DS数据分析师岗位基础测试题（含详细答案解析）

DS数据分析师岗位基础测试题（含详细答案解析）考试说明：本次测试满分100分，答题时长90分钟，题型包含选择题、填空题、简答题、案例实操题，侧重数据分析师日常业务、统计基础、SQL、数据分析思维、数据落地应用等核心能力，贴合职场实际工作场景。一、单项选择题（共10题，每题3分，共30分）1、在数据分析工作中，用来反映一组数据整体波动大小、离散程度的核心指标是（）A、均值B、中位数C、标准差D、众数2、针对用户留存分析，“7日留存率”的标准定义是（）A、当日新增用户，7天后仍登录使用的用户占比B、近7天活跃用户，再次登录的用户占比C、当日用户，连续7天活跃的占比D、7天内新增用户的总留存人数3、SQL语句中，用于对查询结果进行分组统计的关键字是（）A、ORDERBYB、GROUPBYC、WHERED、DISTINCT4、业务分析中，用来判断两个变量之间是否存在正向或反向关联关系的分析方法是（）A、描述性分析B、相关性分析C、归因分析D、预测性分析5、以下不属于数据异常值常用处理方式的是（）A、直接删除B、均值/中位数填充C、保留原值不处理D、随机篡改数值6、漏斗分析的核心作用是（）A、统计用户总数量B、分析用户各转化环节的流失情况C、计算用户活跃度D、对比不同时间段数据走势7、在数据维度中，“用户性别、用户地区、设备型号”属于（）A、数值型指标B、分类型维度C、时序型指标D、聚合型维度8、做AB测试时，以下操作不符合规范的是（）A、实验组和对照组样本随机拆分B、测试期间随意调整实验策略C、保证样本量充足D、固定测试周期，避免短期数据偏差9、环比分析的核心意义是（）A、对比本期与上年同期数据，消除季节影响B、对比本期与上一周期数据，反映短期数据变化趋势C、计算数据整体平均增长幅度D、筛选数据中的异常波动10、用户画像分析中，RFM模型的M代表的是（）A、最近消费时间B、消费频次C、消费金额D、用户活跃度二、填空题（共5题，每题4分，共20分）1、数据分析核心四步骤：明确业务需求、__________、数据清洗与处理、__________、输出分析结论与落地建议。2、同比是指本期数据与__________同期数据对比，主要用于消除__________对数据的影响。3、SQL中，__________关键字可以去除查询结果中的重复数据，__________关键字用于筛选分组后的统计结果。4、常用的数据分析图表中，__________适合展示数据趋势变化，__________适合展示各维度占比结构。5、用户增长核心AARRR模型分别对应：获客、激活、__________、__________、推荐。三、简答题（共3题，每题8分，共24分）1、简单说明数据分析中“数据清洗”的核心工作内容和必要性。2、请简述归因分析的核心作用，并举一个业务场景案例说明。3、对比说明环比和同比的区别，以及日常业务中各自的适用场景。四、案例实操题（共2题，每题13分，共26分）案例1：某电商平台9月新增用户10万人，7日留存率35%，较8月的42%出现明显下滑。请你梳理完整的分析思路，定位留存下滑的可能原因，并给出对应的优化方向。案例2：现有用户订单数据表order_info，字段包含：user_id（用户ID）、order_id（订单ID）、order_time（下单时间）、pay_amount（支付金额）、city（用户城市）。请写出对应的SQL语句：（1）统计2026年8月各城市的订单总金额、订单总数；（2）统计2026年8月付费用户数、人均消费金额。参考答案及详细解析一、单项选择题答案及解析1、答案：C解析：均值、中位数、众数均用于反映数据的集中趋势；标准差是衡量数据离散程度、波动大小的核心指标，数值越大代表数据波动越明显。2、答案：A解析：行业通用留存定义为：新增用户留存=当日新增用户，在对应周期内再次活跃的占比。7日留存即新增用户在第7日仍有使用行为的用户占初始新增用户的比例。3、答案：B解析：GROUPBY为分组统计关键字；ORDERBY用于排序，WHERE用于筛选原始数据，DISTINCT用于去重。4、答案：B解析：相关性分析专门用于研究两个或多个变量之间的关联程度与方向；归因分析侧重寻找数据变化的原因，描述性分析仅做数据基础统计。5、答案：D解析：数据异常值合规处理方式包括删除、填充、保留、单独分析，随机篡改数值会破坏数据真实性，是数据分析的禁忌操作。6、答案：B解析：漏斗分析核心是拆解用户从进入、操作、转化、成交等全流程环节，统计各环节转化率、流失率，定位核心流失节点。7、答案：B解析：性别、地区、设备型号均为分类属性数据，属于分类型维度，无连续数值变化，区别于金额、时长等数值型指标。8、答案：B解析：AB测试核心原则是变量唯一、实验稳定，测试期间调整策略会导致实验样本失效，数据结果不具备参考性。9、答案：B解析：环比是本期与上一相邻周期对比（如9月vs8月），反映短期波动；同比是本期与上年同期对比，消除季节、节假日影响。10、答案：C解析：RFM模型：R（Recency）最近消费时间、F（Frequency）消费频次、M（Monetary）消费金额。二、填空题答案1、采集整理数据；数据分析与挖掘2、上年；季节/节假日3、DISTINCT；HAVING4、折线图；饼图/环形图5、留存；变现三、简答题详细答案1、数据清洗核心工作及必要性核心工作内容：核对数据完整性，补充缺失字段；剔除重复、无效、错误数据；修正格式混乱、逻辑冲突的数据；识别并合理处理异常值，统一数据统计口径。必要性：原始业务数据多来源于系统后台、用户行为上报，普遍存在缺失、重复、报错等问题。未经清洗的数据会导致统计结果失真、分析结论偏差，直接影响业务决策的准确性，数据清洗是所有数据分析工作的基础前提。2、归因分析的作用及业务案例核心作用：当核心业务指标出现波动（上涨/下滑）时，通过拆解维度、拆分链路、对比数据，定位导致指标变化的核心原因、次要原因，区分主观运营因素和客观环境因素，为业务优化提供精准依据。业务案例：某APP月度活跃用户数大幅下滑，通过归因分析，拆分渠道、用户层级、功能使用三个维度，最终定位核心原因是主推功能改版后操作繁琐，导致老用户流失，而非新用户引流不足，后续针对性优化功能界面，快速挽回活跃度。3、环比与同比的区别及适用场景核心区别：对比周期不同，环比是本期与上一相邻周期对比，同比是本期与上年同一周期对比；环比侧重短期趋势，同比侧重长期真实变化，规避季节干扰。适用场景：环比适用于监控短期数据波动，如每日、每周、每月的用户活跃、订单量、流量变化，快速发现突发异常；同比适用于季节性、周期性强的业务数据，如电商大促、节假日消费、寒暑假用户流量，消除季节因素带来的数据误判。四、案例实操题详细答案案例1：新增用户7日留存下滑分析思路及优化方案一、数据拆解定位问题1、维度拆分：按引流渠道、用户年龄段、设备类型、新用户来源拆分留存数据，判断是否为单一渠道、单一人群留存下滑；2、行为拆解：对比8、9月新增用户的首次使用行为，包括注册完成率、核心功能使用率、首次停留时长、是否完成首单/核心操作；3、外部因素排查：排查9月是否上线新功能、改版迭代、活动下线、竞品大促、节假日波动等外部变量。二、常见核心原因1、渠道质量下滑：9月新增流量多为低质量泛流量，用户精准度低，自然留存偏低；2、产品体验问题：版本迭代后出现卡顿、功能bug、注册流程繁琐，导致新用户流失；3、运营策略变动：8月有新人福利、新手引导活动，9月活动下线，新用户无激励；4、内容/服务质量下降：平台内容更新少、服务响应慢，无法满足新用户需求。三、优化方向1、渠道优化：关停低质量引流渠道，加大高留存优质渠道投放，精准筛选目标用户；2、产品优化：简化新手操作流程，修复功能bug，优化新手引导界面，降低用户使用门槛；3、运营补位：上线新人专属福利、新手任务体系，提升新用户首次体验和使用意愿；4、数据监控：建立新用户留存日报，实时监控各环节转化数据，提前预判流失风险。案例2：SQL实操语句（通用MySQL语法）（1）统计2026年8月各城市订单总金额、订单总数PlainText

SELECTcity,COUNT(order_id)ASorder_total,SUM(pay_amount)ASamount_total

FROMorder_info

WHEREorder_timeBETWEEN'2026-08-0100:00:00'AND'2026-08-3123:59:59'

GROUPBYcity

ORDERBYamount_totalDESC;（2）统计2026年8月付费用户数、人均消费金额PlainText

SELECTCOUNT(DISTINCTuser_id)ASpay_user_num,ROUND(SUM(pay_amount)/COUN