商务数据分析师技师试卷及答案

商务数据分析师技师试卷及答案试题部分一、填空题（每题1分，共10分）1.定量数据中，可计算均值的是______数据。2.Excel中用于提取数据透视表值的函数是______。3.描述数据离散程度的核心指标是______。4.线性回归中衡量拟合优度的指标是______。5.SQL中筛选分组后数据的子句是______。6.数据清洗的核心步骤包括去重、补全和______。7.用户分层常用模型的缩写是______。8.Python数据分析的核心库是______。9.关联规则挖掘的经典算法是______。10.描述数据集中趋势的指标包括均值、中位数和______。二、单项选择题（每题2分，共20分）1.下列属于定性数据的是（）A.客户满意度等级B.销售额C.年龄D.订单量2.Excel中VLOOKUP第4参数为FALSE时表示（）A.模糊匹配B.精确匹配C.区域匹配D.无序匹配3.线性回归前提假设不包括（）A.线性关系B.残差正态性C.多重共线性D.残差独立性4.SQL中删除数据的语句是（）A.DELETEB.UPDATEC.INSERTD.SELECT5.属于用户行为分析指标的是（）A.客单价B.复购率C.点击率D.毛利率6.Pandas中存储二维表格数据的结构是（）A.SeriesB.DataFrameC.ListD.Dictionary7.关联规则中“如果A则B”的强度用______衡量（）A.支持度B.置信度C.提升度D.重复度8.展示类别占比的图表是（）A.折线图B.柱状图C.饼图D.散点图9.SWOT分析中“O”代表（）A.优势B.劣势C.机会D.威胁10.属于描述统计的是（）A.假设检验B.参数估计C.均值计算D.回归分析三、多项选择题（每题2分，共20分）1.数据清洗的常见方法包括（）A.去重B.缺失值补全C.格式转换D.异常值处理2.线性回归评估指标有（）A.R²B.MSEC.MAED.卡方值3.SQL聚合函数包括（）A.SUMB.COUNTC.AVGD.MAX4.RFM模型的维度是（）A.最近消费RB.消费频率FC.消费金额MD.消费渠道C5.Python数据分析常用库有（）A.PandasB.NumPyC.MatplotlibD.Scikit-learn6.数据可视化原则包括（）A.简洁性B.准确性C.相关性D.美观性7.商业分析常用方法有（）A.SWOTB.PESTC.5W2HD.波特五力8.异常值检测方法有（）A.3σ原则B.箱线图C.聚类法D.残差法9.定量分析场景包括（）A.销售额预测B.用户满意度量化C.竞品价格对比D.市场份额计算10.数据挖掘任务包括（）A.分类B.聚类C.关联规则D.回归预测四、判断题（每题2分，共20分）1.定序数据可计算均值（）2.数据透视表可实现数据汇总筛选（）3.线性回归自变量必须是定量数据（）4.SQLSELECT必须包含FROM子句（）5.提升度>1表示关联规则有效（）6.PandasSeries是一维结构（）7.描述统计不涉及总体推断（）8.饼图适合展示连续数据分布（）9.复购率=重复购买用户数/总用户数×100%（）10.P值越小，拒绝原假设理由越充分（）五、简答题（每题5分，共20分）1.简述商务数据分析的基本流程。2.什么是RFM模型？它的应用场景是什么？3.数据清洗的必要性及常见步骤是什么？4.线性回归分析的前提假设有哪些？六、讨论题（每题5分，共20分）1.如何利用商务数据分析提升电商平台复购率？2.商务数据分析中如何平衡“数据准确性”与“分析效率”？---答案部分一、填空题1.定距2.GETPIVOTDATA3.标准差（或方差）4.R²（决定系数）5.HAVING6.异常值处理7.RFM8.Pandas9.Apriori10.众数二、单项选择题1.A2.B3.C4.A5.C6.B7.B8.C9.C10.C三、多项选择题1.ABCD2.ABC3.ABCD4.ABC5.ABCD6.ABCD7.ABCD8.ABCD9.ABCD10.ABCD四、判断题1.×2.√3.×4.√5.√6.√7.√8.×9.√10.√五、简答题1.商务数据分析流程：①需求明确（确定分析目标，如提升复购）；②数据采集（从CRM、电商后台等取数）；③数据清洗（处理缺失/重复/异常值）；④数据分析（用描述统计、回归等方法）；⑤可视化（用图表展示结果）；⑥结论输出（提出可落地建议）。2.RFM模型：用户分层工具，含3维度：R（最近消费时间）、F（消费频率）、M（消费金额）。应用场景：①用户分层（区分高价值/普通/流失用户）；②精准营销（给高价值用户推专属优惠）；③运营优化（资源向核心用户倾斜）。3.数据清洗必要性：原始数据存在缺失、重复等问题，会导致分析错误。步骤：①审核（检查完整性/一致性）；②缺失值处理（删除/填充）；③重复值删除；④异常值处理（3σ/箱线图检测）；⑤格式转换（统一日期/金额格式）。4.线性回归前提假设：①自变量与因变量线性相关；②残差独立；③残差正态分布；④残差同方差；⑤自变量无多重共线性。六、讨论题1.提升电商复购率：①用户分层（RFM识别高价值用户，推专属权益）；②行为分析（找出未复购原因，优化物流/产品）；③个性化推荐（协同过滤算法推荐相关商品）；④老用户活动（满减/积分兑换唤醒沉睡用户）；⑤数据跟踪（迭代优化策略）。2.平衡准