2026年58数据分析笔试题及答案

2026年58数据分析笔试题及答案

一、单项选择题，(总共10题，每题2分)。1.在58同城租房业务中，若需用“近7日有效连接转化率”衡量流量质量，该指标的分母应取A.近7日全部UVB.近7日点击“联系房东”按钮的UVC.近7日有详情页访问的UVD.近7日有列表页曝光的UV2.使用Pythonpandas处理5000万行用户行为日志时，为降低内存占用，下列做法无效的是A.将user_id由int64转为uint32B.对category字段使用category类型C.先抽样10%做EDA再全量跑模型D.用read_csv的dtype参数指定列类型3.58同城帖子详情页做A/B测试，实验组在标题下方增加“平台验真”标签，若评价指标为“有效微聊转化率”，则必需的假设检验是A.两独立样本t检验B.配对t检验C.卡方独立性检验D.单因素方差分析4.在58二手车价格预测模型中，若变量“车龄”与“里程”相关系数达0.92，则下一步最合理的处理是A.直接删除车龄B.做VIF检测再决定C.用PCA降维D.用Lasso自动筛选5.58本地服务类目采用UpliftModel评估“置顶”功能对成交的增量，建模阶段的核心因变量应为A.是否成交B.成交GMVC.处理组与对照组的成交差异D.个体处理效应6.58同城每日新增帖子约300万，若要用Hive构建分区分桶表提升查询速度，合理的分区字段是A.post_idB.user_idC.dtD.city7.在58同城用户画像中，若将“最近30天APP启动次数”做分箱，使用等频分箱相比等距分箱的优势是A.降低异常值影响B.提高IV值C.减少计算量D.保持单调性8.58同城推荐系统使用DeepFM，其中FM部分主要解决A.高阶特征交互B.稀疏特征低秩表示C.序列特征建模D.多目标学习9.58同城商家信用分采用XGBoost输出概率再校准，校准方法选择PlattScaling需额外准备的数是A.训练集交叉验证预测概率B.测试集真实标签C.验证集预测概率与真实标签D.训练集特征重要性10.58同城数据治理中，对“手机号”字段做MD5脱敏后仍可进行A.精确匹配B.模糊匹配C.聚合统计D.反向解密二、填空题，(总共10题，每题2分)。11.58同城日志服务器使用________协议将日志实时写入Kafka，以保证至少一次语义。12.在58同城房源质量分模型中，若某特征WOE值为0.35，则该特征对正样本的logodds________（填“正向”或“负向”）贡献。13.58同城采用Lambda架构，其中________层负责存储批量计算得到的用户长期兴趣标签。14.使用58同城用户搜索词构建TF-IDF向量时，若词w在单条文档中出现5次，文档总长100词，语料库总文档1亿，含w的文档100万，则IDF值近似为________。15.58同城实时风控系统使用FlinkCEP，当用户30分钟内发布超过________条帖子即触发异常。16.58同城APP端埋点规范中，事件“点击电话”对应的event_id为________。17.在58同城二手车图像审核中，使用ResNet50提取特征后做相似图检索，常采用________距离度量。18.58同城商家分层运营将月GMV大于10万且月活跃天数大于20的商家标记为________层级。19.58同城数据仓库使用________模型作为核心建模方法，以保证事实表与维度表的一致性。20.58同城使用HiveSQL计算近30日留存率时，常用________函数将用户首次活跃日期与后续活跃日期关联。三、判断题，(总共10题，每题2分)。21.58同城推荐系统冷启动阶段，ItemCF比UserCF更易落地。22.在58同城，使用AB实验评估“列表页增加视频卡片”对CTR提升，若实验组CTR提升2%，p值0.04，可认为业务显著。23.58同城数据资产目录中，数据血缘解析依赖AtlasHook在Hive执行引擎插入埋点。24.58同城使用SparkMLlib训练GBDT时，设置maxDepth越大越容易出现过拟合。25.58同城用户画像中的“租房偏好价格段”属于静态标签。26.58同城实时数仓采用Hudi的Merge-On-Read模式可在查询侧看到最新快照。27.58同城对日志做脱敏时，MD5加盐后相同原文每次输出一致。28.58同城使用KafkaMirrorMaker做跨机房数据复制，可保证消息顺序性。29.58同城在双十一大促期间，将Redis淘汰策略改为allkeys-lru以优先保证热点key。30.58同城采用DataWorks进行调度，当上游任务失败时，下游任务默认自动重跑3次。四、简答题，(总共4题，每题5分)。31.简述58同城如何利用双重差分法（DID）评估“精选房源”标签对成交GMV的因果效应，并说明关键假设。32.58同城日志出现字段漂移导致离线模型特征分布变化，请给出完整监控与修正流程。33.说明58同城在训练房价预测模型时，如何用SHAP值解释“地铁距离”特征对高单价房源的影响。34.58同城采用FlinkSQL实现实时UV计算，请写出核心逻辑并说明如何保障Exactly-Once语义。五、讨论题，(总共4题，每题5分)。35.58同城计划将推荐系统从离线训练升级为实时深度模型，请讨论技术路线、特征更新策略及可能带来的业务风险。36.58同城数据湖仓一体方案中，讨论Iceberg与Hudi在回滚能力、并发写及小文件合并上的差异，并给出选型建议。37.58同城商家存在“刷单”行为，请设计一套基于图神经网络的多关系作弊识别框架，并讨论如何平衡准确率与召回率。38.58同城拟用联邦学习联合手机厂商做用户意图建模，请讨论数据异构、通信开销与隐私合规三大挑战及应对策略。答案与解析一、1B2C3C4B5D6C7A8B9C10A二、11.syslog-ng12.正向13.Batch14.215.1016.58_tel_click17.余弦18.S19.Kimball维度20.LAG三、21√22×23√24√25×26√27×28√29√30×四、31.选取上线前后各8周数据，以城市-时间为面板，实验组为打标签房源，对照组为未打标签但同城市同价位房源，构建GMV的DID模型：Y_it=α+βT_i+γPost_t+δ(T_i×Post_t)+ε_it。δ即为因果效应。关键假设：平行趋势，即实验组与对照组在标签上线前GMV趋势一致；无同时期干扰；SUTVA。32.步骤：1.每日离线任务计算特征分布KL散度与PSI，超阈值告警；2.自动触发特征重要性重排序，剔除漂移过大特征；3.触发在线模型热更新，使用最近7日数据重训；4.灰度实验对比AUC与业务指标，确认无误后全量切换；5.记录漂移报告入知识库。33.训练XGBoost后，取SHAP值计算“地铁距离”在高单价样本上的平均绝对贡献，得到正贡献0.18，说明距地铁越近，模型预测单价越高；绘制SHAP依赖图可见在0-500米区间斜率最大，超过1000米后贡献趋零，解释“地铁距离”对高单价房源呈边际递减。34.核心逻辑：CREATETABLEuv_tmpASSELECTdt,COUNT(DISTINCTuser_id)ASuvFROMlog_kafkaGROUPBYTUMBLE(proctime,INTERVAL'1'DAY);使用Kafka-Flink两阶段提交，checkpoint与Kafka事务对齐，失败时回滚checkpoint并重放Kafka事务，保障Exactly-Once。五、35.技术路线：在线DeepFM+ParameterServer，特征更新采用Kafka+FlinkCEP，实时拼接用户行为序列，模型增量训练每15分钟一次。风险：特征穿越、线上延迟、资源成本翻倍，需灰度实验与降级预案。36.Iceberg支持快照级回滚，并发写基于乐观锁，小文件合并需手动optimize；Hudi支持时间旅行与自动小文件合并，并发写基于MVCC。若58同城需频繁回滚且读多写少，选Iceberg；若需自动合并且写多读少，选Hudi。37.框架：以商家、用户、订单为节点，建立“