2026年数据分析试题及答案

2026年数据分析试题及答案某电商平台要分析不同付费渠道新用户的30天留存率差异，已知三个渠道的样本量分别为120、85、132，留存率是0/1二分类变量（留存为1，流失为0），检验三个渠道留存率是否存在显著差异，最适合的方法是？选项：A.单因素ANOVAB.卡方独立性检验C.配对t检验D.Mann-WhitneyU检验答案：B解析：单因素ANOVA用于连续型因变量的多组均值差异检验，本题因变量是二分类的频次数据，不符合应用条件；卡方独立性检验适用于分析两个分类变量是否独立，本题中渠道是三分类自变量，留存是二分类因变量，若检验得出两个变量不独立，则说明不同渠道留存率存在显著差异，符合需求；配对t检验用于配对连续数据的差异检验，本题场景不匹配；Mann-WhitneyU是两组独立样本的非参数检验，本题是三组样本，因此选B。某零售企业用用户过去12个月的消费频率(F)、消费总金额(M)、最近一次消费时间间隔(R)构建RFM模型做用户分群，得到聚类结果后，其中某一簇用户的R值显著低于整体均值、F值显著高于整体均值、M值显著高于整体均值，该簇用户最符合哪类用户定义？选项：A.重要价值用户B.重要挽留用户C.潜力新用户D.流失高价值用户答案：A解析：RFM模型中，R值代表最近一次消费的时间间隔，R值越低说明用户最近刚发生消费，活跃度越高；F值代表消费频率，越高说明用户复购越多、忠诚度越高；M值代表消费总金额，越高说明用户带来的营收贡献越高，同时满足R低、F高、M高，就是企业的核心重要价值用户；重要挽留用户通常是R高（很久未消费）、F和M高，潜力新用户一般是R低、F和M中等偏低，流失高价值用户是R高、F和M曾经高因此选A。某数据分析师训练了一个分类模型预测用户是否会点击广告，模型的AUC为0.75，以下说法正确的是？选项：A.模型随机挑选一个正样本和一个负样本，模型给正样本打分高于负样本的概率是75%B.模型的整体准确率一定是75%C.AUC为0.75说明模型完全没有预测能力D.AUC越高模型的准确率一定越高答案：A解析：AUC的定义是ROC曲线下的面积，物理意义就是随机抽取一个正样本和一个负样本，分类器输出正样本为正的概率大于负样本为正的概率，因此A选项表述正确；AUC衡量的是模型的排序能力，和准确率没有直接绑定关系，准确率和分类阈值的选择直接相关，因此B、D选项错误；AUC等于0.5代表模型和随机猜测效果一致，大于0.5就说明模型有预测能力，因此C选项错误。以下属于数据分析项目中数据预处理阶段需要完成的工作有哪些？选项：A.缺失值填充B.异常值检测与处理C.特征编码D.样本抽样E.业务指标口径对齐答案：ABCDE解析：数据预处理是数据分析和建模前的准备工作，从拿到原始数据开始，首先需要对齐业务指标口径，明确每个字段的业务定义，排除口径不一致的问题，之后对原始数据进行清洗，包括处理缺失值、检测并处理异常值，再根据分析或建模的需求抽取符合条件的目标样本，最后对类别型特征做编码转换（比如独热编码、标签编码）满足建模要求，因此全部选项都属于预处理阶段的工作。生成式AI在数据分析领域的应用场景包括以下哪些？选项：A.自然语言转SQL，业务人员通过自然语言提问自动生成查询语句获取数据B.自动生成数据分析报告的文本描述，根据可视化图表自动提炼结论C.基于历史业务数据自动生成多场景的预测模拟，给出不同决策下的预期结果D.异常根因自动定位，基于监测到的业务指标波动自动遍历关联维度排查波动原因答案：ABCD解析：当前生成式AI结合数据分析已经落地多个成熟场景，自然语言交互查询（NL2SQL）是最常见的ToB应用，大幅降低了普通业务人员的取数门槛；此外生成式AI可以基于分析结果、可视化图表自动生成结构化的报告文本内容，减少人工撰写的成本；还可以结合历史业务数据生成多场景的预测模拟，输出不同决策对应的预期结果，辅助管理层决策；在业务异常监测场景中，生成式AI可以自动遍历所有关联维度，定位异常波动的根因，大幅提升分析效率，因此四个选项都正确。案例分析：某短视频平台2025年10月推出了针对新用户的7天新手专属流量激励活动，活动上线后，产品团队发现10月新用户的7日留存率从9月的28%提升到了31%，提升了3个百分点，产品经理认为是活动带来了留存提升，邀请你做数据分析验证这个结论。问题1：请你说明直接对比9月和10月新用户留存得出活动有效的结论有什么问题？问题2：你会用什么方法验证活动对留存的因果效应，写出具体的分析步骤？问题3：如果分析后发现活动确实显著提升了新用户7日留存，但活动参加用户的180天变现率反而比未参加活动的低2个百分点，请推测可能的原因。解答：问题1：直接对比两个月的留存存在多处混淆变量干扰，无法得出活动是留存提升的原因，具体问题包括：第一，人群属性偏差，9月和10月的新用户来源渠道结构、用户画像本身可能存在差异，比如10月平台配合活动做了全网推广，引来的新用户本身质量更高，留存天生就高于9月新用户，并非活动带来的提升；第二，时间维度混淆，9月和10月可能存在其他外部事件或内部产品变动，比如10月平台刚好上线了新的爆款内容赛道，整体全用户群体的留存都提升了，不止新用户，这是整体环境变化导致的，和活动无关；第三，样本选择偏差，若活动仅对部分满足条件的新用户开放，能参与活动的用户本身就是首日活跃度更高、更愿意留下来的用户，直接对比会显著高估活动的实际效果。问题2：如果活动上线前已经规划了验证，最适合用随机对照A/B测试验证因果效应；如果活动已经全量上线，只能做事后分析，可以用倾向得分匹配法校正混淆变量后对比，具体步骤：第一步，明确分组和核心观测变量，将10月参与活动的新用户作为处理组，符合活动条件但未参与活动的新用户作为对照组，核心观测变量为7日留存；第二步，校正混淆变量，收集两组用户的渠道来源、年龄性别、设备类型、新用户首日使用时长、首日内容偏好标签等所有影响用户留存和活动参与概率的特征，计算每个用户参与活动的倾向得分，为处理组每个用户匹配得分接近的对照组用户，保证两组用户除了是否参与活动外，其他核心特征分布基本一致；第三步，显著性检验，计算匹配后两组的7日留存率差异，做卡方检验验证差异的显著性，如果处理组留存显著高于对照组，且差异幅度接近观察到的3个百分点提升，即可说明活动有效；如果没有显著差异，说明留存提升是其他因素导致的。如果是做前瞻性A/B测试，只需要将新进用户随机分流，一部分用户触发活动（处理组），一部分用户不触发（对照组），随机分流已经保证混淆变量在两组分布一致，直接对比两组留存差异做显著性检验即可得出结论。问题3：活动提升短期留存但降低长期变现率，可能的原因包括：第一，激励挤出效应，活动的流量激励是免费福利，很多参与活动的新用户是冲着免费流量福利注册参与的，本身没有主动使用平台、长期留存的需求，拿到福利后就不再活跃，自然后续变现概率更低，而未参与活动的自然新用户都是主动因为内容需求进入平台的，长期变现意愿更强；第二，拉新人群结构偏差，活动推广期间吸引了很多原本不属于平台目标用户群的用户，这些用户只是为了福利注册，本身没有内容付费、广告转化的需求，拉低了活动组的整体平均变现率；第三，活动设计的行为引导偏差，新手期活动规则偏向引导用户完成刷视频、每日签到等任务拿流量奖励，没有引导用