BDA商业数据分析师笔试真题（含详细答案）

BDA商业数据分析师笔试真题（含详细答案）考试说明：满分100分，考试时长90分钟，题型包含选择题、简答题、SQL实操题、业务案例分析题，侧重互联网业务数据分析基础、数据逻辑、SQL实操及业务落地能力。一、单项选择题（共10题，每题3分，共30分）1.互联网产品中，UV的核心定义是（）A.页面被访问的总次数B.独立访客数，同一用户当日多次访问只计算1次C.活跃用户总停留时长D.新增注册用户数答案：B解析：UV即独立访客，核心是按用户维度去重统计；PV为页面访问次数，不做用户去重，是最基础的流量核心指标。2.用于衡量活动转化效果的核心指标是（）A.曝光量B.转化率C.浏览时长D.跳出率答案：B解析：转化率=转化用户数/参与用户数，直接反映活动、页面、功能的用户转化能力，是效果类分析的核心指标。曝光仅代表触达，跳出率反映页面留存体验。3.以下不属于用户留存指标的是（）A.次日留存率B.7日留存率C.复购率D.30日留存率答案：C解析：复购率是电商、消费类产品的交易指标，反映用户二次消费意愿；留存率是衡量用户回访活跃度的核心留存指标。4.在数据分析中，用来识别两组数据是否存在显著差异的常用方法是（）A.描述性统计B.T检验C.数据排序D.数据去重答案：B解析：T检验是业务数据分析中最常用的显著性检验方法，多用于版本对比、活动效果对比，判断数据差异是策略导致还是随机波动。5.SQL中，用来对查询结果进行分组统计的关键字是（）A.ORDERBYB.GROUPBYC.WHERED.DISTINCT答案：B解析：GROUPBY用于分组聚合统计；ORDERBY用于排序；WHERE用于条件筛选；DISTINCT用于数据去重。6.用户跳出率的正确计算公式是（）A.跳出用户数/总访问用户数B.页面退出次数/总页面访问次数C.新用户跳出数/新用户总数D.跳出页面数/总页面数答案：A解析：跳出指用户进入页面后无任何操作直接退出，跳出率核心统计维度为用户维度，是衡量页面体验、引流精准度的关键指标。7.以下哪种数据属于结构化数据（）A.用户评论文本B.用户订单金额、下单时间C.产品短视频内容D.用户上传图片答案：B解析：结构化数据为固定格式、可直接入库统计的数值、时间、ID等数据；文本、图片、视频均为非结构化数据。8.分析产品新版本迭代效果，最合理的对比方式是（）A.新版本今日数据vs旧版本昨日数据B.新版本上线后数据vs上线前同期数据C.随机选取任意时间段数据对比D.仅对比峰值数据答案：B解析：版本迭代分析需规避时间、周期、节假日影响，采用同期对比是最贴合业务、误差最小的分析方式。9.SQL中HAVING子句的作用是（）A.分组前筛选数据行B.分组后筛选聚合结果C.对数据排序D.去重数据答案：B解析：WHERE是分组前筛选原始数据，HAVING是分组后筛选聚合后的统计结果，必须搭配GROUPBY使用。10.私域运营中，用户活跃度核心看以下哪个指标（）A.粉丝总数B.日活跃用户数C.累计新增用户D.历史成交用户数答案：B解析：粉丝、累计新增、历史成交均为存量指标，无法反映实时活跃状态，日活是衡量私域运营质量的核心流量指标。二、简答题（共3题，每题8分，共24分）1.简单说明PV、UV、IP三者的区别，以及业务中各自的使用场景。参考答案：（1）PV（页面浏览量）：用户访问页面的总次数，不做去重，用户多次刷新、重复访问都会累计，主要用于统计页面流量规模、页面热度、活动曝光频次。（2）UV（独立访客）：统计周期内去重的用户数，同一用户多次访问只算1次，用于衡量真实访问用户规模、渠道引流质量、产品用户覆盖量。（3）IP：用户访问的网络IP地址，同一局域网多个用户会共用一个IP，精准度最低，多用于排查异常流量、恶意刷量、风控监测，一般不作为核心业务指标。2.什么是辛普森悖论？结合互联网业务举一个简单例子。参考答案：辛普森悖论是指：分组统计的数据趋势和整体统计的数据趋势完全相反，核心原因是各组样本占比不均衡，导致整体数据失真。业务举例：某APP新老用户整体转化率，新版本低于旧版本；但拆分分组后，新用户、老用户单独的转化率，新版本均高于旧版本。出现该问题的原因是新版本上线后，低转化的新用户流量占比大幅提升，拉高了整体基数，导致整体数据变差，掩盖了版本优化的正向效果。3.日常数据分析工作中，数据异常排查的基本思路是什么？参考答案：（1）先确认数据真实性：检查数据上报、统计口径、计算逻辑、是否有数据延迟、漏报、报错问题；（2）维度拆分定位问题：按时间、渠道、用户分层、地区、版本、设备等维度拆分，定位异常发生的具体范围；（3）排查外部与业务因素：是否有节假日、活动上线、渠道投放波动、产品故障、版本迭代等事件；（4）对比验证：同比、环比、对照组对比，区分是正常波动还是真实业务异常；（5）总结归因并输出结论，同步业务方给出优化建议。三、SQL实操题（共2题，每题13分，共26分）基础数据表说明：用户表user_info（user_id用户ID，register_time注册时间，channel注册渠道）订单表order_info（order_id订单ID，user_id用户ID，order_time下单时间，pay_amount支付金额，is_pay是否支付）1.统计2025年10月1日-10月7日，每日的新增注册用户数，按日期升序排列。参考答案：sql

SELECT

DATE(register_time)ASregister_date,

COUNT(DISTINCTuser_id)ASnew_user_num

FROMuser_info

WHEREregister_timeBETWEEN'2025-10-0100:00:00'AND'2025-10-0723:59:59'

GROUPBYregister_date

ORDERBYregister_dateASC;解题思路：通过时间区间筛选数据，按注册日期分组，去重统计用户数，最后按日期排序，保证数据规整。2.统计2025年10月各渠道用户的总下单数、实际支付总金额，只展示支付金额大于10000的渠道。参考答案：sql

SELECT

ui.channel,

COUNT(DISTINCToi.order_id)ASorder_num,

SUM(oi.pay_amount)AStotal_pay

FROMuser_infoui

LEFTJOINorder_infooiONui.user_id=oi.user_id

WHEREDATE(oi.order_time)BETWEEN'2025-10-01'AND'2025-10-31'ANDoi.is_pay=1

GROUPBYui.channel

HAVINGSUM(oi.pay_amount)>10000;解题思路：关联用户表和订单表，筛选10月已支付订单，按渠道分组统计订单数和总金额，通过HAVING筛选聚合后达标渠道。四、业务案例分析题（共1题，20分）案例背景：某电商APP在本周上线了首页弹窗优惠券活动，活动上线后，产品数据出现两个变化：整体UV上涨15%，但整体下单转化率下降8%。业务方需要你分析原因，并给出对应的优化建议。详细参考答案：一、核心原因分析1.流量结构变化（核心原因）弹窗优惠券属于引流活动，会带来大量低价、非精准的泛流量。这类用户原本没有购物需求，只是被优惠吸引进入页面，拉高了整体UV，但这类用户转化意愿极低，拉低了整体转化率，属于典型的流量质量稀释问题。2.产品体验影响首页弹窗会强制打断用户原有浏览路径，部分精准老用户、高意向用户会因弹窗烦躁、关闭弹窗浪费时间，导致浏览体验下降，部分用户直接退出，小幅降低精准用户的转化效率。3.优惠策略匹配度问题若弹窗优惠券品类、门槛和用户需求不匹配，比如新用户满减门槛过高、优惠仅限冷门商品，引流进来的用户无法使用优惠，无法形成转化，最终出现流量涨、转化降的情况。4.用户分层差异拆分新老用户数据可发现：新增活动流量以新客、浅层用户为主，老客流量基本无增长，新客本身转化率远低于老客，整体数据被稀释。二、落地优化建议1.精细化流量运营针对活动引流流量做单独分层统计，区分自然流量和活动流量的数据，分开核算转化率，避免整体数据失真，真实评估活动效果。2.优化弹窗体验增加弹窗延时弹出、自动收起功能，避免强制打断用户浏览；支持一键关闭、记住本次不弹出，降低精准用户的流失率。3.精准匹