2026年CDA数据分析师（一级）试题及答案

2026年CDA数据分析师（一级）试题及答案单项选择题1.某零售企业希望通过用户消费数据识别高价值留存客户，以下指标中最适合作为核心分层依据的是（）A.客单价B.RFM值C.复购率D.消费频次答案：B解析：RFM模型是衡量客户价值和客户创利能力的重要工具和手段，包含最近一次消费（Recency）、消费频率（Frequency）、消费金额（Monetary）三个核心维度，相比单一的客单价、复购率、消费频次，能更全面地刻画用户的综合价值与留存属性，是客户分层的核心依据。2.以下不属于结构化数据的是（）A.企业ERP系统内的销售订单表B.电商平台的用户评论内容C.银行储户的账户交易流水D.考勤系统内的员工打卡记录答案：B解析：结构化数据是高度组织和整齐格式化的数据，可以用统一的结构表示，通常存储于关系型数据库中，可通过二维表形式直观展现。用户评论内容属于非结构化的文本数据，没有预定义的结构化存储格式，无法直接用二维表的行和列进行规整。3.某数据表中“用户年龄”字段存在12%的缺失值，该字段的分布为右偏分布，且存在少量极端异常高值，以下最适合填充该字段缺失值的方法是（）A.均值填充B.中位数填充C.众数填充D.删除缺失值所在行答案：B解析：右偏分布且存在极端高值时，均值会被极端值拉高，无法代表数据的集中趋势；众数仅适合分类变量或离散程度极低的数值变量；删除12%的行损失数据量过大，会降低分析结果的可靠性。中位数不受极端值影响，是偏态分布下数值型变量缺失值填充的最优选择。4.对1000名消费者的月均食品消费支出进行统计，得到均值为1800元，标准差为300元，根据切比雪夫不等式，月均食品消费支出在1200元到2400元之间的消费者占比至少为（）A.68%B.75%C.89%D.95%答案：B解析：切比雪夫不等式表明，对于任意分布的数据，至少有(1-1/k²)的数据落在距离均值k个标准差的范围内。本题中1200=1800-2300，2400=1800+2300，即k=2，因此占比至少为1-1/2²=75%。解析：切比雪夫不等式表明，对于任意分布的数据，至少有(1-1/k²)的数据落在距离均值k个标准差的范围内。本题中1200=1800-2300，2400=1800+2300，即k=2，因此占比至少为1-1/2²=75%。5.以下SQL语句中，能够实现从“销售表”中查询2025年全年销售额排名前10的城市，且销售额大于100万的功能的是（）A.SELECT城市,SUM(销售额)总销售额FROM销售表WHERE销售日期BETWEEN'2025-01-01'AND'2025-12-31'GROUPBY城市HAVINGSUM(销售额)>1000000ORDERBY总销售额DESCLIMIT10B.SELECT城市,SUM(销售额)总销售额FROM销售表WHERE销售日期BETWEEN'2025-01-01'AND'2025-12-31'ANDSUM(销售额)>1000000GROUPBY城市ORDERBY总销售额DESCLIMIT10C.SELECT城市,SUM(销售额)总销售额FROM销售表HAVING销售日期BETWEEN'2025-01-01'AND'2025-12-31'ANDSUM(销售额)>1000000GROUPBY城市ORDERBY总销售额DESCLIMIT10D.SELECT城市,SUM(销售额)总销售额FROM销售表WHERE销售日期BETWEEN'2025-01-01'AND'2025-12-31'GROUPBY城市WHERESUM(销售额)>1000000ORDERBY总销售额DESCLIMIT10答案：A解析：SQL语句的执行逻辑为WHERE筛选行级数据→GROUPBY分组→HAVING筛选聚合结果。聚合函数的筛选条件必须放在HAVING子句中，不能放在WHERE子句中，因此B、C、D语法均错误，只有A符合语法逻辑与业务需求。6.某互联网产品的次日留存率为40%，7日留存率为20%，以下说法正确的是（）A.所有新用户中，有20%的用户在注册后第7天当日登录了产品B.所有新用户中，有40%的用户在注册后次日到第7天之间至少登录过一次产品C.次日留存率是指注册当日登录的用户中，次日再次登录的用户占比D.7日留存率是指注册后前6天都登录的用户中，第7天仍然登录的用户占比答案：C解析：次日留存率的定义为统计周期内的新用户，在注册次日再次登录/使用产品的比例；7日留存率为统计周期内的新用户，在注册后第7天再次登录/使用产品的比例。A选项未明确统计口径为同一批新用户，表述错误；B、D对留存率的定义理解错误，只有C表述符合标准定义。7.以下可视化图表类型中，最适合展示不同品类商品销售额占总销售额比例的是（）A.折线图B.散点图C.饼图D.柱状图答案：C解析：饼图的核心适用场景为展示各部分占整体的比例关系；折线图适合展示时间序列数据的变化趋势；散点图适合展示两个数值变量之间的相关关系；柱状图适合对比不同类别之间的数值差异，因此本题选C。8.某数据集包含5个变量，分别为用户性别（男/女）、用户学历（小学/初中/高中/本科及以上）、月收入（元）、消费频次（次/月）、是否复购（是/否），其中属于定序变量的是（）A.用户性别B.用户学历C.月收入D.是否复购答案：B解析：定序变量属于分类变量的一种，类别之间存在明确的高低/大小顺序关系。用户性别、是否复购属于定类变量，类别之间无顺序；月收入属于定比变量；学历的类别之间存在明确的等级顺序，属于定序变量。9.某餐饮企业统计了12家门店的月均客流量分别为：120、135、142、142、150、155、158、162、165、170、178、185，该组数据的上四分位数（Q3）为（）A.165B.166C.168.75D.170答案：C解析：首先对数据从小到大排序（本题已排序），共n=12个数据。上四分位数Q3的位置为(n+1)0.75=130.75=9.75，即Q3为第9个数据加上0.75倍的第10个数据与第9个数据的差值，计算得165+0.75(170-165)=168.75。解析：首先对数据从小到大排序（本题已排序），共n=12个数据。上四分位数Q3的位置为(n+1)0.75=130.75=9.75，即Q3为第9个数据加上0.75倍的第10个数据与第9个数据的差值，计算得165+0.75(170-165)=168.75。10.以下关于假设检验的表述，正确的是（）A.显著性水平α是指原假设为真时，拒绝原假设的概率B.p值大于α时，我们可以接受原假设C.备择假设通常是研究者想要推翻的假设D.双侧检验的显著性水平高于单侧检验答案：A解析：显著性水平α的定义为原假设为真时，拒绝原假设的概率，即犯第一类错误的最大允许概率，A正确；p值大于α时，我们只能“不拒绝原假设”，而非直接接受原假设，B错误；原假设通常是研究者想要推翻的假设，备择假设是研究者想要支持的假设，C错误；双侧检验与单侧检验的显著性水平由研究者人为设定，二者没有固定的高低关系，D错误。11.使用Excel对包含10000行的销售数据表进行“省份”字段的重复值检查，以下操作效率最高的是（）A.逐行对比省份字段的内容，标记重复项B.选中省份字段列，使用“条件格式-突出显示单元格规则-重复值”功能C.使用COUNTIF函数逐行统计当前单元格内容在整列中出现的次数，次数大于1即为重复D.使用数据透视表，将省份字段拖入行区域，将省份字段拖入值区域设置为计数，计数项大于1的即为重复答案：B解析：Excel自带的条件格式重复值功能是内置的优化算法，处理效率远高于手动逐行对比、COUNTIF逐行计算；数据透视表适合汇总统计重复项的出现次数，但仅做重复值标记的情况下，条件格式操作更便捷、效率更高。12.某电商平台2025年的用户投诉量为1200起，2024年为1000起，以下说法正确的是（）A.2025年投诉量同比增长20%B.2025年投诉量环比增长20%C.2025年投诉量同比增长16.7%D.2025年投诉量环比增长16.7%答案：A解析：同比是指与上年同期相比，环比是指与上一个统计周期相比。2025年相比2024年为同比，增长率=(1200-1000)/1000100%=20%，因此A正确。解析：同比是指与上年同期相比，环比是指与上一个统计周期相比。2025年相比2024年为同比，增长率=(1200-1000)/1000100%=20%，因此A正确。13.以下不属于数据清洗范畴的操作是（）A.处理缺失值B.修正异常值C.去除重复数据D.对变量进行标准化处理答案：D解析：数据清洗主要包含处理缺失值、异常值、重复值、不一致数据等操作，目的是修正数据中的错误，提升数据质量。变量标准化属于数据转换的范畴，是为了消除变量量纲差异进行的处理，不属于数据清洗环节。14.某数据集的皮尔逊相关系数r=0.85，说明两个变量之间（）A.不存在相关关系B.存在低度线性相关关系C.存在高度线性相关关系D.存在因果关系答案：C解析：皮尔逊相关系数r的绝对值在0.8及以上时，说明两个变量之间存在高度线性相关关系；相关关系不等同于因果关系，无法仅通过相关系数判定因果，因此C正确。15.以下Python库中，主要用于数据可视化的是（）A.PandasB.NumPyC.MatplotlibD.Scikit-learn答案：C解析：Pandas主要用于数据处理与分析；NumPy主要用于数值计算；Matplotlib是Python主流的可视化库，用于绘制各类统计图表；Scikit-learn主要用于机器学习建模，因此本题选C。多项选择题1.以下属于CDA一级数据分析师的核心工作内容的有（）A.业务需求梳理与指标体系搭建B.业务数据的提取与清洗C.描述性统计分析与可视化呈现D.复杂深度学习模型的训练与调优答案：ABC解析：CDA一级为业务数据分析师，核心工作聚焦于业务需求拆解、数据提取清洗、描述性分析、可视化输出等基础分析工作，复杂深度学习模型训练属于CDA三级的工作范畴，因此D错误。2.以下关于集中趋势指标的表述，正确的有（）A.均值适合对称分布的数据集中趋势刻画B.中位数不受极端值的影响C.众数可以存在多个D.众数适合所有类型的变量答案：ABC解析：均值对极端值敏感，适合对称分布的数值型变量；中位数是位置代表值，不受极端值影响；众数是出现次数最多的数值，可以存在多个；众数仅适合分类变量或离散程度极低的数值变量，不适合连续型数值变量，因此D错误。3.以下SQL语句的功能描述正确的有（）A.DISTINCT关键字用于去除查询结果中的重复行B.ORDERBY用于对查询结果进行排序，默认是升序C.WHERE子句可以对分组后的聚合结果进行筛选D.LEFTJOIN会返回左表中的所有记录，即使右表中没有匹配的记录答案：ABD解析：WHERE子句用于筛选行级原始数据，分组后的聚合结果筛选需要使用HAVING子句，因此C错误，其余表述均正确。4.以下属于描述用户活跃度的核心指标的有（）A.DAU（日活跃用户数）B.MAU（月活跃用户数）C.人均使用时长D.付费转化率答案：ABC解析：付费转化率属于用户转化类指标，不属于活跃度指标，其余三个指标均为衡量用户活跃水平的核心指标。5.以下关于异常值的处理方法，合理的有（）A.若异常值是数据录入错误导致，直接修正或删除该条数据B.若异常值是真实业务场景下的极端情况，可单独标记后进行分析C.无论异常值的产生原因，直接删除即可D.可以使用分位数截断法对异常值进行修正答案：ABD解析：异常值的处理需要先判断产生原因，不能直接删除，否则可能丢失重要的业务信息，因此C错误，其余处理方式均合理。6.以下可视化呈现的注意事项，正确的有（）A.饼图的分类数量不宜超过6个，过多分类会导致可读性下降B.绘制折线图时，纵轴的取值范围必须从0开始C.柱状图适合对比不同类别之间的数值差异D.双轴图需要明确标注两个坐标轴的含义与量纲答案：ACD解析：折线图展示变化趋势时，若数据整体差异较小，可适当调整纵轴范围放大趋势，并非必须从0开始，因此B错误，其余表述均正确。7.以下属于概率抽样方法的有（）A.简单随机抽样B.分层抽样C.整群抽样D.方便抽样答案：ABC解析：方便抽样属于非概率抽样方法，抽样时不遵循随机原则，其余三个均为常见的概率抽样方法。8.某超市希望分析促销活动对销售额的影响，以下属于控制变量的有（）A.促销活动的投入金额B.促销期间的天气情况C.周边同类超市的促销活动情况D.超市的日常客流量水平答案：BCD解析：控制变量是指除了核心自变量（本题为促销活动投入）之外，可能影响因变量（销售额）的其他变量，需要在分析时进行控制。A是核心自变量，BCD均为需要控制的无关变量。9.以下Excel函数中，属于统计函数的有（）A.VLOOKUPB.SUMIFC.COUNTIFD.AVERAGEIF答案：BCD解析：VLOOKUP属于查找引用函数，其余三个均为条件统计类函数。10.以下关于交叉分析的表述，正确的有（）A.交叉分析可以同时分析两个分类变量之间的关系B.卡方检验可以用于判断交叉表中两个变量是否存在关联C.交叉分析无法用于分析数值型变量之间的关系D.交叉分析的结果可以用堆叠柱状图进行可视化呈现答案：ABD解析：交叉分析可以将数值型变量进行分箱处理后转换为分类变量，再进行交叉分析，因此C错误，其余表述均正确。实操题1.给定某零售企业2025年的销售数据表（sheet名称为“销售数据”），包含字段：订单ID、销售日期、商品品类、商品单价、销售数量、门店ID、门店城市。请完成以下操作：（1）使用Excel计算2025年第三季度（7-9月）所有门店的总销售额，写出完整操作步骤与计算公式。（2）统计上海市所有门店中，“家电”品类的累计销售数量，写出完整操作步骤与计算公式。答案与操作步骤：（1）第一步：新增辅助列“销售额”，在H2单元格输入公式=D2E2，按回车后下拉填充至所有数据行，计算每笔订单的销售额。第二步：使用SUMIFS函数计算第三季度总销售额，任意空白单元格输入公式：=SUMIFS(H:H,B:B,">=2025-07-01",B:B,"<=2025-09-30")，公式含义为对H列（销售额）求和，筛选条件为B列（销售日期）大于等于2025年7月1日且小于等于2025年9月30日，计算结果即为第三季度总销售额。也可使用SUMPRODUCT函数实现，公式为：=SUMPRODUCT((B2:B10000>=DATE(2025,7,1))(B2:B10000<=DATE(2025,9,30))D2:D10000E2:E10000)（假设数据共10000行）。（1）第一步：新增辅助列“销售额”，在H2单元格输入公式=D2E2，按回车后下拉填充至所有数据行，计算每笔订单的销售额。第二步：使用SUMIFS函数计算第三季度总销售额，任意空白单元格输入公式：=SUMIFS(H:H,B:B,">=2025-07-01",B:B,"<=2025-09-30")，公式含义为对H列（销售额）求和，筛选条件为B列（销售日期）大于等于2025年7月1日且小于等于2025年9月30日，计算结果即为第三季度总销售额。也可使用SUMPRODUCT函数实现，公式为：=SUMPRODUCT((B2:B10000>=DATE(2025,7,1))(B2:B10000<=DATE(2025,9,30))D2:D10000E2:E10000)（假设数据共10000行）。（2）使用SUMIFS函数计算，任意空白单元格输入公式：=SUMIFS(E:E,C:C,"家电",G:G,"上海市")，公式含义为对E列（销售数量）求和，筛选条件为C列（商品品类）为“家电”且G列（门店城市）为“上海市”，计算结果即为上海市家电品类的累计销售数量。2.给定用户行为数据表，表结构为user_id（用户ID）、event_time（行为时间）、event_type（行为类型：view/click/purchase）、product_id（商品ID）。请使用SQL完成以下查询：（1）查询2025年10月有购买行为的用户数，以及累计购买订单数（注：同一用户同一时间的多条购买记录算同一订单）。（2）查询被点击次数最多的前5个商品ID及其点击次数，排除点击次数为0的商品。答案与SQL语句：（1）SELECTCOUNT(DISTINCTuser_id)AS购买用户数,COUNT(DISTINCTCONCAT(user_id,event_time))AS累计订单数FROM用户行为表WHEREDATE(event_time)BETWEEN'2025-10-01'AND'2025-10-31'ANDevent_type='purchase';解析：使用DISTINCT对用户ID去重得到购买用户数，拼接用户ID与行为时间作为唯一订单标识，去重后计数得到累计订单数，WHERE子句筛选时间范围与购买行为