2026年数据管理员考核试卷（附答案）

2026年数据管理员考核试卷（附答案）第一部分：单项选择题（共20题，每题1.5分，共30分）1.在DAMA-DMBOK（数据管理知识体系指南）中，数据治理位于数据管理功能框架的哪个位置？A.数据生命周期核心B.数据架构与建模C.数据管理职能的顶层与核心D.数据安全与合规2.根据中国《个人信息保护法》（PIPL），处理个人信息应当遵循合法、正当、必要和诚信原则。其中，“必要原则”主要体现为：A.收集的个人信息均需获得用户明确授权B.不得收集与处理目的无关的个人信息C.必须将个人信息存储在中国境内D.必须设立专职的数据保护官（DPO）3.在关系型数据库设计中，用于确保实体完整性的约束是：A.外键约束B.主键约束C.唯一约束D.检查约束4.某电商平台在进行数据清洗时，发现用户手机号字段存在格式不统一的情况（如带区号、不带区号、含空格）。为了解决这种格式不一致的问题，最适合采用的数据质量维度处理技术是：A.完整性检查B.一致性标准化C.及时性监控D.唯一性校验5.在数据生命周期管理中，将不再频繁使用但需要保留以满足合规或审计要求的数据迁移到低成本存储介质的过程称为：A.数据归档B.数据清洗C.数据脱敏D.数据销毁6.下列关于元数据的描述中，错误的是：A.元数据是“关于数据的数据”B.元数据可以分为技术元数据、业务元数据和操作元数据C.数据字典属于技术元数据的一种D.元数据管理对于数据治理不是必须的，仅是辅助工具7.在数据安全领域，K-匿名是一种隐私保护模型。如果一个数据表满足3-匿名，意味着：A.每个记录至少被匿名化处理3次B.表中任何准标识符组合在数据集中至少出现3次C.敏感属性被分为3个层级D.攻击者只有3%的概率识别出个体8.CAP定理指出，分布式系统无法同时满足一致性、可用性和分区容错性。在分布式数据库设计中，通常为了保证高可用性和分区容错性而牺牲的是：A.一致性B.可用性C.分区容错性D.完整性9.数据血缘分析的主要目的是：A.优化数据库查询性能B.追踪数据的来源、转换过程和最终去向，用于影响分析和问题排查C.自动生成数据报表D.检测SQL注入攻击10.在数据仓库建模中，星型模型与雪花型模型的主要区别在于：A.星型模型不支持事实表B.雪花型模型中维度表是规范化的，而星型模型维度表是反规范化的C.星型模型比雪花型模型查询性能更差D.雪花型模型更易于理解和维护11.某金融机构实施数据分级分类管理，根据数据泄露后对国家安全、公共利益以及组织权益的侵害程度，将数据从高到低分为核心数据、重要数据和一般数据。关于核心数据的保护要求，下列说法最准确的是：A.仅限制内部访问，允许跨境传输B.严格访问控制，禁止跨境传输，采用高强度加密C.允许脱敏后公开D.仅需定期备份，无需特殊审计12.ETL过程中的“T”代表Transformation（转换）。在数据转换中，将“性别”字段的值从“0/1”转换为“男/女”属于：A.聚合B.清洗C.映射/解码D.过滤13.下列哪项不是数据质量管理中常用的“六西格玛”方法论关注的核心指标？A.准确性B.完整性C.时效性D.艺术性14.在SQL标准中，用于授予用户特定权限的命令是：A.ALLOWB.PERMITC.GRANTD.GIVE15.关于NoSQL数据库，下列说法正确的是：A.NoSQL数据库不支持ACID特性B.NoSQL数据库主要处理结构化数据C.Redis是一种基于内存的键值对NoSQL数据库D.MongoDB是图数据库的代表16.在数据资产评估中，计算数据质量的综合得分通常采用加权平均法。若某数据集的准确性得分为90（权重0.4），完整性得分为80（权重0.3），一致性得分为85（权重0.3），则该数据集的综合得分为：A.85.5B.85.0C.86.0D.84.517.某跨国公司总部位于美国，其中国分公司收集了中国公民的个人信息。根据中国《数据安全法》和《个人信息保护法》，若确需向境外提供数据，应当通过：A.直接通过互联网传输即可B.国家网信部门组织的安全评估C.仅需美国总部同意D.仅需中国分公司CEO同意18.数据脱敏技术中，动态脱敏与静态脱敏的主要区别在于：A.动态脱敏会修改数据库中的原始数据B.静态脱敏是在数据被查询时实时进行掩码处理C.动态脱敏不改变存储数据，仅在用户访问时根据权限实时展示脱敏后的数据D.非法用户无法绕过静态脱敏19.在主数据管理（MDM）中，“黄金记录”是指：A.加密后的记录B.从多个数据源整合并清洗后得到的、被视为最准确和权威的单一视图记录C.历史归档记录D.备份记录20.为了防止“脏读”问题，数据库事务隔离级别至少应设置为：A.读未提交B.读已提交C.可重复读D.串行化第二部分：多项选择题（共10题，每题3分，共30分。多选、少选、错选均不得分）1.下列属于DAMA-DMBOK定义的数据管理职能领域包括：A.数据架构B.数据开发C.数据操作D.数据安全E.参考数据和主数据2.实施数据治理的主要驱动力通常包括：A.规避监管风险（如GDPR、CCPA、PIPL等）B.提高数据质量以支持业务决策C.降低数据管理成本D.促进数据资产变现E.增加硬件采购预算3.常见的数据备份策略包括：A.全量备份B.增量备份C.差异备份D.逻辑备份E.物理备份4.识别敏感个人信息的特征通常包括：A.生物识别信息（如指纹、虹膜）B.宗教信仰、政治观点C.健康医疗信息D.行程轨迹E.普通的购物偏好记录5.在构建数据仓库时，维度建模的核心概念包括：A.事实表B.维度表C.粒度D.维度E.外键6.下列属于数据一致性问题的有：A.同一客户在不同系统中姓名写法不同B.订单金额与商品单价乘数量不符C.数据库主键冲突D.数据传输过程中出现乱码E.同一日期在不同表中格式不同（YYYY-MM-DDvsDD/MM/YYYY）7.数据管理员在应对数据安全事件时，应采取的响应措施包括：A.隔离受影响的系统B.评估事件影响范围和等级C.按照法律法规要求向监管部门和用户报告D.删除所有日志以掩盖事件E.恢复数据并修补漏洞8.大数据技术的“4V”特征指的是：A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Value（价值）E.Validity（准确）9.下列关于数据索引的说法，正确的有：A.索引可以加快查询速度，但会降低写入速度B.聚集索引改变数据的物理存储顺序C.一个表可以创建多个聚集索引D.经常用于WHERE条件的字段适合建立索引E.索引会占用额外的存储空间10.数据标准化的主要内容包括：A.业务术语标准（如定义、口径）B.数据编码标准（如身份证号、统一社会信用代码）C.数据格式标准（如日期格式、币种）D.元数据标准E.网络协议标准第三部分：判断题（共15题，每题1分，共15分）1.数据管理员只需要懂技术，不需要了解业务逻辑。2.数据湖通常用于存储原始的、未经处理的结构化和非结构化数据。3.只要对数据进行加密处理，就可以随意收集和存储用户隐私。4.在ER图中，一对多关系通常通过“1”和“N”或“crow'sfoot”（乌鸦脚）符号表示。5.数据归档后，原始数据可以从生产库中删除以释放空间。6.业务元数据主要描述数据的业务含义、计算规则和所有者，技术元数据主要描述数据的存储结构和技术属性。7.GDPR中的“被遗忘权”意味着用户可以无条件要求企业物理删除其所有数据。8.视图是虚拟表，不占用物理存储空间，但可以像表一样进行查询操作。9.数据清洗通常在数据加载到目标系统（如数据仓库）之后进行。10.在分布式系统中，BASE理论（BasicallyAvailable,Softstate,Eventuallyconsistent）是对CAP定理中一致性和可用性权衡的结果。11.为了方便使用，所有员工都应该拥有访问生产数据库最高权限的资格。12.数据血缘不仅包括表到表的血缘，还应包括字段级的血缘。13.非结构化数据（如视频、音频、文本）无法被计算机处理。14.RACI矩阵用于明确数据管理相关角色的职责，包括谁负责、谁批准、咨询谁和通知谁。15.差分隐私通过在查询结果中添加随机噪声来保护个体隐私，常用于统计类数据的发布。第四部分：填空题（共15题，每题1分，共15分）1.在数据管理中，DQ2.SQL语句中，用于从表中检索数据的命令是______。3.数据完整性的公式可以表示为：Co4.在数据建模中，用于描述实体间关系的模型称为______模型。5.______是指数据从产生到被销毁的整个过程，包括采集、存储、处理、共享、归档和销毁等阶段。6.在网络安全中，防止SQL注入攻击的最有效手段之一是使用______预编译语句。7.PII是______Information的缩写，指可用于识别特定个人的信息。8.在数据仓库中，______模型由一个大的中心事实表和一组维度表组成，形似星星。9.为了保证数据不丢失，备份策略中“3-2-1原则”指的是：至少有______份数据副本，存储在______种不同的介质上，其中至少______份在异地。10.数据脱敏中，将转换为“138****5678”的方式称为______脱敏。11.在关系代数中，用于从两个表中提取满足连接条件的行的操作称为______。12.______负责定义数据的业务含义、业务规则和数据标准。13.Redis作为一个高性能的键值对数据库，通常将数据存储在______中，以实现极快的读写速度。14.数据治理委员会（DGC）是数据治理的______决策机构。15.根据中国《数据安全法》，国家建立数据分类______保护制度。第五部分：简答题（共5题，每题6分，共30分）1.请简述数据治理与数据管理的区别与联系。2.列出并解释数据质量的六个核心维度（DAMADQ维度）。3.在实施数据分级分类保护时，通常遵循的分级原则是什么？4.请解释什么是“数据孤岛”现象，并简述其产生的危害及解决思路。5.简述静态脱敏与动态脱敏的应用场景及优缺点。第六部分：案例分析与应用题（共3题，每题35分，共105分）1.数据质量评估与改进案例某大型零售企业近期发现其销售报表中的“客户复购率”指标在不同部门（市场部、销售部）计算结果不一致，导致决策混乱。作为数据管理员，你被指派对该指标相关的数据链路进行排查。经调查，发现以下情况：源数据A（交易系统）：记录所有交易流水，包含字段`user_id`,`amount`,`trans_time`。该系统允许`user_id`为空（代表游客购买）。源数据B（会员系统）：记录会员注册信息，包含字段`user_id`,`register_time`,`level`。该系统存在历史遗留问题，部分老会员的`user_id`格式为纯数字，新会员为带字母的字符串。ETL处理逻辑：1.从交易系统抽取`trans_time`在过去一年的数据。2.通过`user_id`与会员系统进行左连接，获取会员等级。3.计算复购率公式为：复购问题点：市场部在计算时，过滤掉了`user_id`为空的记录，且认为新老会员ID是同一人，导致分母变小，且未做ID归一。销售部在计算时，直接使用了交易系统的总流水数作为分母，且包含游客数据。问题：(1)请分析该案例中存在的数据质量问题至少涉及哪三个维度？（6分）(2)针对上述问题，请提出具体的数据清洗和标准化改进方案。（12分）(3)若该企业有1000万条交易记录，请设计一个SQL逻辑（伪代码或具体SQL均可）来准确计算年度复购率，要求排除游客数据，并正确处理ID格式问题（假设存在一个映射表处理ID格式）。（8分）(4)如何从管理流程上避免此类指标口径不一致的问题再次发生？（9分）2.数据安全与合规案例某跨国医疗科技公司计划开发一款全球通用的健康数据分析平台。该平台需要收集中国患者的电子病历数据（包含姓名、身份证号、病史、基因数据等），并将部分脱敏数据上传至位于美国总部的云端服务器进行全球疫情趋势分析。背景信息：中国《个人信息保护法》规定，处理敏感个人信息应当取得个人的单独同意；关键信息基础设施的运营者在境内存储收集的个人信息；确需向境外提供的，应当通过国家网信部门的安全评估。该公司在中国境内的运营主体未被认定为关键信息基础设施运营者（CIIO），但处理的是敏感个人信息。问题：(1)请列出该案例中涉及的敏感个人信息类别。（6分）(2)针对数据跨境传输，该公司必须满足哪些法律合规要求？（10分）(3)在数据上传至云端前，必须进行数据脱敏。请针对“身份证号”和“基因数据”分别设计一种合适的脱敏算法或策略，并说明理由。（10分）(4)除了脱敏，该公司还应采取哪些技术和管理措施来保障云端数据的安全？（9分）3.数据架构与建模综合应用某银行希望建立企业级数据仓库，以支持风险管理和信用评分。业务需求如下：1.需要分析客户在过去3年的每月平均存款余额。2.需要统计各网点的贷款发放笔数和金额。3.需要分析不同职业、年龄段客户的违约率。现有以下核心业务表：Customer（客户表）：`Customer_Key`(代理键),`Customer_ID`(业务主键),`Name`,`Birth_Date`,`Occupation`,`Gender`。Account（账户表）：`Account_Key`,`Customer_Key`(外键),`Account_Type`(存款/贷款),`Open_Date`,`Branch_ID`。Transaction（交易流水表）：`Trans_Key`,`Account_Key`(外键),`Trans_Date`,`Trans_Type`(存/取/贷/还),`Amount`。Loan（贷款违约表）：`Loan_Key`,`Account_Key`(外键),`Is_Default`(是否违约),`Default_Date`。问题：(1)请设计一个星型模型，画出事实表（建议选择“账户快照事实表”或“贷款事实表”或“交易事实表”中的一种或组合）和至少3个维度表的结构，列出关键字段。（12分）(2)解释在你的设计中，如何处理“随时间变化”的维度（SCD），例如客户职业发生变化的情况。建议使用哪种SCD类型（Type1,2,or3）并说明理由。（8分）(3)针对“分析客户在过去3年的每月平均存款余额”这一需求，如果在事实表中直接存储每日余额会导致数据量爆炸。请提出一种优化事实表设计的方案（例如聚集事实表或周期快照事实表），并描述其粒度。（8分）(4)写出SQL查询语句，统计“职业为工程师”且“年龄段在30-40岁”之间的客户违约率。假设违约率=违约账户数/总贷款账户数。（7分）试卷答案及解析第一部分：单项选择题答案1.C解析：DAMA车轮图中，数据治理位于最核心位置，驱动并协调其他所有数据管理职能。2.B解析：必要原则即最小够用原则，限于实现处理目的的最小范围，不得收集无关信息。3.B解析：主键约束用于唯一标识表中的每一行，保证实体完整性；外键保证参照完整性。4.B解析：格式不统一属于一致性问题，标准化处理是解决此类格式差异的主要手段。5.A解析：数据归档是指将不常访问的数据移至低成本存储，但保留检索能力。6.D解析：元数据管理是数据治理的核心组成部分，对于数据发现、数据理解、数据血缘至关重要，并非可有可无。7.B解析：K-匿名要求发布的数据中，任何准标识符组合（如邮编+性别+年龄）至少要有k-1个其他记录具有相同的值，使得无法区分出特定个体。8.A解析：在分布式系统中，为了高可用（A）和分区容错（P），通常选择最终一致性模型（如Cassandra），牺牲强一致性（C）。9.B解析：数据血缘用于追踪数据的源头、转换过程和流向，是影响分析、根因分析和合规审计的基础。10.B解析：雪花模型对维度表进行了规范化处理（拆分），可能涉及多表连接；星型模型维度表是反规范化的（扁平化），查询性能通常更好。11.B解析：核心数据一旦泄露将对国家安全造成严重损害，根据中国数据安全法，要求最严格的保护，包括严格访问控制、禁止违规跨境、强加密等。12.C解析：将代码值转换为业务描述值属于映射或解码转换。13.D解析：艺术性不是数据质量维度。常见维度包括：准确性、完整性、一致性、及时性、唯一性、有效性。14.C解析：SQL中授权命令为GRANT。15.C解析：Redis是键值对数据库；NoSQL不仅仅指非结构化，也支持半结构化；部分NoSQL（如NewSQL）支持ACID；MongoDB是文档数据库。16.A解析：90×17.B解析：根据PIPL，关键信息基础设施运营者或处理个人信息达到规定数量的处理者，确需向境外提供数据的，应当通过国家网信部门的安全评估。18.C19.B解析：黄金记录是经过匹配、合并、冲突解决后的“最佳版本”记录。20.B解析：读已提交可以避免脏读；可重复读避免脏读和不可重复读；串行化避免所有并发问题。第二部分：多项选择题答案1.ABCDE解析：以上均为DAMA-DMBOK定义的10大数据管理职能。2.ABCD解析：数据治理不是为了增加预算，而是为了合规、降本、增效。3.ABCDE解析：备份策略涵盖全量、增量、差异；备份类型涵盖逻辑和物理。4.ABCD解析：普通购物偏好通常属于一般个人信息，除非涉及极度隐私的敏感品类。5.ABCDE解析：维度建模四大要素：事实、维度、粒度。外键是连接技术手段。6.ABDE解析：A、B、E属于业务/逻辑一致性问题；D属于格式一致性问题；C属于完整性/约束问题。7.ABCE解析：删除日志属于掩盖违法行为，是禁止的。8.ABCD解析：大数据4V特征。9.ABDE解析：一个表通常只能有一个聚集索引（ClusteredIndex），因为聚集索引决定了数据物理存储顺序。10.ABCD解析：网络协议属于IT基础设施标准，不属于数据标准范畴。第三部分：判断题答案1.错解析：数据管理员必须既懂技术又懂业务，才能理解数据含义和制定合理的规则。2.对解析：数据湖特点。3.错解析：加密不能作为随意收集数据的借口，收集仍需遵循“合法、正当、必要”原则。4.对解析：ER图标准符号。5.对解析：归档数据通常移出高性能生产库。6.对解析：元数据分类定义。7.错解析：被遗忘权不是绝对的，当为了履行法律义务、公共利益等时，可以拒绝删除。8.对解析：视图定义。9.错解析：数据清洗通常在加载前（ELT）或加载中的Staging层进行，保证进入目标模型的数据质量。10.对解析：BASE理论是对AP系统特性的总结。11.错解析：违反最小权限原则，极高风险。12.对解析：精细化数据血缘要求字段级。13.错解析：现代技术（NLP、图像识别）可以处理非结构化数据。14.对解析：RACI矩阵用途。15.对解析：差分隐私原理。第四部分：填空题答案1.DataQualityManagement（数据质量管理）2.SELECT3.1004.E-R（实体-关系）5.数据生命周期6.参数化7.PersonallyIdentifiable（个人识别）8.星型9.3；2；110.遮蔽/掩码11.连接12.数据专员（或数据所有者DataSteward/Owner）13.内存（RAM）14.最高（或战略）15.分级第五部分：简答题答案1.数据治理与数据管理的区别与联系：区别：数据治理侧重于顶层设计、决策、规章制定和监督，关注“做什么”和“谁负责”，属于战略和执行层面；数据管理侧重于具体的执行操作和技术实现，关注“怎么做”，属于操作层面。联系：数据治理是数据管理的指导框架，为数据管理提供策略、标准和规则；数据管理是数据治理的具体落地实施，通过技术手段实现治理目标。两者相辅相成，缺一不可。2.数据质量的六个核心维度：准确性：数据是否真实反映了客观现实。完整性：数据是否缺失，是否包含所有必需的信息。一致性：数据在不同系统、不同表间是否逻辑一致（如格式、值域）。及时性：数据在需要时是否可用，更新是否及时。唯一性：数据是否存在重复。有效性：数据是否符合定义的业务规则、格式和值域范围。3.数据分级原则：合法合规原则：遵循国家及行业相关法律法规（如《数据安全法》）。就高不就低原则：当数据同时满足多个级别定义时，按最高级别定级。动态调整原则：随着数据价值、汇聚程度及外部环境变化，定期重新评估级别。自主定级与审核备案相结合：业务部门初定，管理部门审核。精细化原则：能够识别到字段级或数据项级。4.数据孤岛：定义：指企业内部不同部门、系统之间的数据相互独立、无法互通互连，形成像孤岛一样的隔离状态。危害：导致业务协同困难、数据价值无法挖掘、决策片面（缺乏全局视图）、客户体验差（需重复录入信息）、管理成本增加。解决思路：建立统一的数据标准；建设企业级数据仓库或数据中台；实施主数据管理（MDM）；打通API接口，实现系统间集成；推行数据治理，打破部门壁垒。5.静态脱敏与动态脱敏：静态脱敏：场景：开发测试环境、数据共享、数据分析外包。优点：不影响生产系统性能，可以批量处理。缺点：需要存储脱敏后的副本，数据可能不是最新的。动态脱敏：场景：生产环境实时查询、低权限用户访问敏感数据。优点：无需改变原始数据，实时性强，可根据用户权限展示不同脱敏结果。缺点：可能增加数据库查询延迟，对代理网关或数据库插件性能有要求。第六部分：案例分析与应用题答案1.数据质量评估与改进案例(1)数据质量维度：一致性：同一指标在不同部门计算口径不一致；新老会员ID格式不统一。完整性：交易系统中`user_id`存在空值（游客），影响分母计算。有效性/准确性：市场部将新老ID视为同一人导致统计错误（身份识别不准确）。(2)改进方案：标准化ID：在ETL过程中增加ID归一化步骤，建立全局统一的`Global_User_ID`映射表，将纯数字老ID与新格式ID进行映射关联。清洗空值：明确“复购率”指标定义，若针对会员，必须在计算前过滤掉`user_id`为空的游客数据。统一口径：在数据仓库层（DWS）统一加工“复购率”指标，禁止各部门在报表层自行计算。发布统一的指标字典。去重：在计算分母（总购买用户数）时，必须对`user_id`进行`DISTINCT`计数。(3)SQL逻辑设计：```sql假设已有ID映射表user_mapping(old_id,global_id)假设已过滤游客WITHuser_purchase_countAS(SELECTCOALESCE(um.global_id,t.user_id)asuser_global_id,COUNT(DISTINCTt.trans_id)aspurchase_cntFROMtransactionstLEFTJOINuser_mappingumONt.user_id=um.old_idWHEREt.user_idISNOTNULL--排除游客ANDt.trans_time>='2023-01-01'GROUPBYCOALESCE(um.global_id,t.user_id))SELECTCOUNT(CASEWHENpurchase_cnt>1THEN1END)*100.0/COUNT(*)asrepurchase_rateFROMuser_purchase_count;```(4)管理流程优化：建立指标管理委员会：所有核心指标必须由委员会评审定义。指标字典发布：统一发布指标定义、计算逻辑、数据来源，确保“单一事实来源”。数据认责机制：明确“复购率”的归口管理部门（如运营分析部），其他部门如有异议需走变更流程，不得私自修改逻辑。数据服务化：通过API或BI平台直接提供指标数据，禁止业务人员直接取数加工。2.数据安全与合规案例(1)敏感个人信息类别：生物识别信息：虽未直接提指纹，但基因数据属于高度敏感的生物信息。医疗健康信息：电子病历、病史。身份信息：身份证号。其他：姓名（结合身份信息时）。(2)跨境传输合规要求：单独同意：必须就向境外传输事项取得个人的单独同意。安全评估：虽非CIIO，但处理敏感个人信息且自当年1月1日起累计向境外提供10万人以上个人信息或1万人以上敏感个人信息，需通过国家网信部门的安全评估。若未达评估标准：需签订经国家网信部门备案的标准合同（SCC）。保护水平：确保接收方所在国家/地区具备同等保护水平，或采取合同、技术措施等保障。本地化存储：核心数据及在境内收集的个人信息必须在境内存储，出境需合规审批。(3)脱敏策略：身份证号：采用遮蔽脱敏。保留前6位（地址码）和后4位（校验码），中间用*号替代。理由：保留部分信息便于业务核对（如确认地区），但无法还原完整身份，符合通用隐私保护标准。基因数据：采用哈希脱敏或泛化/抑制。若用于统计，可进行差分隐私处理；若需比对，可进行不可逆哈希（加盐）。由于基因数