2025年大数据分析师考试真题及答案

2025年大数据分析师考试真题及答案本试卷满分100分，考试时长120分钟，题型包含单项选择题、多项选择题、案例分析题三类，所有答案需填写在答题纸对应区域，在试卷上作答无效。一、单项选择题（共20题，每题2分，总计40分。每题只有1个正确答案，错选、不选均不得分）1.根据工信部2024年11月公开征求意见的《大数据产业发展三年行动计划（2025-2027）》，到2027年我国大数据产业规模的发展目标为突破（）A.3万亿元B.5万亿元C.7.5万亿元D.10万亿元【参考答案】B【解析】该行动计划明确，到2027年我国大数据产业规模突破5万亿元，年均复合增长率保持在15%左右，形成具备国际竞争力的大数据产业生态。3万亿元为《“十四五”大数据产业发展规划》提出的2025年发展目标，因此本题选B。2.下列关于湖仓一体（Lakehouse）架构的核心特征描述，错误的是（）A.同时支持数据湖的原始多格式数据存储与数据仓库的结构化SQL查询能力B.必须强制采用存算绑定的部署模式以提升计算效率C.支持ACID事务保障数据一致性，满足企业级核心数据场景的可靠性要求D.兼容批处理、流处理、机器学习、交互式查询等多负载计算需求【参考答案】B【解析】湖仓一体架构普遍采用云原生存算分离的部署模式实现弹性扩展，而非存算绑定的传统架构；存算绑定是传统本地化数据仓库的典型特征，存在扩展灵活性差、资源利用率低的问题，因此B选项表述错误。3.在用户行为日志数据清洗环节，某分析师发现某条访问记录的用户ID字段为16位全0值、访问时间戳为2147483647（即32位时间戳上限值，对应2038年1月19日），针对该条数据最合理的处理方式是（）A.保留该条数据用于用户留存率计算B.删除该条异常数据并同步记录清洗操作日志C.将用户ID填充为全体用户ID的众数、时间戳替换为日志采集当日的时间均值D.将产生该类记录的用户单独划为高价值用户群体标记【参考答案】B【解析】该条记录属于采集链路故障产生的典型脏数据，不具备实际业务含义；直接保留会导致统计结果偏差，随意填充字段值会引入额外的数据噪声，将其标记为高价值用户更缺乏事实依据，标准处理流程为删除异常数据并留存清洗日志，便于后续审计与问题溯源。4.2025年企业级数据分析场景中，下列哪类任务不适合直接接入通用大语言模型完成（）A.基于自然语言描述生成SQL查询语句B.分析报告的框架初撰与文字内容润色C.涉及企业核心经营敏感数据的指标异动根因推断D.可视化图表的配置参数智能推荐【参考答案】C【解析】通用大语言模型的服务部署通常在公网或第三方服务商侧，直接上传企业核心敏感数据存在数据泄露风险，违反《数据安全法》中关于核心数据保护的合规要求；其余三类任务可通过本地化部署模型、敏感信息过滤等方式在可控风险范围内开展。5.在A/B测试场景中，某互联网公司测试新的首页推荐算法，实验组用户CTR（点击率）为12.3%，对照组CTR为11.8%，下列哪种情况可以判定实验组效果显著优于对照组（）A.实验组样本量为1000人，对照组样本量为1000人，组间差异p值为0.12B.实验组样本量为5000人，对照组样本量为5000人，组间差异p值为0.03C.实验组覆盖全部安卓端用户，对照组覆盖全部iOS端用户，CTR差值为0.5个百分点D.实验仅运行12小时即观测到0.5个百分点的CTR差值【参考答案】B【解析】A/B实验判定效果显著的核心标准是随机分流前提下，组间差异p值小于0.05（即统计显著性达到95%以上）。A选项p值为0.12，未达到显著性阈值；C选项分组未实现随机分流，安卓与iOS用户本身存在行为差异，实验结果存在系统性偏差；D选项实验时长过短，存在新奇效应干扰，结果不具备稳定性。6.根据财政部2023年印发的《企业数据资源相关会计处理暂行规定》，企业开展数据资产入表核算时，下列哪项支出不能计入数据资产的入账价值（）A.数据采集阶段的合规授权采购成本B.数据清洗、标注、加工阶段的直接人工成本C.数据产品运营阶段的日常广告推广费用D.数据确权、质量评估阶段的第三方专业服务成本【参考答案】C【解析】数据资产的入账价值包含数据采集、加工、确权、质量评估等与数据资产形成直接相关的成本；日常广告推广费用属于产品运营阶段的期间费用，直接计入当期损益，不计入资产入账价值。7.在实时数仓建设场景中，针对电商大促期间的实时GMV大屏指标计算，要求端到端数据延迟不超过1秒、数据计算精度满足精确一次（Exactly-Once）语义，下列技术选型最匹配需求的是（）A.基于MapReduce的批处理架构B.基于Flink+Kafka的流处理架构C.基于Hive的T+1离线计算架构D.基于Pandas的本地脚本计算架构【参考答案】B【解析】Flink是当前主流的低延迟分布式流计算引擎，原生支持Exactly-Once计算语义，结合Kafka高吞吐、低延迟的消息队列能力，可实现秒级端到端的实时指标计算；MapReduce、Hive均为批处理架构，延迟达小时级甚至天级，本地脚本计算无法支撑大促期间的海量数据规模需求。8.下列可视化图表选型中，最适合展示不同区域门店近12个月销售额的时间变化趋势及区域间对比关系的是（）A.饼图B.多系列折线图C.热力图D.散点图【参考答案】B【解析】多系列折线图可通过横轴表示时间维度、纵轴表示销售额、不同折线代表不同区域，同时满足时间趋势展示与多系列对比需求；饼图适合展示部分占整体的比例关系，热力图适合展示空间或矩阵维度的数值密度分布，散点图适合展示两个连续变量之间的相关关系。9.按照《个人信息保护法》要求，企业分析用户行为数据时，下列哪种行为不符合合规要求（）A.对用户个人识别信息（PII）进行去标识化处理后用于内部用户画像分析B.取得用户单独同意后，将脱敏后的用户行为数据与第三方合作伙伴开展联合建模C.未取得用户授权，直接将包含用户手机号、收货地址的原始订单数据导出用于营销模型训练D.建立数据访问权限分级机制，仅允许授权分析师访问职责范围内的最小数据集【参考答案】C【解析】处理包含个人敏感信息的原始数据需取得用户明确授权，未授权直接导出使用属于违规行为，需承担相应法律责任；其余选项均符合个人信息处理的最小必要、授权同意、分级防护等合规要求。10.某电商平台分析用户购买客单价与用户复购率之间的相关关系，收集了2024年全年100万用户的客单价分层与对应复购率数据，计算得到皮尔逊相关系数为0.87，下列说法正确的是（）A.客单价提升是导致用户复购率上升的直接原因B.客单价与复购率之间存在较强的线性正相关关系C.客单价与复购率之间不存在相关关系D.当用户客单价提升100元时，复购率必然提升87%【参考答案】B【解析】皮尔逊相关系数取值范围为[-1,1]，绝对值越接近1代表线性相关程度越强，0.87属于强正相关区间；相关关系不等于因果关系，无法通过相关系数推导确定性的因果结论或精确数值对应关系。11.数据质量评价维度中，“数据在指定时间范围内可被正常访问、且指标计算结果可稳定复现”对应的质量维度是（）A.准确性B.完整性C.一致性D.可用性【参考答案】D【解析】准确性指数据值与真实值的偏差程度，完整性指数据记录与字段的缺失程度，一致性指跨系统、跨场景下同一指标的数值统一程度，可用性指数据可访问、结果可复现、满足使用需求的程度。12.在用户流失预警模型构建中，下列哪项指标最适合作为模型的标签（Label）定义（）A.用户连续30天未登录APP且未产生任何消费行为B.用户近7天访问时长较上周下降20%C.用户卸载了APP但曾在卸载前1天访问过客服页面D.用户近30天仅浏览商品未下单【参考答案】A【解析】模型标签需要代表明确的业务结果，具备可量化、无歧义的判定标准；连续30天无登录无消费是互联网行业通用的用户流失判定标准，其余选项均属于流失前的行为特征，而非流失结果本身。13.下列关于维度建模中星型模型与雪花模型的对比，说法正确的是（）A.雪花模型的维度表不存在规范化拆分，查询效率高于星型模型B.星型模型的维度表直接关联事实表，存在一定的数据冗余，查询性能更优C.雪花模型适合所有小数据量的分析场景，星型模型仅适合超大规模数据场景D.星型模型不支持维度的层级钻取分析【参考答案】B【解析】星型模型的维度表为反规范化设计，直接关联事实表，存在少量数据冗余但查询时无需多表关联，性能更优；雪花模型对维度表进行规范化拆分，减少数据冗余但查询时需要多级关联，性能更低，两种模型均支持维度钻取，适用场景与数据规模无绝对绑定关系。14.某分析师计算商品季度销量同比增速时，已知2024年Q1销量为1200件，2025年Q1销量为1500件，对应的同比增速为（）A.20%B.25%C.30%D.75%【参考答案】B【解析】同比增速计算公式为（当期值-同期值）/同期值×100%，代入数据得（1500-1200）/1200×100%=25%。15.在分布式数据存储系统中，为避免单节点故障导致数据丢失，通常采用多副本机制存储数据，若某集群采用3副本独立部署策略，单个节点的年故障概率为1%，则单份数据因所有副本所在节点同时故障导致丢失的概率约为（）A.0.0001%B.0.000001%C.1%D.3%【参考答案】A【解析】独立事件同时发生的概率为各事件概率的乘积，3副本同时故障的概率为1%×1%×1%=0.000001，换算为百分比为0.0001%。16.生成式AI辅助数据分析流程中，针对“AI生成的SQL语句存在字段引用错误导致指标计算偏差”的风险，最有效的管控措施是（）A.完全禁止使用AI生成SQL语句B.建立SQL语句的语法校验、逻辑校验、结果抽样复核的三级审核机制C.要求AI必须生成Python代码替代SQL计算D.将所有数据字段权限对AI开放以减少引用错误【参考答案】B【解析】完全禁止AI使用会大幅降低工作效率，更换编程语言无法从根本上解决内容生成错误问题，全量开放权限会加大数据泄露风险；三级审核机制可在发挥AI提效作用的同时，通过人工与规则结合的校验方式规避计算错误风险。17.下列指标中，不属于电商平台用户生命周期价值（LTV）计算核心影响因子的是（）A.用户平均每笔订单的毛利贡献B.用户的平均购买频次C.用户的平均留存生命周期时长D.用户首次注册时使用的手机品牌【参考答案】D【解析】用户生命周期价值是用户在整个留存周期内为平台带来的总收益，核心影响因子包含单客收益、购买频次、留存时长三类；用户首次注册使用的手机品牌与用户价值无直接因果关系，不属于核心影响因子。18.在异常值检测场景中，针对“某门店单日销售额超过历史同期均值3倍标准差”的异常识别规则，依据的统计学原理是（）A.3σ原则，即正态分布中超出均值±3σ范围的数值属于小概率事件B.中心极限定理C.大数定律D.贝叶斯定理【参考答案】A【解析】3σ原则是异常值检测的常用方法，其原理为正态分布下约99.73%的数值会落在均值±3倍标准差范围内，超出该范围的数值发生概率不足0.3%，属于小概率的异常事件。19.开展跨部门、跨主体数据共享时，为了实现“数据可用不可见、用途可控可计量”，下列技术中最匹配需求的是（）A.数据脱敏B.隐私计算C.数据备份D.全文检索【参考答案】B【解析】隐私计算包含多方安全计算、联邦学习、可信执行环境等技术分支，可实现数据不出本地域的前提下完成联合计算，满足数据所有权与使用权分离、可用不可见的需求；数据脱敏仅能对敏感字段进行替换处理，无法避免数据本身的流出。20.某分析师提交的分析报告中出现“本次分析结论可100%准确预测未来6个月的市场规模”的表述，违反了数据分析的哪项基本原则（）A.客观性原则，即数据分析结论需要基于客观数据，避免绝对化的无依据推断B.完整性原则C.及时性原则D.规范性原则【参考答案】A【解析】数据分析结论是基于历史数据的规律总结，受市场环境变化等不确定因素影响，不存在100%准确的长期预测，该表述属于无依据的绝对化推断，违反了客观性原则。二、多项选择题（共10题，每题3分，总计30分。每题有2个及以上正确答案，多选、少选、错选均不得分）1.大数据分析师开展项目全流程工作中，属于需求调研阶段需要完成的核心工作内容有（）A.与业务方对齐核心分析目标，明确需要回答的业务问题边界B.确认核心指标的统计口径、数据来源与交付时间要求C.直接对全量数据开展建模计算，不需要提前沟通需求D.识别需求中的潜在逻辑漏洞，对不合理的需求提出调整建议E.直接套用已有分析模板输出报告，不需要考虑业务差异【参考答案】ABD【解析】需求调研是分析项目的首要环节，核心目标是对齐目标、口径、交付要求，识别不合理需求；跳过需求沟通直接建模、套用模板不考虑业务差异均为错误的工作方式，会导致分析结果与业务需求脱节。2.下列关于数据分箱（离散化）处理的说法，正确的有（）A.数据分箱可以有效降低异常值对模型的干扰B.常用的分箱方法包括等宽分箱、等频分箱、基于业务规则的自定义分箱C.分箱处理会导致数据信息的部分损失，需要结合业务场景选择分箱策略D.所有连续型字段必须进行分箱处理才能用于建模E.等宽分箱适合数据分布均匀的场景，等频分箱可以避免分箱后样本量差异过大的问题【参考答案】ABCE【解析】连续型字段并非必须分箱才能用于建模，例如线性回归、逻辑回归等模型可直接输入连续型特征，分箱仅为特征工程的可选处理方式，因此D选项表述错误。3.2025年企业级大数据平台建设的主流技术架构特征包括（）A.湖仓一体架构逐步替代传统离线数仓+独立数据湖的割裂架构B.流批一体技术实现实时与离线计算的逻辑统一，减少多套代码维护成本C.全面采用存算绑定的专有硬件架构，完全淘汰云原生部署模式D.内置AI辅助分析能力，支持自然语言交互查询、自动异常诊断等功能E.完善数据安全与数据血缘追踪能力，满足数据合规审计要求【参考答案】ABDE【解析】当前企业级大数据平台的主流建设方向为云原生存算分离架构，而非存算绑定的专有硬件架构，存算分离可大幅提升资源弹性、降低部署成本，因此C选项表述错误。4.下列关于A/B测试的常见误区，说法正确的有（）A.实验分组时如果未做到用户随机分流，会导致实验结果存在系统性偏差B.实验未达到预设样本量就提前停止实验观测到的显著结果，可能存在假阳性C.同时对同一个用户群体开展多个重叠实验，不同实验策略之间会产生相互干扰D.只要观测到指标数值存在差异，不管统计显著性如何就判断实验组更优E.实验过程中随意调整实验策略、扩大实验流量，不会影响实验结果的准确性【参考答案】ABCD【解析】实验过程中随意调整策略、变更流量规则会破坏实验的随机性与一致性，导致结果无法准确反映策略的真实效果，因此E选项表述错误。5.《数据安全法》中规定的企业数据安全保护义务包括（）A.建立健全全流程数据安全管理制度，组织开展数据安全教育培训B.对数据实行分类分级保护，对重要数据进行重点防护C.开展数据处理活动应当加强风险监测，发现数据安全缺陷、漏洞等风险时立即采取补救措施D.可以随意收集、存储、使用用户的个人敏感数据，不需要履行告知义务E.按照规定定期开展数据安全风险评估，并向有关主管部门报送风险评估报告【参考答案】ABCE【解析】处理个人敏感数据需履行告知义务、取得用户授权，严格遵循最小必要原则，随意收集使用属于违法行为，因此D选项表述错误。6.下列指标中，属于互联网产品运营中“北极星指标”（核心一级指标）范畴的有（）A.社交产品的日均有效互动用户数B.电商平台的年度GMV（成交总额）C.内容平台的用户日均有效观看时长D.产品启动页的按钮点击通过率E.APP的图标颜色设计方案投票得票率【参考答案】ABC【解析】北极星指标是代表产品核心价值、反映产品长期发展质量的核心指标；启动页按钮点击率、图标投票得票率均为细分功能层面的过程指标，无法代表产品核心价值，因此D、E选项不属于北极星指标范畴。7.在分析指标异动根因时，常用的拆解维度包括（）A.用户维度：如新老用户、用户价值分层、不同地域用户等B.渠道维度：如不同流量来源、不同获客渠道等C.产品维度：如不同功能模块、不同商品类目、不同版本客户端等D.时间维度：如小时级、日级、工作日/周末、节假日等E.随意拆解无关维度，不需要遵循MECE（相互独立、完全穷尽）原则【参考答案】ABCD【解析】指标拆解需要遵循MECE原则，避免维度重叠或遗漏，随意拆解无关维度无法定位根因，还会增加分析成本，因此E选项表述错误。8.关于数据可视化报告的设计原则，下列说法正确的有（）A.核心结论前置，让阅读者第一时间获取最关键的信息B.图表选型要匹配数据关系，避免为了美观选择不符合数据表达逻辑的图表C.标注清楚指标口径、统计周期、数据来源，提升报告可信度D.尽量堆砌复杂的3D图表、炫动效果，不需要考虑阅读者的信息获取效率E.结论要对应明确的业务建议，避免只有数据没有观点【参考答案】ABCE【解析】数据可视化的核心目标是高效传递信息，过度复杂的特效与不当图表选型会提升信息理解成本，降低报告的实用性，因此D选项表述错误。9.用户画像构建过程中，下列标签属于事实类标签的有（）A.用户近30天累计消费金额B.用户的注册手机号归属地C.用户的性别、年龄等实名认证信息D.用户属于“高价值潜在流失用户”E.用户可能对数码类商品感兴趣【参考答案】ABC【解析】事实类标签是基于客观存在的行为或属性直接提取的标签，不存在模型推断过程；“高价值潜在流失用户”“可能对数码类商品感兴趣”属于基于模型计算的预测类标签，因此D、E不属于事实类标签。10.大数据分析在实体零售场景的典型应用场景包括（）A.基于历史销售数据与节假日、天气等外部数据开展商品销量预测，优化库存备货B.基于到店用户动线数据优化门店货架陈列位置，提升高毛利商品曝光率C.基于会员消费行为数据开展精准营销，提升用户复购率D.直接将所有会员的个人信息出售给第三方获取收益E.基于门店销售异常数据识别门店的损耗、串货等管理风险【参考答案】ABCE【解析】出售用户个人信息违反《个人信息保护法》《数据安全法》的相关规定，属于违法行为，因此D选项不属于合法的应用场景。三、案例分析题（共2题，每题15分，总计30分）1.（15分）某综合电商平台2025年618大促活动结束后，运营团队发现核心指标GMV仅完成目标值的82%，未达成既定业绩目标，要求数据分析师团队开展根因分析并提出优化建议。已知平台GMV统计口径为活动周期内所有用户的实际支付订单金额总和，拆解公式为：GMV=访问用户数×下单转化率×客单价×支付转化率。项目团队分析过程中获取到以下核心数据：（1）流量侧：本次大促总访问用户数为1.2亿人次，较2024年618同比增长12%，完成流量目标的98%；其中站外广告投放带来的访问用户占比45%，自然流量占比35%，老用户主动访问占比20%；进一步拆解发现，站外广告引入的新用户占比达83%，但新用户下单转化率仅为2.1%，远低于老用户8.7%的下单转化率。（2）转化侧：整体下单转化率为6.2%，较2024年618的7.5%下降17.3%；分端看，APP端转化率为7.1%，较去年基本持平，H5端转化率为2.8%，较去年下降48%；进一步排查发现，H5端活动页在部分安卓低版本机型上存在加载超时、优惠券无法正常领取的技术故障，影响范围覆盖约30%的H5访问用户。（3）交易侧：整体客单价为218元，较2024年618的235元下降7.2%；拆解发现，本次大促主推的高客单价3C数码品类商品供货不足，缺货率达27%，导致用户转向购买低客单价快消类商品，拉低了整体客单价；整体支付转化率为92%，较去年的93%基本持平，无明显波动。请结合上述材料回答以下问题：（1）结合指标拆解公式，核算各因子对GMV未达目标的影响程度，指出核心影响因素（7分）；（2）针对分析发现的问题，提出可落地的业务优化建议（8分）。【参考答案及评分标准】（1）根据GMV拆解公式逐一核算各因子的偏差贡献：①访问用户数实际完成目标的98%，对GMV的负向影响约为2%，占整体GMV缺口的11%，基本接近目标值，不是核心影响因素；②支付转化率较去年基本持平，对GMV的负向影响不足1%，无明显问题；③下单转化率较目标值下降约15%，对GMV的负向影响约为12%，占整体GMV缺口的67%，是首要影响因素，其中H5端技术故障导致的转化损失占整体转化下滑的62%，站外广告用户精准度不足、新用户转化率偏低占转化下滑的28%；④客单价较目标值下降约6%，对GMV的负向影响约为4%，占整体GMV缺口的22%，核心原因为高客单价3C品类备货不足拉低整体客单价。综上，核心影响因素包括三点：H5端技术故障导致转化大幅下滑、站外广告投放用户精准度不足拉低整体转化率、高客单价品类备货不足拉低客单价。（7分，其中因子影响核算4分，核心因素识别3分，逻辑清晰、计算准确即可得分）（2）可落地的优化建议包括：①技术保障层面：建立大促前全端全场景兼容性测试机制，针对低版本机型、弱网环境开展压力测试，搭建核心路径实时监控告警体系，大促期间一旦出现页面加载、权益领取等故障，15分钟内响应修复，同时针对受故障影响的用户定向发放补偿优惠券，降低转化损失；②流量运营层面：优化站外广告投放的人群定向模型，基于历史转化数据筛选高潜力用户群体投放，建立渠道质量实时监控机制，对转化率低于阈值的投放渠道及时调整预算；针对新用户设计专属首单引导流程，搭配新用户专属权益提升首单转化率；③供应链层面：大促前基于历史销售数据、预售数据、流量预测结果开展分品类销量预测，针对高客单价核心品类提前锁定产能，设置安全库存阈值，建立缺货预警机制，对出现缺货的商品及时搭配相似高客单价商品推荐，降低缺货对客单价的影响；④用户运营层面：加大老用户触达力度，通过专属权益提升老用户主动访问占比，优化活动路径，缩短用户从商品浏览到支付的流程长度。（8分，每点2分，建议具备可落地性、匹配问题点即可得分）2.（15分）某连锁餐饮企业2025年计划布局会员数字化运营体系，目前已积累300万会员的基础信息、到店消费记录、线上点餐数据、优惠券领取使用记录等数据资产，但存在数据口径不统一、会员标签体系缺失、营销活动精准度不足等问题：当前会员复购率仅为18%，较行业平均水平27%存在明显差距；过往开展的营销活动平均触达点击率为3.2%，优惠券核销率仅为4.5%，营销投入ROI不足1:1.2。企业要求数据分析师团队设计基于大数据的会员精细化运营方案，帮助提升会员复购率与营销ROI。请回答以下问题：（1）设计该餐饮企业会员标签体系的核心框架，说明每类标签的主要内容与应用场景（8分）；（2）设计可落地的精准营销工作流程，帮助提升营销活动的效果与ROI（7分）。【参考答案及评分标准】（1）会员标签体系分为四大核心类别，覆盖业务全场景