，Hadoop生态系统中，以下哪个组件负责分布式文件存储？A.HiveB.HBaseC.YARND.HDFS答案：1.D2.B3.C4.A5.D二、填空题（每空1分，共5题）题目：1.数据清洗的常见步骤包括：___、___、___和___。2.SQL中，用于连接两个表的语法是___。3.在Python中，用于数据分析和可视化的常用库是___和___。4.机器学习中的过拟合现象是指模型在___数据上表现良好，但在___数据上表现较差。5.数据仓库中，星型模型的中心是___，周围连接多个___。答案：1.缺失值处理、异常值处理、重复值处理、格式统一2.JOIN3.Pandas、Matplotlib4.训练、测试5.账户维度表、事实表三、简答题（每题5分，共3题）题目：1.简述数据分析师在电商行业的主要工作职责。2.解释SQL中“内连接”和“外连接”的区别。3.描述如何使用SQL实现数据去重，并说明常用方法。答案：1.电商行业数据分析师职责：-分析用户行为数据（如浏览、加购、购买），优化商品推荐和营销策略。-监控销售数据，识别爆款和滞销品，调整库存管理。-进行竞品分析，通过市场数据制定差异化竞争策略。-构建数据报表和可视化看板，支持管理层决策。2.内连接vs外连接：-内连接（INNERJOIN）：仅返回两个表中匹配的记录，不匹配的记录会被过滤掉。-外连接（LEFTJOIN/RIGHTJOIN）：返回左表（或右表）的所有记录，以及右表（或左表）的匹配记录。若右表（或左表）无匹配，则结果为NULL。3.SQL数据去重方法：-使用`DISTINCT`关键字：`SELECTDISTINCTcolumn1,column2FROMtable_name;`-使用临时表或CTE（公用表表达式）：sqlWITHDuplicateRowsAS(SELECTcolumn1,COUNT()AScntFROMtable_nameGROUPBYcolumn1HAVINGCOUNT()>1)SELECTcolumn1FROMtable_nameWHEREcolumn1IN(SELECTcolumn1FROMDuplicateRows);四、SQL数据库实操题（共2题，每题10分）题目1：假设有一个电商订单表`orders`，字段包括：`order_id`（订单ID）、`user_id`（用户ID）、`order_date`（订单日期）、`amount`（订单金额）、`status`（订单状态，如“已支付”“已取消”）。请完成以下SQL查询：1.查询2026年1月已支付的订单数量及总金额。2.按月统计订单金额，并排序。3.查询每个用户的订单数量，并筛选出订单数量大于5的用户。答案：1.sqlSELECTCOUNT()ASorder_count,SUM(amount)AStotal_amountFROMordersWHEREorder_dateBETWEEN'2026-01-01'AND'2026-01-31'ANDstatus='已支付';2.sqlSELECTDATE_FORMAT(order_date,'%Y-%m')ASorder_month,SUM(amount)ASmonthly_totalFROMordersGROUPBYorder_monthORDERBYorder_month;3.sqlSELECTuser_id,COUNT()ASorder_cntFROMordersGROUPBYuser_idHAVINGorder_cnt>5;题目2：假设有一个商品表`products`，字段包括：`product_id`（商品ID）、`category`（商品类别）、`price`（价格）、`stock`（库存）。请完成以下SQL查询：1.查询每个类别的商品数量及平均价格。2.查询库存不足（小于10）的商品，并按价格降序排列。3.使用窗口函数计算每个商品的销售金额占比（假设有另一个表`sales`，字段包括`product_id`和`sales_amount`）。答案：1.sqlSELECTcategory,COUNT()ASproduct_count,AVG(price)ASaverage_priceFROMproductsGROUPBYcategory;2.sqlSELECTproduct_id,category,priceFROMproductsWHEREstock<10ORDERBYpriceDESC;3.sqlWITHSalesDataAS(SELECTproduct_id,SUM(sales_amount)AStotal_salesFROMsalesGROUPBYproduct_id)SELECTduct_id,p.category,s.total_sales,(s.total_sales/SUM(s.total_sales)OVER())ASsales_percentageFROMproductspJOINSalesDatasONduct_id=duct_id;五、开放题（10分）题目：假设你是一家零售公司的数据分析师，需要分析用户购买行为数据，以优化营销策略。请描述你会如何进行数据探索、预处理、分析和可视化，并给出至少3个可行的业务建议。答案：1.数据探索与预处理：-导入数据（如订单表、用户表、商品表），检查字段类型和缺失值。-对缺失值进行处理（如均值填充或删除）。-统计关键指标（如购买频率、客单价、复购率）。2.分析与可视化：-用户分层：通过RFM模型（Recency,Frequency,Monetary）划分用户价值等级。-商品关联分析：使用Apriori算法挖掘购买关联规则（如“购买A商品的用户常购买B商品”）。-可视化：-用折