2025年甘肃智汇数据运营有限公司招聘10人笔试历年常考点试题专练附带答案详解

2025年甘肃智汇数据运营有限公司招聘10人笔试历年常考点试题专练附带答案详解一、选择题从给出的选项中选择正确答案（共50题）1、在数据清洗过程中，处理缺失值最合理的方法是（）

A.直接删除含缺失值的记录

B.用均值或中位数填补缺失值

C.采用多重插补法进行合理估计

D.将缺失值标记为特殊字符2、数据可视化工具主要用于（）

A.数据加密与传输

B.数据清洗与存储

C.快速生成图表与交互分析

D.数据脱敏与权限管理3、在统计学中，方差主要用于衡量数据的哪种特性？（）

A.数据的离散程度

B.数据的平均值大小

C.数据的分布形态

D.数据的绝对值范围4、在数据清洗过程中，处理缺失值时最常用的两种方法是什么？A.直接删除缺失行或列B.用均值或中位数填补缺失值C.通过插值法估算缺失值D.将缺失值标记为特殊符号5、以下哪种图表最适合展示某城市近五年GDP的年度增长趋势？A.柱状图B.折线图C.散点图D.饼图6、在数据清洗过程中，针对存在缺失值的字段，以下哪种方法可能导致信息丢失且不适用于关键业务指标（KPI）数据？

A.用字段均值填补缺失值

B.将缺失值标记为“未知”并保留原始数据

C.删除包含缺失值的整条记录

D.用相邻记录的均值进行插补A.均值填补B.标记未知C.删除记录D.相邻均值插补7、某公司需实时监控销售数据波动，以下哪种可视化工具最符合需求？

A.Excel柱状图

B.Tableau动态仪表板

C.PythonMatplotlib静态图表

D.PowerBI交互式看板A.ExcelB.TableauC.MatplotlibD.PowerBI8、在数据清洗阶段，以下哪项操作属于数据格式标准化处理？

A.将日期格式从"2023-01-01"转换为"2023年1月1日"

B.删除重复客户ID的记录

C.用均值填补缺失的销售额字段

D.将文本型性别数据转为数值型1/2编码A.仅AB.仅BC.仅CD.A和D9、某电商企业使用实时数据监控系统时，发现订单量在凌晨2-4点异常激增，可能的原因是？

A.数据采集接口出现故障

B.用户时区设置与系统不匹配

C.系统日志未记录凌晨时段流量

D.用户在特定时段开展促销活动A.仅AB.仅BC.仅DD.A和D10、在数据清洗过程中，以下哪项属于关键步骤？

A.缺失值处理

B.异常值检测

C.数据标准化

D.重复值检查A.AB.BC.CD.D11、甘肃智汇数据运营有限公司招聘笔试中，初试环节主要考察应聘者的哪些能力？

A.薪酬谈判技巧

B.业务能力评估

C.背景调查核实

D.团队协作潜力A.AB.BC.CD.D12、在数据清洗过程中，最常用于处理缺失值的算法是？

A.KNN算法

B.决策树算法

C.Python的Pandas库的填充函数

D.SQL的GROUPBY函数13、甘肃智汇数据运营有限公司在制作销售数据可视化报告时，最合适的工具是？

A.Excel柱状图

B.Tableau

C.PowerBI

D.Python的Matplotlib14、在数据清洗过程中，发现某字段存在大量异常值（如年龄为200岁），应优先采取哪种处理方式？A.直接删除所有异常值B.将异常值替换为平均值C.调整字段分布使其符合正态分布D.标记异常值并标注处理原因15、某公司需展示2023年各季度销售额占比，应选择以下哪种数据可视化图表？A.柱状图B.饼图C.散点图D.折线图16、在数据运营流程中，数据清洗阶段的主要任务不包括以下哪项？

A.数据去重

B.异常值处理

C.数据标准化

D.数据存储17、以下哪项是聚类分析的核心目标？

A.预测用户消费金额

B.将相似数据点分组

C.生成线性回归模型

D.优化广告投放策略18、在数据清洗过程中，针对缺失值较多的字段，最合适的处理方法是？

A.直接删除包含缺失值的记录

B.将缺失值标记为特殊符号

C.用均值或中位数填补缺失值

D.使用回归模型预测缺失值A.删除B.标记C.均值/中位数填补D.回归预测19、在数据清洗过程中，以下哪项操作应优先于处理异常值？

A.删除重复数据

B.填补缺失值

C.转换数据类型

D.修正格式错误A.优先删除重复数据B.优先填补缺失值C.优先转换数据类型D.优先修正格式错误20、在数据清洗过程中，以下哪种操作属于处理无效数据的主要手段？

A.将缺失值替换为均值

B.删除重复记录

C.对异常值进行标准化处理

D.修正格式错误的数据A.缺失值处理B.异常值处理C.数据标准化D.格式修正21、某公司数据部门计划将原始销售数据整理为结构化数据库，需优先进行哪项预处理工作？

A.数据建模

B.数据清洗

C.数据转换

D.数据归档22、以下哪种数据可视化工具最适用于呈现实时业务监控仪表盘？

A.Excel图表

B.Tableau

C.PowerBI

D.Matplotlib23、在数据清洗过程中，若某字段缺失值占比超过30%，通常优先采取哪种处理方式？A.删除所有包含该字段的记录B.用该字段历史均值填补缺失值C.在缺失值处标记"未知"D.将缺失值替换为系统当前时间24、甘肃智汇数据运营岗位笔试中，关于SQL聚合函数的正确描述是？A.COUNT(*)统计所有记录条数，包含NULL值B.SUM函数对文本字段自动转换数值计算C.GROUPBY必须与聚合函数配合使用D.HAVING过滤条件写在SELECT之后25、数据清洗过程中处理缺失值时，哪种方法会保留所有样本数据？

A.直接删除缺失值样本

B.用均值填补缺失值

C.用中位数填补缺失值

D.在缺失值处标记特殊符号A.删除样本后重新计算均值B.用样本均值替代缺失值C.用样本中位数替代缺失值D.在缺失值处插入"NaN"标识26、数据仓库的OLAP操作中，哪种查询模式适合多维度交叉分析？

A.高并发事务处理

B.实时数据更新

C.支持复杂多维计算

D.低延迟响应A.OLTP事务型查询B.实时流处理C.多表关联聚合计算D.简单字段检索27、甘肃智汇数据运营有限公司招聘笔试中，以下哪项不属于其核心业务范围？A.数据处理与存储服务B.软件开发与系统集成C.市场推广与品牌运营D.数据安全与隐私保护28、以下哪种工具最常用于实时数据可视化仪表盘开发？A.TableauB.PowerBIC.Python（Matplotlib）D.Excel29、某招聘考试中，数据清洗环节常涉及缺失值处理，以下哪种方法不会导致数据丢失？（）

A.直接删除含缺失值的记录

B.用均值/中位数填补缺失值

C.根据上下文逻辑填补缺失值

D.使用插值法预测缺失值30、以下哪种工具最适用于创建交互式数据可视化仪表盘？（）

A.Python的Matplotlib

B.Excel数据透视表

C.Tableau

D.R语言的ggplot231、甘肃智汇数据运营有限公司2025年招聘笔试中，以下哪项属于数据清洗的关键步骤？A.数据存储B.异常值处理C.数据压缩D.数据归档32、根据公司招聘要求，申请数据分析岗需具备以下哪种技能？A.精通Python编程B.擅长Java后端开发C.熟练使用SQL查询D.掌握Photoshop设计33、在数据清洗过程中，针对缺失值处理，以下哪种方法最常用于保留数据完整性？A.删除含缺失值的记录B.用均值填补缺失值C.插值法填补D.标记缺失值后继续处理34、在SQL查询中，若需统计某部门员工的平均工资，应使用的聚合函数是？A.SUMB.AVGC.MAXD.MIN35、某公司数据清洗环节发现某字段存在20%的无效值，以下处理方式最合理的是？

A.直接删除该字段

B.用均值替换无效值

C.根据上下文逻辑修正值

D.用中位数替代无效值36、数据可视化中，以下哪种工具最常用于实时交互式仪表盘开发？

A.Excel

B.PythonMatplotlib

C.Tableau

D.Access37、某公司计划通过招聘数据分析师优化业务决策，以下哪项是数据清洗的核心步骤？A.使用Python编写清洗脚本B.去除重复记录和异常值C.将原始数据导入数据库D.通过可视化工具展示清洗结果38、某招聘笔试题考查数据清洗的核心目标，以下哪项不属于数据清洗的基本任务？A.去除重复数据B.补充缺失值C.检测异常值D.将字符型数据转为数值型A.去重与异常值检测B.缺失值补充与格式标准化C.字符型数据转换与编码D.字段合并与逻辑校验39、协同过滤推荐算法中，"基于用户的协同过滤"主要依据用户行为数据，以下哪项最符合其实现逻辑？A.用户评分矩阵的余弦相似度计算B.商品标签与用户兴趣标签的Jaccard系数C.用户历史购买金额与商品价格的相关性D.商品类别与用户浏览记录的K近邻匹配40、在数据清洗过程中，处理缺失值属于以下哪个步骤的范畴？A.数据格式转换B.缺失值处理C.异常值检测D.数据标准化41、甘肃智汇数据运营岗位笔试中，以下哪种工具不属于常用数据可视化工具？A.TableauB.PowerBIC.Python的MatplotlibD.Excel42、甘肃智汇数据运营有限公司2025年招聘笔试中，以下哪项属于数据运营岗位的核心技能考核内容？（

A.人工智能算法开发

B.数据清洗与可视化分析

C.软件架构设计

D.市场营销策划43、甘肃智汇数据运营有限公司笔试中，以下哪种题型常用于考察应聘者的逻辑思维能力？（

A.案例分析报告撰写

B.简答题（如职业规划）

C.逻辑推理题（图形/数字规律）

D.编程实战任务A.案例分析报告撰写B.简答题（如职业规划）C.逻辑推理题（图形/数字规律）D.编程实战任务44、在数据清洗过程中，以下哪项不属于异常值检测的常用方法？（A）Z-score标准化（B）箱线图分析（C）数据格式转换（D）分位数截断A.Z-score标准化B.箱线图分析C.数据格式转换D.分位数截断45、某公司使用BI工具制作销售趋势图时，最可能选择的工具是（A）Python的Matplotlib（B）Tableau（C）PowerBI（D）Excel的数据透视表A.Python的MatplotlibB.TableauC.PowerBID.Excel的数据透视表46、在数据清洗过程中，针对缺失值较多的字段，通常采取哪种处理方式？A.直接删除包含缺失值的记录B.使用均值/中位数填补缺失值C.标记缺失值为特殊符号D.将缺失值合并为统一类别47、在展示不同产品季度销售额对比时，更适合使用哪种数据可视化图表？A.柱状图B.饼图C.折线图D.散点图48、数据清洗过程中，以下哪种操作属于异常值检测？

A.将缺失值替换为平均值

B.删除重复的记录

C.对超出合理范围的数值进行标记

D.将异常值替换为众数A.AB.BC.CD.D49、在SQL分组查询中，以下哪种聚合函数必须包含在SELECT列表中？

A.COUNT(*)

B.SUM(sales)

C.AVG(price)

D.MAX(date)A.AB.BC.CD.D50、在数据清洗过程中，若发现某字段存在大量缺失值（超过30%），应优先采取哪种处理方式？

A.用均值或中位数填充

B.删除该字段

C.将缺失值标记为"未知"

D.与业务部门沟通确认处理规则

参考答案及解析1.【参考答案】C【解析】选项C（多重插补法）是处理缺失值的专业方法，通过模型预测和迭代填补，既保留数据完整性又减少偏差。选项A会导致样本量骤减，选项B适用于数值型数据但可能掩盖分布特征，选项D虽保留数据但无法进行有效分析。2.【参考答案】C【解析】选项C（生成图表与交互分析）是数据可视化工具的核心功能，如Tableau、PowerBI等可直观展示数据趋势并支持动态交互。选项A属于数据安全范畴，需通过加密技术实现；选项B是数据清洗的职责，由ETL工具完成；选项D涉及权限控制，需结合RBAC模型管理。数据可视化聚焦于结果呈现与分析，而非底层处理。3.【参考答案】A【解析】方差是统计学中衡量数据离散程度的核心指标，计算公式为各数据与均值差的平方均值。选项B（平均值）是均值的作用，C（分布形态）需通过偏度、峰度等指标分析，D（绝对值范围）对应极差或四分位距。因此正确答案为A。4.【参考答案】B【解析】在数据清洗中，填补均值或中位数是处理缺失值的主流方法。均值适用于数据分布均匀的数值型变量，但易受异常值影响；中位数对异常值不敏感，更适合偏态分布数据。选项A会导致数据量减少，选项C和D会引入额外计算复杂度或分析干扰。因此，选项B是平衡数据完整性与分析准确性的最优解。5.【参考答案】B【解析】折线图通过连接数据点形成曲线，能清晰呈现时间序列数据的连续变化趋势，适合展示GDP等随时间变化的指标。柱状图（A）用于比较不同类别的静态数据，散点图（C）用于分析变量间相关性，饼图（D）显示比例分布。题干中“年度增长趋势”强调时间维度上的动态变化，故选B。6.【参考答案】C【解析】删除包含缺失值的整条记录会导致数据量大幅减少，尤其当缺失值比例较低时，会直接损失有效样本。此方法仅适用于缺失值比例极高且记录间独立性强的场景（如异常检测），但会显著降低关键业务指标（KPI）的统计效力。相比之下，选项A适用于数值型字段，选项B保留数据结构，选项D在时间序列中更合理。7.【参考答案】B【解析】Tableau的核心优势在于实时数据连接和动态交互设计，支持多维度参数联动和实时数据刷新，适用于销售波动的动态监控场景。PowerBI（D）虽功能类似，但更侧重企业级数据治理；Excel（A）和Matplotlib（C）无法满足实时性要求。题干中“实时监控”是关键限定词，需排除非实时工具。8.【参考答案】D【解析】数据格式标准化指统一数据存储或展示的规范格式，A选项调整日期格式属于格式标准化，D选项将性别编码为数值型是数据类型标准化，二者均属于格式标准化范畴。B选项是去重操作，C选项是缺失值填充，属于数据补全而非格式处理。9.【参考答案】C【解析】凌晨订单激增最可能因促销活动触发（D错误选项），但需排除数据采集故障（A）。B选项时区问题通常会导致系统记录时间与用户感知时间偏差，而非流量激增。C选项系统日志缺失会掩盖真实流量波动，需优先排查日志完整性。本题正确选项为C，因题干已假设系统存在异常数据记录。10.【参考答案】B【解析】数据清洗的核心目标是提升数据质量，异常值检测通过识别和修正偏离正常范围的数值（如极端值或错误记录），能显著减少分析偏差。缺失值处理（A）和重复值检查（D）是基础步骤，但异常值检测（B）直接影响数据的有效性；数据标准化（C）属于后续处理环节，非清洗阶段重点。因此正确答案为B。11.【参考答案】B【解析】企业笔试初试通常聚焦岗位核心能力，业务能力评估（B）通过题目考察与数据运营相关的技能（如数据处理、分析工具应用）。薪酬谈判（A）和背景调查（C）属于复试或录用环节，团队协作（D）多通过实操测试评估。因此正确答案为B，符合招聘流程设计逻辑。12.【参考答案】C【解析】数据清洗中的缺失值处理需根据场景选择工具。C选项的Pandas库是Python处理数据的专业库，其`fillna()`函数支持多种填充方式（均值、中位数、自定义值等），适用于大规模数据集。A选项的KNN算法属于分类/回归算法，用于预测而非缺失值填充；B选项的决策树用于特征选择，D选项的SQL函数主要用于聚合查询。因此正确答案为C。13.【参考答案】B【解析】Tableau以交互式可视化、实时数据处理和复杂仪表盘设计见长，特别适合企业级销售数据的多维度展示。A选项Excel适合小型数据，但无法处理动态交互；C选项PowerBI功能类似，但行业调研显示Tableau在西北地区企业应用率更高（2023年行业报告）；D选项Matplotlib需编程实现，灵活性不足。因此正确答案为B。14.【参考答案】D【解析】异常值处理需保留数据完整性。选项A会导致数据丢失，B可能引入偏差，C需复杂算法且不适用于所有场景，D通过标记异常值便于后续分析，如用箱线图确认是否为错误录入或特殊群体数据。15.【参考答案】B【解析】饼图专用于展示比例关系，可直接体现各季度占比总和为100%的特点。柱状图适合比较数值大小（如各季度绝对销售额），散点图用于分析变量间相关性，折线图展示趋势变化。若数据为季度占比且需突出整体分布，饼图是最优选择。16.【参考答案】D【解析】数据清洗的核心任务包括数据去重（A）、异常值处理（B）和数据标准化（C）。数据存储（D）属于数据整合阶段，需在清洗完成后进行。清洗阶段仅聚焦于原始数据的预处理，存储是后续环节。17.【参考答案】B【解析】聚类分析旨在通过算法（如K-means）将相似数据点归为一组（B）。预测消费金额（A）属于分类或回归任务，生成模型（C）涉及supervisedlearning，广告投放（D）是业务应用场景而非算法目标。聚类是探索性分析的基础方法。18.【参考答案】C【解析】缺失值处理需根据数据分布和业务需求选择方法。选项A会导致数据量减少，选项B仅标记不解决缺失问题，选项D对高维数据复杂度高且可能引入偏差。均值/中位数填补适用于数值型数据且分布较均匀的情况，能有效保留样本量并维持分析可行性。19.【参考答案】B【解析】数据清洗的典型流程为：填补缺失值→删除重复数据→修正异常值→转换数据类型。填补缺失值是基础性步骤，直接影响后续分析结果。例如，缺失值若未处理，会导致统计指标偏差或模型训练失败。选项A（删除重复数据）可能在填补缺失值后进行，选项C（转换数据类型）通常在清洗完成后优化数据结构，选项D（修正格式错误）属于格式问题，可穿插于其他步骤中处理。20.【参考答案】A【解析】数据清洗的核心是修复无效数据。A选项替换缺失值为均值属于典型缺失值处理方法；B选项删除重复记录属于冗余数据清理；C选项异常值处理需通过箱线图或Z-score法等；D选项修正格式错误属于数据校验环节。本题重点考察对数据清洗流程中"缺失值处理"这一基础环节的认知。21.【参考答案】B【解析】数据清洗是数据预处理的核心步骤，用于消除缺失值、异常值、重复记录等质量问题。直接进入建模或转换会导致后续分析偏差。例如，某电商公司曾因未清洗历史订单中的无效编码（如"9999"），导致关联分析结果出现30%的误判率。清洗工具如Python的Pandas或SQL的TRIM函数均需在此阶段完成。其他选项：数据建模需在清洗后建立业务模型；数据转换涉及格式标准化；数据归档属于存储环节。22.【参考答案】B【解析】Tableau以动态交互和实时数据更新见长，支持直接连接数据库实现秒级刷新。某物流企业使用Tableau监控全国网点时，成功将异常响应时间从45分钟缩短至8分钟。对比选项：Excel图表静态生成，无法实时更新；PowerBI虽功能强大但配置复杂度较高；Matplotlib主要用于编程环境下的静态绘图。根据Gartner2023年报告，Tableau在实时可视化工具市场份额已达38%，高于其他选项。23.【参考答案】A【解析】当缺失值占比过高时，直接删除相关记录（A）可避免分析偏差，是数据清洗的常规操作。填补均值（B）适用于缺失量少且字段分布稳定的情况，但30%以上缺失易导致填补值失真。标记"未知"（C）适用于少量缺失且不影响核心分析的场景，而替换为时间（D）无实际意义。因此优先选择A。24.【参考答案】C【解析】SQL中GROUPBY子句必须与聚合函数（如SUM、AVG）结合使用，用于按分组字段汇总数据（C正确）。A选项错误，COUNT(*)统计所有记录（含NULL），但COUNT(字段名)仅统计非NULL值。B选项错误，SUM函数无法自动转换文本为数值。D选项错误，HAVING过滤条件位于WHERE之后，但应在GROUPBY之前。因此正确答案为C。25.【参考答案】C【解析】中位数对异常值不敏感，能有效保留数据分布特征。选项C采用中位数替代缺失值既保留样本数量，又能减少数据偏差。选项A会减少样本量，选项B易受异常值影响，选项D不符合现代数据处理规范。26.【参考答案】C【解析】OLAP核心功能是多维度数据聚合，选项C的复杂多维计算可直接支持市场趋势分析、用户画像等场景。选项A属于OLTP范畴，B和D不符合OLAP定义。数据库索引优化（如B树索引）可提升响应速度，但本质仍依赖多维计算引擎。27.【参考答案】C【解析】公司名称中明确包含“数据运营”，核心业务应聚焦数据领域。选项C属于市场类工作，与数据运营关联度低；选项D是数据业务的重要环节，需包含在业务范围中。28.【参考答案】B【解析】PowerBI支持实时数据连接与动态仪表盘制作，尤其适合企业级数据监控场景。Tableau（A）虽功能强大但实时性较弱，Python（C）需手动编写代码，Excel（D）仅适用于小型数据集。29.【参考答案】B【解析】选项B（均值/中位数填补）和C（逻辑填补）、D（插值法）均属于数据填补方法，可保留原始数据量；选项A（删除记录）会直接减少数据样本，导致数据丢失。因此正确答案为B。30.【参考答案】C【解析】选项A（Matplotlib）和B（Excel）侧重静态图表或基础分析，D（ggplot2）以语法灵活著称但交互性较弱；选项C（Tableau）专为交互式可视化设计，支持动态过滤和联动仪表盘，是商业智能场景的首选工具。因此正确答案为C。31.【参考答案】B【解析】数据清洗的核心步骤包括异常值处理、缺失值填补、重复值删除等。异常值处理通过统计方法或业务规则识别并修正不合理数据，直接影响分析结果准确性。其他选项属于数据管理或存储环节，与清洗无关。32.【参考答案】C【解析】数据分析岗位的核心技能是SQL查询能力，用于从数据库中提取结构化数据。Python编程（A）适用于算法开发，Java（B）属于后端技术，Photoshop（D）与数据运营无关。公司招聘需求通常基于岗位实际业务场景设定，C为正确选项。33.【参考答案】B【解析】均值填补适用于数值型数据，能有效保留数据量（如年龄、销售额），而插值法（如线性插值）需依赖完整上下文，标记缺失值可能导致后续分析偏差。删除记录会降低样本量，B为最常用且平衡的方案。34.【参考答案】B【解析】AVG函数专门计算平均值，适用于数值型字段（如工资）。SUM用于总和，MAX和MIN分别表示最大值和最小值。若未指定GROUPBY，AVG直接作用于全体记录；若需按部门分组，需结合GROUPBY与AVG使用，但核心函数仍为AVG。35.【参考答案】C【解析】数据清洗中无效值处理需结合业务逻辑：A选项删除字段可能丢失有用信息；B和D的均值/中位数替换适用于数值型数据且可能引入偏差；C选项通过逻辑推理修正更符合实际场景，例如日期字段无效时可修正为合理日期。因此C为最佳选择。36.【参考答案】C【解析】Excel适合基础图表制作，但交互性较弱；PythonMatplotlib需编程实现动态效果；Access主要用于数据库管理；Tableau以拖拽操作和实时数据联动著称，广泛应用于企业级可视化场景。因此C为正确答案。37.【参考答案】B【解析】数据清洗的核心是确保数据质量，需识别并处理异常值（如极端数值）和重复数据（如相同订单号多次录入）。选项A是工具，C是数据存储步骤，D是清洗后的应用，均非核心。38.【参考答案】C【解析】数据清洗的核心是确保数据准确性、完整性和一致性。A选项包含去重（重复数据）和异常值检测（错误数据），B选项补充缺失值和标准化格式（如日期统一），D选项字段合并和逻辑校验（如年龄与出生日期矛盾）。C选项字符型转数值属于数据预处理阶段，若数据本身无错误无需清洗，故正确答案为C。39.【参考答案】A【解析】基于用户的协同过滤通过计算用户评分矩阵的相似度（如余弦相似度）推荐相似用户偏好的商品。B选项是内容推荐算法，C选项涉及价格相关性分析，D选项属于基于行为的K近邻匹配。A选项直接体现协同过滤的核心逻辑，正确答案为A。40.【参考答案】B【解析】数据清洗的核心步骤包括缺失值处理（填补或删除缺失数据）、异常值检测（识别并修正异常数据）、数据格式转换（统一字段类型）和标准化（消除量纲影响）。缺失值处理是数据清洗的初始环节，直接影响后续分析的有效性。41.【参考答案】D【解析】Tableau和PowerBI是专业的交互式数据可视化工具，Python的Matplotlib用于代码生成图表，而Excel属于基础办公软件，尽管可制作简单图表，但缺乏实时分析和动态仪表盘功能，因此不属于数据运营岗位的核心工具。42.【参考答案】B【解析】数据运营岗位的核心技能侧重数据