2026年数据分析师笔试模拟题及答案

2026年数据分析师笔试模拟题及答案一、选择题（共5题，每题2分，合计10分）1.某电商平台A/B测试新推荐算法，对照组（未使用新算法）月均订单量为10万，实验组（使用新算法）月均订单量为12万，假设两组样本量相同，以下说法正确的是？A.新算法显著提升订单量，P值一定小于0.05B.需要计算效应量和置信区间才能判断实际业务影响C.差异可能由抽样误差导致，需重复实验验证D.新算法无效，因为差异仅比对照组高2%2.某零售企业发现用户复购率与首次购买后的浏览时长正相关，以下哪个模型最适合预测复购率？A.逻辑回归（二分类预测是否复购）B.线性回归（直接预测复购率数值）C.决策树（分析复购影响因素）D.神经网络（处理高维复购行为特征）3.某城市共享单车企业收集骑行数据，发现周末订单量比工作日高50%，以下哪个策略最可能缓解周末供需失衡？A.提高周末骑行价格（价格杠杆）B.增加周末运维团队（供给侧）C.推广“工作日存车补贴”（需求侧引导）D.关闭部分周末投放点（减少资源浪费）4.某银行分析用户违约数据，发现年轻用户违约率高于年长用户，以下哪个假设需进一步验证？A.年轻用户收入更低导致违约B.年轻用户更倾向于冲动消费C.银行风控模型未区分年龄分层D.年轻用户对罚息更敏感5.某外卖平台分析配送时效数据，发现高峰时段订单延迟率飙升，以下哪个方法能有效优化配送效率？A.全员强制加班（短期人工干预）B.动态路径规划（技术优化）C.提高配送费（价格杠杆）D.减少高峰时段订单接收量（需求控制）二、填空题（共5题，每空1分，合计5分）1.在进行用户分群时，若某群组用户特征高度集中，则该分群方法可能存在过拟合风险。2.SQL中计算某商品销售额占比，需使用`SUM(sales)/SUM(Total_sales)`语法，前提是数据表需包含商品ID和销售额字段。3.机器学习中，若模型在训练集上表现优秀但在测试集上表现差，则可能存在欠拟合问题。4.Excel中处理缺失值时，若数据量较大，优先考虑使用均值填充或回归插值方法。5.某电商A/B测试中，实验组转化率15%，对照组12%，若P值=0.03，则拒绝原假设的依据是样本差异显著。三、简答题（共3题，每题10分，合计30分）1.简述“漏斗分析法”在电商用户行为分析中的应用场景及局限性。-应用场景：通过分析用户从“曝光-点击-加购-下单-支付”各阶段流失率，识别转化瓶颈，例如发现“加购-下单”阶段流失严重，可优化支付流程。-局限性：无法解释流失原因（如未比价、库存不足），且忽略跨渠道行为（如PC端加购后移动端支付）。2.某快消品公司希望分析促销活动对销量影响，应如何设计数据验证方案？-方案：1.A/B测试：随机划分区域，一组执行促销（对照组），一组不执行（实验组），对比销量变化；2.时间序列对比：选取活动前后同期数据，控制季节性因素；3.多因素回归：引入价格、竞品活动、天气等变量，验证促销系数显著性。3.解释“数据偏差”的常见类型及在金融风控中的危害，并举例说明如何缓解。-类型：抽样偏差（如仅采集富裕用户数据）、时间偏差（如仅分析历史数据）、选择偏差（如高风险用户更易申请贷款）；-危害：模型预测偏差（如低估违约率），导致信贷损失；-缓解措施：交叉验证（分层抽样）、数据重采样（欠采样少数类）、引入外部数据（如征信数据补全）。四、编程题（共2题，每题15分，合计30分）1.使用Python（Pandas库）分析以下电商订单数据，要求：python示例数据（CSV格式）|order_id|user_id|product_price|order_date|||||||1001|101|99.99|2023-11-01||1002|102|199.98|2023-11-01||...|...|...|...|-任务1：计算每个用户的月消费总额，并按消费额降序排列；-任务2：统计“11月”和“12月”的订单量对比（以天为单位）。python代码示例（需完整实现）importpandasaspddf=pd.read_csv('orders.csv')df['order_date']=pd.to_datetime(df['order_date'])df['month']=df['order_date'].dt.monthdf['user_revenue']=df.groupby(['user_id','month'])['product_price'].sum().reset_index(name='revenue')df.sort_values('revenue',ascending=False,inplace=True)daily_order_count=df.groupby([df['order_date'].dt.date,'month']).size().unstack()2.假设某银行收集了用户历史交易数据，要求使用SQL编写以下查询：-任务1：计算每个用户的平均日交易笔数；-任务2：筛选出“交易金额中位数＞1000”的用户，并按中位数降序排列。sql--示例数据（表名：transactions）|transaction_id|user_id|amount|transaction_date||||--|||1|1001|500|2023-11-01||2|1001|1200|2023-11-01||...|...|...|...|--代码示例（需完整实现）SELECTuser_id,AVG笔数ASavg_daily_trxFROM(SELECTuser_id,COUNT()AS笔数FROMtransactionsGROUPBYuser_id,DATE(transaction_date))ASdaily_trxGROUPBYuser_id;五、论述题（1题，20分）某餐饮连锁企业希望利用数据分析提升门店选址效率，请结合实际场景，分析应考虑的关键数据维度及建模方法。-关键数据维度：1.人口统计（商圈常住人口、年龄分布、收入水平）；2.商业环境（周边餐饮密度、竞争品牌、租金成本）；3.用户行为（历史门店客流热力图、外卖订单分布、复购率）；4.地理特征（交通便利度、地铁/公交站点距离、商圈开放性）。-建模方法：1.聚类分析（K-Means识别高潜力商圈）；2.地理加权回归（分析门店业绩与各维度线性关系）；3.机器学习分类模型（预测新店成功率，输入特征包括上述维度）。答案及解析一、选择题答案1.B（需结合效应量和置信区间判断业务价值）；2.A（复购为二分类问题）；3.C（需求侧引导优于供给侧干预）；4.A（需验证收入差异是否真实存在）；5.B（动态路径规划技术可行）。二、填空题解析1.过拟合：分群标准过于细致，忽略用户共性；2.商品ID：用于关联商品销售额；3.欠拟合：模型未捕捉到数据规律；4.均值填充：适用于数值型数据缺失量少；5.样本差异显著：P值<0.05说明观察到的差异非随机。三、简答题解析1.漏斗分析法：-应用：电商通过分析“浏览-点击-加购-下单-支付”各阶段转化率，定位流失节点（如支付环节优化）；-局限：未量化流失原因，无法跨渠道整合数据。2.促销活动验证方案：-A/B测试：通过随机分组控制变量；-时间序列对比：同期对比可排除季节性影响；-多因素回归：更全面的统计验证。3.数据偏差与缓解：-类型：抽样偏差（如仅分析一线城市数据）；-危害：风控模型可能低估年长用户还款能力；-缓解：分层抽样确保样本代表性。四、编程题解析1.Python代码关键步骤：python任务1df['user_revenue']=df.groupby(['user_id','order_date'])['product_price'].sum().reset_index(name='revenue')df.sort_values('revenue',ascending=False,inplace=True)任务2daily_order_count=df.groupby([df['order_date'].dt.date,'month']).size().unstack()-注意：需处理日期格式和月份分组。2.SQL代码关键步骤：sql--任务1SELECTuser_id,AVG笔数ASavg_daily_trxFROM(SELECTuser_id,COUNT()AS笔数FROMtransactionsGROUPBYuser_id,DATE(transaction_date))ASdaily_trxGROUPBYuser_id;--任务2SELECTuser_id,PERCENTILE_CONT(0.5)WITHINGROUP(ORDERBYamount)ASmedian_amou