2025年数据分析师招聘模拟题及答案

2025年数据分析师招聘模拟题及答案一、基础理论与技能题（共4题，每题15分）1.某电商平台用户购买转化率（支付用户数/点击用户数）周环比下降3%，已知本周点击用户数为50万，支付用户数为2.8万；上周点击用户数48万，支付用户数2.76万。请判断该下降是否具有统计显著性（α=0.05），并说明判断依据。需写出关键计算步骤。答案：需采用双比例Z检验验证两期转化率差异是否显著。上周转化率p1=2.76万/48万=0.0575；本周p2=2.8万/50万=0.056。合并转化率p=(2.76+2.8)/(48+50)=5.56/98≈0.0567。标准误SE=√[p(1-p)(1/48万+1/50万)]≈√[0.05670.9433(0.0000208+0.00002)]≈√[0.05350.0000408]≈√0.00000218≈0.001476。Z=(p2-p1)/SE=(0.056-0.0575)/0.001476≈-1.016。查Z分布表，双侧检验α=0.05时临界值为±1.96，|Z|=1.016<1.96，未拒绝原假设，下降无统计显著性。2.某数据集服从对数正态分布，其均值为120，几何均值为100。计算该分布的标准差（保留2位小数）。答案：对数正态分布中，若X~LN(μ,σ²)，则几何均值=exp(μ)，算术均值=exp(μ+σ²/2)。已知几何均值=100=exp(μ)→μ=ln(100)≈4.6052。算术均值=120=exp(μ+σ²/2)→ln(120)=μ+σ²/2→σ²/2=ln(120)-ln(100)=ln(1.2)≈0.1823→σ²≈0.3646→σ≈√0.3646≈0.60。3.某用户行为日志表（user_behavior）包含字段：user_id（用户ID）、event_time（事件时间，格式'2025-03-1514:30:00'）、event_type（事件类型，'点击'/'加购'/'支付'）、item_id（商品ID）。需计算3月1日-3月31日期间，每个用户的“支付-加购”时间差中位数（仅保留至少有1次加购后支付行为的用户）。请写出SQL计算逻辑（支持Hive语法）。答案：```sqlWITHuser_eventsAS(SELECTuser_id,event_type,event_time,item_id,LAG(event_time)OVER(PARTITIONBYuser_id,item_idORDERBYevent_time)ASprev_event_time,LAG(event_type)OVER(PARTITIONBYuser_id,item_idORDERBYevent_time)ASprev_event_typeFROMuser_behaviorWHEREevent_timeBETWEEN'2025-03-0100:00:00'AND'2025-03-3123:59:59'ANDevent_typeIN('加购','支付')),valid_pairsAS(SELECTuser_id,UNIX_TIMESTAMP(event_time)UNIX_TIMESTAMP(prev_event_time)AStime_diff_secFROMuser_eventsWHEREprev_event_type='加购'ANDevent_type='支付'ANDprev_event_time<event_time-确保时间顺序正确)SELECTuser_id,PERCENTILE(time_diff_sec,0.5)ASmedian_time_diff_secFROMvalid_pairsGROUPBYuser_idHAVINGCOUNT()>=1;```4.某模型对1000个样本进行分类预测，其中真实正类（P）300个，真实负类（N）700个。模型预测正类（P'）400个，其中正确预测的正类（TP）200个，正确预测的负类（TN）500个。计算F1分数，并说明该模型在召回率和精确率上的表现是否均衡。答案：TP=200，FP=P'-TP=400-200=200；FN=P-TP=300-200=100，TN=500。精确率（Precision）=TP/(TP+FP)=200/(200+200)=0.5；召回率（Recall）=TP/(TP+FN)=200/(200+100)=2/3≈0.6667；F1=2(PrecisionRecall)/(Precision+Recall)=2(0.50.6667)/(0.5+0.6667)=2(0.3333)/1.1667≈0.5714。精确率（0.5）低于召回率（0.6667），模型更倾向于“宁错杀不错放”，两者不均衡。二、业务分析题（共2题，每题20分）1.某社区团购平台Q1（1-3月）GMV环比下降8%，其中新客GMV下降15%，老客GMV下降5%。已知Q1新增用户数环比增长3%，但新客首单转化率（首单用户数/新增用户数）下降4个百分点。请从数据视角拆解可能原因，并提出3条可落地的优化建议。答案：原因拆解：（1）新客质量变化：新增用户数增长但首单转化率下降，可能新增用户中“羊毛党”或低意向用户占比提升（如渠道投放转向低质量流量源，或活动门槛降低吸引非目标用户）。（2）首单体验问题：首单转化率下降可能因注册到首单流程流失增加（如注册后引导页加载慢、首单商品吸引力不足、支付环节故障）。（3）新客LTV（生命周期价值）降低：即使部分新客完成首单，后续复购率或客单价可能下降（如首单商品为低价引流品，后续推荐的高毛利商品转化率低）。（4）老客流失或消费频次下降：老客GMV下降可能因竞品补贴导致用户转移，或平台商品品类调整（如高频刚需品缺货）影响复购。优化建议：（1）流量渠道精细化运营：通过渠道ROI分析（计算各渠道新增用户的首单转化率、30日GMV），淘汰低质量渠道，增加高转化渠道预算（如社区地推、老客裂变）。（2）首单流程优化：A/B测试首单商品推荐策略（如将“9.9元秒杀”调整为“满19元减10元”），缩短注册到支付路径（如一键授权登录+默认收货地址），监控关键节点流失率（如注册页→商品页流失率超30%则优化页面加载速度）。（3）老客分层运营：基于RFM模型划分高价值老客（最近购买≤7天、频次≥4次/月、金额≥200元），针对性推送专属折扣（如“满200减30”）；对流失老客（最近购买>30天）触发召回短信（如“您关注的鸡蛋今日特价，点击复购立减5元”）。三、工具与实战题（共2题，每题25分）1.用Python编写代码，对某电商用户订单数据（数据路径：'./orders.csv'，字段：user_id,order_time,total_amount,is_promotion（是否促销订单，0/1））进行以下分析：（1）计算2025年Q1各月促销订单与非促销订单的客单价（客单价=总金额/订单数）；（2）绘制折线图对比两类型订单的客单价月度趋势（要求使用Matplotlib，图表需包含标题、坐标轴标签、图例）；（3）判断3月促销订单客单价是否显著高于非促销订单（α=0.05），需说明检验方法并给出结论。答案：```pythonimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromscipyimportstats读取数据并预处理df=pd.read_csv('./orders.csv')df['order_time']=pd.to_datetime(df['order_time'])df['month']=df['order_time'].dt.monthdf=df[(df['month']>=1)&(df['month']<=3)]筛选Q1数据（1）计算各月客单价monthly_avg=df.groupby(['month','is_promotion'])['total_amount'].agg(total_amount='sum',order_count='count').reset_index()monthly_avg['客单价']=monthly_avg['total_amount']/monthly_avg['order_count']（2）绘制折线图plt.figure(figsize=(10,6))promotion_data=monthly_avg[monthly_avg['is_promotion']==1]non_promotion_data=monthly_avg[monthly_avg['is_promotion']==0]plt.plot(promotion_data['month'],promotion_data['客单价'],marker='o',label='促销订单')plt.plot(non_promotion_data['month'],non_promotion_data['客单价'],marker='s',label='非促销订单')plt.title('2025年Q1促销与非促销订单客单价月度趋势')plt.xlabel('月份')plt.ylabel('客单价（元）')plt.xticks([1,2,3])plt.legend()plt.grid(True)plt.show()（3）3月客单价差异检验（独立样本t检验）march_promo=df[(df['month']==3)&(df['is_promotion']==1)]['total_amount']march_non_promo=df[(df['month']==3)&(df['is_promotion']==0)]['total_amount']检验方差齐性（Levene检验）levene_test=stats.levene(march_promo,march_non_promo)iflevene_test.pvalue>0.05:equal_var=Trueelse:equal_var=Falset_test=stats.ttest_ind(march_promo,march_non_promo,equal_var=equal_var)ift_test.pvalue<0.05:conclusion='3月促销订单客单价显著高于非促销订单（p={:.4f}）'.format(t_test.pvalue)else:conclusion='3月促销与非促销订单客单价无显著差异（p={:.4f}）'.format(t_test.pvalue)print(conclusion)```2.某银行需构建信用卡逾期预测模型，已有数据包含用户基本信息（年龄、职业、月收入）、历史行为（近6个月逾期次数、最大逾期天数）、账户信息（信用额度、已用额度）。请设计模型开发全流程，并说明每个阶段的关键任务及需关注的风险点。答案：模型开发全流程及关键任务：（1）需求明确与数据理解关键任务：与业务方确认模型目标（如预测未来30天逾期概率）、定义正样本（逾期≥30天）与负样本（正常还款）、梳理数据字段业务含义（如月收入是否为税后、已用额度是否包含临时额度）。风险点：样本选择偏差（如仅用近1年开户用户，忽略长期用户特征）、标签定义模糊（如“逾期”是否包含未出账单的延迟还款）。（2）数据清洗与特征工程关键任务：处理缺失值（如月收入缺失用行业均值填充，职业缺失标记为“未知”）、异常值检测（如月收入>50万标记为极端值，采用分箱处理）、构造衍生特征（如“已用额度/信用额度”反映用卡强度，“近6个月逾期次数/总账单数”反映逾期频率）。风险点：特征泄露（如使用模型预测时间点之后的“最大逾期天数”）、特征冗余（如“月收入”与“已用额度”高度相关，需通过VIF