2026年数据质量管理工具应用题

2026年数据质量管理工具应用题一、单选题（共5题，每题2分，总分10分）题目：1.某金融企业使用InformaticaPowerCenter进行数据集成，发现目标库中客户姓名字段存在大量乱码。以下哪种配置最能解决此问题？（）A.在源端配置字符集转换B.在目标端配置字符集转换C.在映射流程中添加数据清洗节点D.忽略乱码直接同步数据2.在使用TalendOpenStudio处理电商平台订单数据时，某字段为空值占比超过50%。为减少冗余，应优先采取哪种处理策略？（）A.直接删除该字段B.用默认值填充空值C.保留字段但标记为空值D.拆分数据到子表3.某制造业企业使用IBMWatsonStudio进行数据质量监控，发现设备运行数据存在异常波动。以下哪个指标最能反映此类问题？（）A.完整性B.一致性C.准确性D.及时性4.在使用MicrosoftAzureDataFactory清洗销售数据时，某字段格式为"2026-01-32"。以下哪种转换逻辑最合理？（）A.忽略该数据B.修正为"2026-02-01"C.保留原值并标记错误D.转换为空值5.某零售企业使用DataRobot进行客户画像分析，发现部分年龄字段值超过120岁。以下哪种处理方式最科学？（）A.直接删除异常值B.用中位数替换C.保留原值但标注异常D.用逻辑回归修正二、多选题（共3题，每题3分，总分9分）题目：6.在使用ApacheNiFi管理物流数据时，以下哪些操作能有效提升数据质量？（）A.设置断言校验地址格式B.自动填充缺失的邮编C.重复数据自动去重D.实时同步到数据湖7.某医疗行业客户使用SASDataQualityServer监控患者记录，以下哪些场景需要重点校验？（）A.身份证号码格式B.联系方式完整性C.药品过敏史一致性D.数据更新延迟时间8.在使用AWSGlueETL流程处理电商订单时，以下哪些步骤属于数据质量提升环节？（）A.标准化城市名称B.校验金额是否为负数C.检查订单状态逻辑性D.压缩数据文件大小三、简答题（共2题，每题8分，总分16分）题目：9.某跨境贸易公司使用OracleDataQualityCloud处理供应商数据，发现存在大量重复记录。请简述至少三种识别重复数据的方法及适用场景。10.在使用QlikSense连接企业数据仓库时，某用户反馈报表中的区域名称存在拼写错误（如"Beijing"误写为"Bejng"）。请设计一个数据清洗流程，说明如何自动修正此类问题。四、案例分析题（共2题，每题15分，总分30分）题目：11.背景：某大型能源集团使用Teradata数据库存储设备运行数据，数据量达10GB/天。近期发现部分传感器数据存在延迟上报和异常值，影响故障预警准确性。要求：（1）列举三种数据质量工具可针对此场景的解决方案；（2）说明如何通过SQL或数据工具配置监控规则。12.背景：某电商平台使用Snowflake存储订单数据，但存在以下问题：-部分订单金额字段为负数；-收货地址缺失邮编；-订单状态与物流信息不一致。要求：（1）设计一个数据清洗流程，说明各环节处理逻辑；（2）若需实现自动化校验，应如何配置数据质量规则。答案与解析一、单选题答案与解析（10分）1.答案：A解析：乱码问题通常源于源端与目标端字符集不匹配。在Informatica中，应在源端配置字符集转换（如UTF-8→GBK），确保数据在传输前已正确编码。目标端转换可能导致部分字符仍无法正确显示。2.答案：C解析：对于空值占比超过50%的字段，直接删除会丢失大量信息；填充默认值可能误导分析。保留字段但标记为空值（如添加占位符或逻辑标记）既保留数据完整性，又便于后续处理。3.答案：C解析：异常波动反映数据准确性问题，如传感器故障或传输错误。完整性（缺失值）、一致性（格式统一）和及时性（延迟）无法直接体现此类问题。4.答案：B解析：错误日期需修正而非忽略或保留原值。AzureDataFactory可通过正则表达式或自定义脚本修正格式，但逻辑上应调整为有效日期（如2026-02-01）。5.答案：C解析：年龄超120岁属于异常值，直接删除或替换会丢失数据。标注异常（如添加标记列）既保留原始数据，又便于后续剔除或修正。二、多选题答案与解析（9分）6.答案：A、C解析：NiFi的断言校验（如正则表达式）和自动去重（DuplicateRemover）直接提升质量。自动填充邮编和同步数据湖属于预处理或存储优化，非核心质量提升操作。7.答案：A、B、C解析：医疗数据质量需关注身份唯一性（身份证）、联系方式完整性（紧急联系人）和临床信息一致性（过敏史）。延迟时间属于时效性而非内容准确性。8.答案：A、B、C解析：标准化名称、校验逻辑异常（如金额负数）和状态一致性均属数据质量校验范畴。压缩文件大小属于存储优化，与数据质量无直接关系。三、简答题答案与解析（16分）9.答案：方法1：哈希算法（如MD5）-场景：适用于结构化数据（如身份证、手机号）的重复检测。通过计算每条记录的哈希值，将哈希值相同的记录归为一组，再比对完整字段。方法2：规则引擎（如DQServer）-场景：适用于多字段组合重复（如姓名+身份证+地址）。可自定义规则，仅比对关键字段组合。方法3：聚类分析（如K-Means）-场景：适用于半结构化或模糊数据（如地址相似度）。通过算法将相似记录分组，再人工审核。10.答案：流程设计：（1）使用QlikSense的DataLoadEditor添加正则表达式替换逻辑：sqlReplace(Region,"Bejng","Beijing")（2）若需自动化，可结合Python脚本（如Pandas）预处理数据，再导入QlikSense；或使用数据质量工具（如Informatica）校验后输出标准格式文件。四、案例分析题答案与解析（30分）11.答案：（1）解决方案：-TeradataSQL监控：sqlSELECTSensorID,Timestamp,ValueFROMSensorsWHEREValue>(SELECTAVG(Value)+2STDDEV(Value)FROMSensors)-工具：-InformaticaPowerMonitor：配置阈值告警；-IBMWatsonStudio：集成机器学习模型预测异常。（2）监控规则配置：-在Teradata中创建触发器自动记录异常值；-使用InformaticaMonitor设定规则，如“运行时间延迟＞5分钟则标记为红”。12.答案：（1）清洗流程：-金额校验：`WHEREAmount<=0`标记异常；-邮编填充：使用地理编码API（如ArcGIS）根据地