2026年数据考试试题(附答案)

2026年数据考试试题(附答案)一、单项选择题（每题2分，共20分）1.以下哪项不属于数据清洗的主要目的？A.消除数据中的噪声B.纠正数据中的错误C.增加数据的维度数量D.处理缺失值2.某企业需构建支持历史数据存储与复杂查询的系统，应优先选择以下哪种技术架构？A.实时数据库B.数据仓库（DataWarehouse）C.内存数据库D.键值存储数据库3.数据可视化中，若需展示不同地区年度GDP的占比关系，最适合的图表类型是？A.折线图B.散点图C.柱状图D.饼图4.采用Z-score方法检测异常值时，若设定阈值为±3，则理论上异常值占比约为？A.0.13%B.2.5%C.5%D.1%5.某数据集包含1000条用户交易记录，需从中抽取100条作为样本，要求每个用户被抽中的概率与交易金额成正比，应采用以下哪种抽样方法？A.简单随机抽样B.分层抽样C.系统抽样D.概率与规模成比例抽样（PPS抽样）6.关联规则分析中，若规则“购买牛奶→购买面包”的支持度为15%，置信度为80%，则以下表述正确的是？A.15%的交易同时包含牛奶和面包B.80%的交易包含牛奶时会包含面包C.15%的牛奶购买记录中包含面包D.80%的面包购买记录中包含牛奶7.以下哪项是数据标注（DataLabeling）在机器学习中的核心作用？A.减少数据存储成本B.为模型提供监督学习的目标变量C.提升数据传输速度D.降低数据维度8.数据湖（DataLake）与传统数据仓库的主要区别在于？A.数据湖仅存储结构化数据B.数据湖在存储阶段不强制schemaC.数据仓库支持实时数据写入D.数据湖更强调数据的预处理9.以下哪个指标不属于数据质量的核心维度？A.完整性（Completeness）B.一致性（Consistency）C.可访问性（Accessibility）D.准确性（Accuracy）10.某金融机构需保护用户个人信息，防止数据泄露，以下哪种技术最适用于静态数据加密？A.传输层安全协议（TLS）B.同态加密（HomomorphicEncryption）C.哈希函数（HashFunction）D.高级加密标准（AES）二、填空题（每题3分，共15分）1.数据清洗中，处理缺失值的常见方法包括删除记录、插补法（如均值/中位数填充）和__________。2.数据仓库的核心特征包括面向主题、集成性、__________和非易失性。3.K-means聚类算法的停止条件通常包括达到最大迭代次数或__________不再变化。4.数据可视化设计中，应避免使用过多颜色、误导性坐标轴缩放和__________（列举一种常见错误）。5.数据伦理的核心原则包括隐私保护、__________（如避免歧视性算法）和透明性。三、简答题（每题8分，共40分）1.简述数据清洗的主要步骤，并说明每一步的关键操作。2.对比数据仓库（DataWarehouse）与数据湖（DataLake）在数据存储结构、处理阶段和应用场景上的差异。3.监督学习（SupervisedLearning）与无监督学习（UnsupervisedLearning）的主要区别是什么？各举一个典型应用场景。4.数据可视化设计需要考虑哪些关键要素？请结合具体案例说明如何通过可视化提升数据分析效果。5.列举数据安全的主要风险点（至少3个），并针对其中一个风险点提出具体的应对措施。四、计算题（每题10分，共20分）1.某电商平台用户年龄数据如下（单位：岁）：22,25,30,35,35,40,45,50,55,60。（1）计算该数据集的均值、中位数和标准差（保留2位小数）；（2）判断数据分布是否近似正态分布，说明理由。2.某分类模型对1000条测试数据的预测结果如下：真实正类（实际为正）：300条真实负类（实际为负）：700条模型预测正类中正确的有240条（TP），错误的有100条（FP）；模型预测负类中正确的有600条（TN），错误的有60条（FN）。（1）构建混淆矩阵；（2）计算准确率（Accuracy）、精确率（Precision）、召回率（Recall）和F1值（保留3位小数）。五、综合分析题（25分）某生鲜电商平台2025年第四季度用户行为数据如下表所示（单位：万次）：日期访问用户数加购用户数下单用户数支付用户数平均客单价（元）跳出率（%）2025-10-0185.212.38.57.215862.32025-11-11210.545.632.828.721541.22025-12-24150.828.920.117.318953.7季度均值120.625.417.214.518252.1注：跳出率=仅访问1页即离开的用户数/总访问用户数×100%请根据以上数据回答以下问题：（1）计算各关键转化环节的转化率（访问→加购、加购→下单、下单→支付），并分析季度内转化效率的变化趋势；（2）结合跳出率和平均客单价数据，指出平台运营中可能存在的问题，并提出2条优化建议；（3）假设2026年第一季度目标是将支付用户数提升20%，基于现有数据，你认为可通过哪些数据驱动的方法实现这一目标？答案一、单项选择题1.C2.B3.D4.A5.D6.A7.B8.B9.C10.D二、填空题1.保留缺失值（或“不处理”，需根据具体场景）2.时变性（或“历史性”）3.簇中心（质心）位置4.3D图表过度使用（或“数据墨水比过低”“误导性图例”等）5.公平性（或“非歧视性”）三、简答题1.数据清洗主要步骤及关键操作：（1）识别问题数据：通过统计分析（如缺失值比例、异常值检测）或可视化（如箱线图）定位缺失、重复、异常或格式错误的数据；（2）处理缺失值：根据业务场景选择删除（缺失率＞70%）、插补（均值/中位数填充、回归预测）或保留（缺失本身有意义）；（3）纠正错误数据：通过规则校验（如日期格式）、外部数据比对（如地址库）修正逻辑错误；（4）消除重复数据：通过主键（如用户ID）或相似性算法（如Levenshtein距离）识别并去重；（5）标准化数据格式：统一单位（如日期格式“YYYY-MM-DD”）、大小写（如“男”/“女”）或编码（如UTF-8）。2.数据仓库与数据湖的差异：数据存储结构：数据仓库以预定义schema（如星型模型）存储结构化数据；数据湖以原始格式（结构化、半结构化、非结构化）存储，schema在使用时定义（schema-on-read）。处理阶段：数据仓库强调ETL（抽取-转换-加载），在入库前完成清洗和整合；数据湖采用ELT（抽取-加载-转换），转换在分析时进行。应用场景：数据仓库适用于支持结构化数据的复杂查询（如企业报表、OLAP）；数据湖适用于多源数据存储、探索性分析（如AI训练、非结构化日志分析）。3.监督学习与无监督学习的区别及应用：区别：监督学习使用带标签数据（输入x→输出y），目标是学习x到y的映射；无监督学习使用无标签数据，目标是发现数据内在结构（如聚类、降维）。应用场景：监督学习（如垃圾邮件分类，标签为“垃圾/非垃圾”）；无监督学习（如客户分群，无预定义类别）。4.数据可视化关键要素及案例：关键要素包括目标明确（如展示趋势/分布）、数据准确性（避免误导性缩放）、视觉清晰（如颜色对比度、标签可读性）、交互性（如动态筛选）。案例：某零售企业需分析各区域销售额变化，使用折线图展示月度销售额趋势，横轴为时间，纵轴为销售额（统一刻度），不同颜色区分区域，配合tooltip显示具体数值。通过清晰的趋势对比，可快速定位销售额下滑的区域，针对性优化供应链。5.数据安全风险点及应对：风险点：数据泄露（如内部人员违规访问）、数据篡改（如恶意修改用户交易记录）、隐私侵犯（如未授权使用用户生物信息）。应对措施（以数据泄露为例）：实施访问控制（最小权限原则，如仅财务人员可访问薪资数据）、加密存储（敏感字段用AES加密）、日志审计（记录所有数据访问行为，定期核查异常操作）。四、计算题1.（1）均值=（22+25+30+35+35+40+45+50+55+60）/10=397/10=39.70岁；中位数=（第5、6位数据的平均值）=（35+40）/2=37.50岁；标准差=√[Σ(xi-μ)²/(n-1)]=√[(22-39.7)²+…+(60-39.7)²]/9≈√(2432.1)/3≈15.60岁（计算过程：各数据与均值差的平方和为2432.1，除以9得270.23，开方约16.44，可能存在计算误差，以实际为准）。（2）数据分布非正态：均值（39.7）＞中位数（37.5），呈右偏态；标准差较大（约15.6），数据离散程度高，不符合正态分布的对称性和集中性特征。2.（1）混淆矩阵：预测正类预测负类真实正类TP=240FN=60真实负类FP=100TN=600（2）准确率=（TP+TN）/总数=（240+600）/1000=0.840；精确率=TP/(TP+FP)=240/(240+100)=0.706；召回率=TP/(TP+FN)=240/(240+60)=0.800；F1=2×(精确率×召回率)/(精确率+召回率)=2×(0.706×0.800)/(0.706+0.800)≈0.750。五、综合分析题（1）转化率计算：访问→加购：10月01日=12.3/85.2≈14.44%；11月11日=45.6/210.5≈21.66%；12月24日=28.9/150.8≈19.16%；季度均值=25.4/120.6≈21.06%。加购→下单：10月01日=8.5/12.3≈69.11%；11月11日=32.8/45.6≈71.93%；12月24日=20.1/28.9≈69.55%；季度均值=17.2/25.4≈67.72%。下单→支付：10月01日=7.2/8.5≈84.71%；11月11日=28.7/32.8≈87.50%；12月24日=17.3/20.1≈86.07%；季度均值=14.5/17.2≈84.30%。趋势：访问→加购转化率在大促日（11月11日）显著高于日常（10月01日），但12月24日略有回落；加购→下单和下单→支付转化率整体稳定，大促日略高。（2）问题与建议：问题：日常跳出率（62.3%）远高于季度均值（52.1%），说明非大促期间用户停留时间短，可能页面吸引力不足或加载速度慢；平均客单价在大促日（215元）显著高于日常（158元），但支付用户数（28.7万）未与访问用户数（210.5万）同比增长，可能存在促销活动门槛过高或支付流程复杂。建议：①优化非大促日页面内容（如增加热门商品推荐、缩短加载时间），降低跳出率；②简化大促期间支付流程（如一键支付、减少必填信息），提升下单→支付转化率。（3）数据驱动方