CDA数据分析师（初级）考试试题及详细答案解析

CDA数据分析师（初级）考试试题及详细答案解析考试说明：本套试题贴合CDA初级数据分析师考核大纲，涵盖数据基础、Excel数据分析、SQL数据查询、统计基础、数据可视化、业务分析思维六大核心模块。总分100分，考试时长90分钟，题型包含单选、多选、判断、简答题、案例分析题。一、单项选择题（共20题，每题2分，共40分）1.下列选项中，属于结构化数据的是（）A.客户评论文本B.电商交易数据表C.商品宣传图片D.短视频素材2.在Excel中，用于计算单元格区域数据平均值的函数是（）A.SUMB.COUNTC.AVERAGED.MAX3.SQL语句中，用于从数据表中筛选数据的核心关键字是（）A.SELECTB.WHEREC.FROMD.ORDERBY4.一组数据：2、3、5、7、9、9、10，其中位数为（）A.7B.9C.6D.85.下列指标中，能够反映数据离散程度的是（）A.均值B.中位数C.方差D.众数6.Excel中VLOOKUP函数的核心作用是（）A.数据排序B.跨区域匹配查询数据C.数据去重D.分类汇总7.SQL中GROUPBY语句的主要用途是（）A.筛选行数据B.对数据分组聚合统计C.排序数据D.关联多表8.业务分析中，PV指的是（）A.独立访客数B.页面浏览量C.访客停留时长D.转化率9.下列图表中，最适合展示数据占比结构的是（）A.折线图B.饼图C.散点图D.柱状图10.用于判断两个数值型变量是否存在线性相关关系的指标是（）A.置信度B.相关系数C.显著性P值D.方差11.Excel中，冻结窗格的主要目的是（）A.保护表格数据不被修改B.滚动表格时固定表头/首列C.隐藏冗余数据D.统一表格格式12.SQL中，DISTINCT关键字的作用是（）A.排序B.去重C.分组D.求和13.一组数据的众数是指（）A.最大值B.出现次数最多的数值C.平均值D.中间值14.下列不属于用户运营核心指标的是（）A.新增用户数B.留存率C.客单价D.活跃用户数15.折线图最适合展示的数据分析场景是（）A.各品类数据占比B.数据随时间的变化趋势C.不同维度数据对比D.数据分布离散情况16.在SQL多表查询中，INNERJOIN的查询结果是（）A.左表所有数据B.右表所有数据C.两表中匹配的数据D.两表所有不匹配数据17.数据清洗的核心目的是（）A.美化数据格式B.剔除异常、重复、缺失数据，提升数据质量C.压缩数据体量D.对数据进行分类18.计算用户转化率的核心公式是（）A.转化人数/总访客数B.总访客数/转化人数C.成交金额/访客数D.成交单数/用户数19.Excel中数据透视表的核心优势是（）A.自动生成图表B.快速灵活分组、聚合分析海量数据C.自动修正错误数据D.批量录入数据20.统计学中，P值小于0.05通常代表（）A.数据无差异B.结果具有统计学显著性C.数据离散度极低D.数据相关性极强二、多项选择题（共5题，每题3分，共15分，多选、少选、错选均不得分）1.常见的数据清洗操作包含哪些（）A.处理缺失值B.删除重复数据C.修正异常数据D.统一数据格式2.下列属于Excel常用聚合函数的有（）A.SUMB.COUNTIFC.IFD.MAX/MIN3.SQL中常用的聚合函数包含（）A.SUM()B.AVG()C.COUNT()D.LIMIT()4.下列指标中，属于电商核心运营指标的有（）A.GMVB.客单价C.复购率D.跳出率5.适合用于多维度数据对比的图表有（）A.柱状图B.条形图C.环形图D.雷达图三、判断题（共10题，每题1分，共10分）1.非结构化数据无法进行数据分析。（）2.Excel中VLOOKUP函数只能从左向右匹配数据。（）3.SQL语句大小写敏感，SELECT和select是完全不同的关键字。（）4.均值容易受到极端异常值的影响。（）5.饼图可以清晰展示多组数据的时间变化趋势。（）6.数据透视表可以无需公式，快速完成数据分组统计。（）7.留存率是衡量用户粘性的核心指标。（）8.相关系数为0时，代表两个变量无任何关联。（）9.WHERE语句可以对分组后的结果进行筛选。（）10.结构化数据具备固定格式、可直接统计分析的特点。（）四、简答题（共3题，每题5分，共15分）1.简述数据分析中数据清洗的核心流程及重要意义。2.简单说明SQL中WHERE和HAVING语句的核心区别。3.日常业务分析中，均值、中位数、众数分别适用于什么场景？五、案例分析题（共1题，20分）某线下连锁门店2025年1-6月销售数据如下：1月销售额82万、2月75万、3月98万、4月86万、5月105万、6月112万。同期门店月均客流量分别为1200人、1100人、1350人、1280人、1420人、1500人。已知：1-2月门店无促销活动，3-6月持续推出满减、折扣促销活动。请结合数据完成以下分析：1.计算该门店上半年总销售额、月均销售额、整体客单价（结果保留2位小数）；2.分析门店上半年销售额、客流量的变化趋势；3.结合促销活动，分析数据变化背后的业务原因，并给出2条可落地的运营建议。参考答案及详细解析一、单项选择题答案及解析1.答案：B解析：结构化数据是有固定行列格式、可标准化存储的数据，数据表属于典型结构化数据；文本、图片、视频均为非结构化数据。2.答案：C解析：SUM为求和函数，COUNT为计数函数，MAX为求最大值函数，AVERAGE为平均值函数。3.答案：B解析：SELECT用于选取字段，FROM指定数据表，WHERE用于按条件筛选数据行，ORDERBY用于数据排序。4.答案：A解析：数据已从小到大排序，共7个数值，中位数为第4位数值，即7。5.答案：C解析：均值、中位数、众数均为描述数据集中趋势的指标；方差、标准差、极差为离散程度指标。6.答案：B解析：VLOOKUP是Excel核心匹配函数，可根据指定条件在数据表中跨区域查询匹配对应数据。7.答案：B解析：GROUPBY为分组语句，常与SUM、COUNT等聚合函数搭配，实现分组统计。8.答案：B解析：PV（PageView）为页面浏览量，UV为独立访客数。9.答案：B解析：饼图、环形图专属展示数据占比结构；折线图看趋势，柱状图看对比，散点图看相关性。10.答案：B解析：相关系数专门用于衡量两个连续变量的线性相关程度，取值范围为[-1,1]。11.答案：B解析：冻结窗格的核心功能是固定表头、首行或首列，方便浏览大批量表格数据。12.答案：B解析：DISTINCT关键字用于去除查询结果中的重复数据，保留唯一值。13.答案：B解析：众数的定义为一组数据中出现频次最高的数值，不受极端值影响。14.答案：C解析：客单价属于电商销售指标，新增、活跃、留存均为用户运营核心指标。15.答案：B解析：折线图的核心应用场景是展示数据随时间、维度变化的连续趋势。16.答案：C解析：INNERJOIN为内连接，仅返回两张表中匹配成功的数据；左连接返回左表全部数据，右连接返回右表全部数据。17.答案：B解析：数据清洗是数据分析前置核心步骤，主要处理缺失、重复、异常、错误数据，保障数据精准有效。18.答案：A解析：转化率=有效转化人数/总曝光访客数，是衡量转化效果的核心公式。19.答案：B解析：数据透视表无需编写公式，可自由拖拽字段，快速完成海量数据的分组、汇总、聚合分析。20.答案：B解析：统计学中，P<0.05代表结果存在显著差异，具备统计学意义，非偶然误差导致。二、多项选择题答案及解析1.答案：ABCD解析：完整的数据清洗包含缺失值填充/删除、重复数据剔除、异常数据修正、数据格式统一、无效数据清除等操作。2.答案：ABD解析：SUM求和、COUNTIF条件计数、MAX/MIN最值均为聚合统计函数；IF为条件判断函数，不属于聚合函数。3.答案：ABC解析：SUM、AVG、COUNT均为SQL标准聚合函数；LIMIT是限制查询条数的关键字，非聚合函数。4.答案：ABCD解析：GMV成交总额、客单价、复购率、页面跳出率均为电商行业核心考核指标，分别对应销售规模、消费能力、用户粘性、页面体验。5.答案：ABD解析：柱状图、条形图适合不同类别数据对比，雷达图适合多维度指标综合对比；环形图仅用于展示占比结构。三、判断题答案及解析1.答案：错误解析：非结构化数据可通过分词、标签提取、数据转化等方式处理后开展分析，只是分析难度高于结构化数据。2.答案：正确解析：传统VLOOKUP函数的匹配规则为查找值必须在查找区域的第一列，只能从左向右匹配。3.答案：错误解析：主流数据库中SQL关键字大小写不敏感，SELECT和select执行效果完全一致。4.答案：正确解析：均值计算用到全部数据，极端极大/极小值会拉高或拉低均值；中位数、众数不受极端值影响。5.答案：错误解析：饼图仅展示静态占比，无法体现数据的时间变化趋势，趋势分析需用折线图。6.答案：正确解析：数据透视表是Excel高效分析工具，无需公式，通过字段拖拽即可快速分组、汇总、统计数据。7.答案：正确解析：留存率反映用户后续持续回访、使用/消费的意愿，是衡量用户粘性和产品竞争力的核心指标。8.答案：错误解析：相关系数为0仅代表无线性相关，变量可能存在非线性相关关系。9.答案：错误解析：WHERE用于分组前筛选原始数据，HAVING用于分组后筛选聚合结果。10.答案：正确解析：结构化数据具备固定行列格式、字段规范统一，可直接用于统计、聚合、建模分析。四、简答题参考答案1.简述数据分析中数据清洗的核心流程及重要意义核心流程：首先核查数据完整性，排查并处理缺失值（填充合理数值或删除无效样本）；其次剔除重复冗余数据，保证数据唯一性；然后识别并修正异常、错误数据，规避数据偏差；最后统一数据格式、规范字段标准，适配后续分析需求。重要意义：数据是数据分析的基础，原始业务数据普遍存在缺失、重复、错误等问题。数据清洗可有效提升数据质量，避免脏数据导致的分析结果偏差、结论失真，保障后续统计分析、业务决策的准确性和有效性。2.简单说明SQL中WHERE和HAVING语句的核心区别第一，筛选阶段不同：WHERE在数据分组、聚合之前对原始行数据进行筛选；HAVING在数据分组、聚合之后对统计结果进行筛选。第二，适用范围不同：WHERE不能使用聚合函数（SUM、COUNT等）；HAVING专门搭配聚合函数使用，可筛选聚合后的统计值。第三，执行顺序不同：优先执行WHERE筛选原始数据，再执行GROUPBY分组，最后执行HAVING筛选分组结果。3.日常业务分析中，均值、中位数、众数分别适用于什么场景？均值：适用于数据分布均匀、无明显极端值的场景，比如月度正常营收、日常用户平均消费、员工平均薪资等，能反映数据整体平均水平。中位数：适用于数据存在极端值、分布不均衡的场景，比如房产价格、高收入群体薪资、客单价数据，可规避极端值干扰，体现数据中间水平。众数：适用于需要关注高频出现数据的场景，比如用户最常购买的商品、最活跃的时间段、用户主流年龄段，反映数据的集中高频特征。五、案例分析题参考答案1.核心数据计算总销售额=82+75+98+86+105+112=658.00万元月均销售额=658÷6≈109.67万元总客流量=1200+1100+1350+1280+1420+1500=7850人整体客单价=总销售额÷总客流量=6580000÷7850≈838.22元/人2.数据趋势分析销售额：1-2月销售额小幅回落（1月82万、2月75万），整体处于低位；3月起快速回升，后续持续稳步上涨，6月达到上半年峰值112万，整体呈现“先微降、后持续攀升”的趋势。客流量：1-2月客流量小幅下降，3月开始持续稳步增长，每月客流量均高于上月，整体增长态势稳定，和销售额变化趋势高度匹配。