2025年大数据管理局招聘考试《大数据知识》真题附答案

2025年大数据管理局招聘考试《大数据知识》练习题附答案一、单项选择题（共10题，每题1分，满分10分）1.根据《数据安全法》规定，国家对数据实行分类分级保护，核心数据指的是（）A.一旦遭到泄露，可能危害国家安全、公共利益，对个人权益造成严重损害的数据B.一旦遭到泄露，可能严重危害国家安全、国计民生、公共利益的数据C.一旦遭到泄露，可能对国家安全、公共利益以及个人权益造成一般损害的数据D.未纳入核心数据和重要数据范畴的普通用户个人数据答案：B解析：根据《中华人民共和国数据安全法》规定，国家按照数据对国家安全、公共利益或者个人、组织合法权益的影响和重要程度，将数据分为一般数据、重要数据、核心数据三级，其中核心数据是指一旦遭到篡改、破坏、泄露或者非法获取、非法利用，可能严重危害国家安全、国计民生、公共利益的数据。2.大数据的4V特性中，用来描述数据类型多样特性的是（）A.VelocityB.VolumeC.VarietyD.Value答案：C解析：大数据经典4V特性包括：Volume（数据规模大）、Variety（数据类型多样，包含结构化、半结构化、非结构化数据）、Velocity（处理速度快）、Value（价值密度低）。3.以下存储系统中，最适合存储大规模非结构化视频数据的是（）A.关系型数据库B.键值存储系统C.对象存储系统D.列族存储系统答案：C解析：对象存储系统适合存储海量非结构化数据（如视频、图片、文档），具备可扩展性强、成本低、访问便捷的特点；关系型数据库适合存储结构化业务数据，键值存储适合高速读写的缓存场景，列族存储适合结构化数据的批量分析场景。4.在Hadoop生态体系中，负责分布式海量数据存储的组件是（）A.HDFSB.YARNC.MapReduceD.HBase答案：A解析：HDFS（HadoopDistributedFileSystem）是Hadoop生态的核心分布式文件存储系统；YARN负责资源调度，MapReduce负责分布式计算，HBase是分布式列族数据库。5.以下数据脱敏方法中，属于静态脱敏的是（）A.生产环境访问数据时实时对敏感字段进行掩码处理B.将生产库中的敏感数据替换后导出到测试环境使用C.用户访问个人信息时仅返回本人授权范围内的数据D.通过防火墙拦截未授权的敏感数据访问请求答案：B解析：静态脱敏是指对脱离生产环境的静态数据（如导出给测试、研发使用的数据）提前进行脱敏处理，处理后的数据长期存储在非生产环境；动态脱敏是指生产环境访问时实时进行脱敏处理。6.数据仓库的三层架构中，负责存储原始未经加工数据的层级是（）A.数据应用层B.数据集市层C.数据汇总层D.ODS层（操作数据存储层）答案：D解析：ODS层（操作数据存储层）直接抽取业务系统的原始数据，保留原始数据的完整特征，是数据仓库的数据源入口。7.以下算法中，属于无监督学习算法的是（）A.逻辑回归B.K-Means聚类C.随机森林D.卷积神经网络答案：B解析：无监督学习使用无标签样本训练，K-Means是典型的聚类无监督算法；逻辑回归、随机森林、卷积神经网络都属于有监督学习算法。8.根据《个人信息保护法》规定，处理个人信息应当取得个人同意，关于同意的表述正确的是（）A.个人同意应当是明确、具体、可撤回的B.默认勾选同意框视为取得个人有效同意C.处理所有个人信息都必须单独取得个人同意D.个人撤回同意后，处理者可以继续留存该个人信息答案：A解析：《个人信息保护法》规定，个人同意应当是自愿、明确、具体、可撤回的，默认勾选不属于有效同意；仅处理敏感个人信息才需要单独同意，个人撤回同意后处理者应当停止处理并删除相关个人信息。9.湖仓一体架构中，数据湖存储的核心特征是（）A.仅存储结构化数据，不支持非结构化数据B.存储原始格式的多类型数据，支持统一计算访问C.预先对数据进行ETL加工后存储，无法直接查询D.仅支持批处理计算，不支持实时流计算答案：B解析：数据湖是湖仓一体架构的核心存储层，支持以原始格式存储结构化、半结构化、非结构化等多类型数据，同时支持批处理、流处理、机器学习等多种计算任务统一访问。10.基尼系数通常用来评估分类模型的哪个性能指标（）A.模型的偏差B.模型的方差C.特征的区分能力D.模型的拟合程度答案：C解析：基尼系数用于衡量特征的不纯度，数值越小说明特征的区分能力越强，常用于决策树算法的特征选择。二、多项选择题（共5题，每题2分，满分10分；多选、少选、错选均不得分）1.大数据分析中，常见的数据清洗操作包括（）A.缺失值处理B.异常值处理C.重复值处理D.数据格式转换E.特征工程提取答案：ABCD解析：数据清洗是对原始数据中的脏数据进行清理和标准化处理，常见操作包括缺失值填充/删除、异常值识别处理、重复值去重、格式统一转换；特征提取属于特征工程环节，不属于数据清洗范畴。2.以下属于大数据在政务领域典型应用场景的是（）A.医保基金欺诈骗保行为智能预警B.企业信用风险分级分类监管C.城市交通拥堵态势预测与疏导D.个人金融交易欺诈识别拦截E.突发公共卫生事件流调溯源分析答案：ABCE解析：个人金融交易欺诈识别属于金融领域商业应用场景，其余选项均为政务领域的公共管理、民生服务类大数据典型应用。3.数据生命周期管理一般包含哪些阶段（）A.数据采集B.数据存储C.数据使用D.数据销毁E.数据确权答案：ABCD解析：数据全生命周期管理分为数据采集、传输、存储、处理（使用）、交换、销毁六个核心阶段，数据确权属于数据产权管理范畴，不属于生命周期阶段划分。4.关于分布式计算的MapReduce编程模型，说法正确的是（）A.Map阶段负责对分片数据进行并行处理生成中间键值对B.Shuffle阶段负责对Map输出的中间结果按key分组排序C.Reduce阶段负责对分组后的中间结果进行汇总计算D.MapReduce天然支持迭代式计算，适合机器学习训练场景E.MapReduce的计算瓶颈主要在于磁盘IO开销答案：ABCE解析：MapReduce不适合迭代式计算和交互式计算，因为每次计算都需要读写磁盘，IO开销大，机器学习迭代训练多基于Spark等内存计算框架实现，其余选项表述均正确。5.数据安全治理中，常见的数据访问控制机制包括（）A.自主访问控制（DAC）B.强制访问控制（MAC）C.基于角色的访问控制（RBAC）D.基于属性的访问控制（ABAC）E.对称加密访问控制答案：ABCD解析：自主访问控制、强制访问控制、基于角色的访问控制、基于属性的访问控制是四类主流的数据访问控制机制；对称加密是数据加密算法，不属于访问控制机制范畴。三、填空题（共5空，每空2分，满分10分）1.____是指对同一数据实体从多个数据源采集得到不同版本数据后，进行统一整合，消除数据不一致性，形成统一标准数据的过程。答案：数据整合（或数据集成）2.在大数据实时计算框架中，Apache____是目前应用最广泛的流处理引擎，支持毫秒级延迟的实时数据处理。答案：Flink3.根据《政务数据共享开放条例》，政务数据分为无条件共享、____、不予共享三类。答案：有条件共享4.数据挖掘中，____采样的核心目标是让训练集和测试集的类别分布与原始数据集保持一致，常用于处理不平衡分类问题。答案：分层5.____是一种通过对原始数据中的敏感信息进行替换、掩码、加密等处理，降低敏感信息泄露风险的技术。答案：数据脱敏四、简答题（共3题，每题10分，满分30分）1.请简述政务数据中台的核心功能和建设意义。答案：政务数据中台的核心功能包括：（1）数据汇聚整合：对接分散在各委办局的业务系统数据，完成跨部门、跨层级、跨领域的数据采集、清洗、标准化，打破政务数据孤岛；（2分）（2）数据资产管理：建立政务数据资产目录，完成数据分类分级、元数据管理、数据质量监控、数据血缘追踪，实现政务数据资产的可管可控可溯源；（3分）（3）数据服务输出：将标准化的政务数据封装为可复用的数据接口、数据产品，面向政务应用、公众开放提供快速调用服务，避免重复建设；（2分）（4）数据安全管控：提供数据脱敏、权限管控、访问审计、泄露监测等安全能力，保障政务数据和个人信息安全。（1分）建设意义：一是打破部门数据壁垒，实现政务数据跨域共享，提升政务服务效率，优化营商环境；二是支撑“一网通办”“一网统管”等新型政务应用快速搭建，降低政务信息化建设成本；三是支撑政府科学决策，提升城市治理、公共服务、风险预警的智能化水平。（2分）2.请简述数据仓库和数据湖的核心区别。答案：数据仓库和数据湖的核心区别体现在五个方面：（1）数据处理模式：数据仓库采用“写时模式”，数据写入前需要预先定义schema，完成ETL加工转换为结构化数据后存储；数据湖采用“读时模式”，数据可以原始格式直接写入，读取时再进行schema定义和处理。（2分）（2）存储数据类型：数据仓库主要存储结构化业务数据，对非结构化数据支持较差；数据湖支持存储结构化、半结构化、非结构化等所有类型数据，包括原始日志、视频、图片等。（2分）（3）面向用户：数据仓库主要面向业务分析人员，支持固定场景的BI分析和报表生成；数据湖面向数据科学家、分析师等多类用户，支持数据分析、机器学习、数据探索等多种场景。（2分）（4）存储成本：数据湖通常基于低成本的分布式对象存储搭建，单位存储成本远低于数据仓库；数据仓库多采用高性能存储设备，存储成本较高。（2分）（5）灵活性：数据仓库schema固定，新增数据场景需要重新调整结构，灵活性较差；数据湖无需预先加工，支持灵活的探索式分析和新场景挖掘，灵活性更高。（2分）3.请简述大数据时代数据质量评估的主要维度。答案：大数据质量评估主要包含以下核心维度：（1）完整性：指数据是否存在缺失、记录不完整的情况，核心评估目标数据是否覆盖了应当采集的所有信息，没有关键字段缺失。（2分）（2）准确性：指数据记录的信息是否符合真实业务场景，不存在错误、虚假数据，如身份证号位数错误、年龄超出合理范围等都属于准确性问题。（2分）（3）一致性：指同一数据实体在不同数据源中的信息是否统一，不存在矛盾冲突，如同一企业的注册地址在市场监管库和税务库中不一致，属于一致性问题。（2分）（4）及时性：指数据从产生到可被访问使用的延迟是否满足业务需求，如实时交通态势分析要求数据延迟不超过5分钟，延迟过高则不满足及时性要求。（2分）（5）唯一性：指数据不存在重复记录，同一实体不会重复存储多次，重复数据会拉高存储成本、影响计算结果准确性。（1分）（6）可用性：指数据格式符合业务要求，不存在损坏、无法读取的情况，能够支撑业务场景正常使用。（1分）五、综合应用题（共1题，满分40分）某市大数据管理局计划启动全市政务数据资产普查工作，梳理全市各部门掌握的政务数据资源，建立统一的政务数据资产目录，支撑后续政务数据共享开放和应用开发。请结合政务大数据管理相关知识，回答以下问题：（1）本次政务数据资产普查工作应当遵循哪些基本原则？（10分）（2）请设计本次普查工作的具体实施流程。（20分）（3）请说明本次普查完成后形成的数据资产目录应当包含哪些核心信息。（10分）答案：（1）本次政务数据资产普查应当遵循以下基本原则：①统筹管理，分工负责：由市大数据管理局统一制定普查标准规范、统筹推进工作，各部门按照职责分工梳理本部门数据资产，落实普查责任，做到不重不漏。（2分）②标准统一，一数一源：全市采用统一的数据分类标准、元数据规范、安全分级标准，明确每一类数据的责任单位，保证同一数据只有唯一的权威来源，消除数据不一致隐患。（2分）③全面覆盖，应普尽普：覆盖全市所有行政机关、事业单位、公共服务企业掌握的政务数据资源，包括业务系统数据、线下采集数据、公共服务数据等，做到全面覆盖无遗漏。（2分）④安全合规，分类保护：严格按照《数据安全法》《个人信息保护法》要求开展普查，落实分类分级保护要求，普查过程中做好敏感数据、个人信息的安全防护，防止数据泄露。（2分）⑤需求导向，实用性强：普查工作围绕政务共享、开放开发、决策支撑的实际需求设计，形成的资产目录具备可落地性，能够直接支撑后续数据使用。（2分）（2）本次普查工作的实施流程设计如下：①前期准备阶段（4分）：一是成立普查工作专班，由市大数据局牵头，各部门安排专职联络员参与；二是制定普查工作方案，明确普查范围、时间节点、任务分工、质量要求；三是编制统一的《政务数据资产普查规范》，明确数据分类标准、元数据填报要求、分类分级规则；四是组织全市各部门开展普查工作培训，讲解规范要求和填报方法。②部门自查梳理阶段（6分）：各部门对照普查范围，梳理本部门所有政务数据资源，包括：梳理本部门所有在运行业务系统，逐一梳理每个系统采集、产生、存储的数据项；对线下采集的非电子化政务数据进行梳理统计；按照统一规范填报每个数据资产的元信息，按照分类分级标准确定数据的共享属性和安全级别；整理本部门数据资源目录初稿报送市大数据局。③核查校验阶段（5分）：市大数据局对各部门报送的资产目录进行多维度核查：一是完