数据分析师笔试题库及答案

数据分析师笔试题库及答案一、单项选择题（共15题）1.按照计量尺度划分数据类型，下列选项中属于定序数据的是（）A.企业员工工号B.电商平台商品满意度评分（非常不满意/不满意/一般/满意/非常满意）C.门店月度商品销售额D.企业所属行业分类参考答案：B。解析：定类数据仅用于区分类别，无大小顺序关系，工号、行业分类属于定类数据；定序数据不仅区分类别，还存在明确的顺序或等级差异，满意度评分存在从低到高的顺序关系，属于定序数据；销售额存在绝对零点、可进行四则运算，属于定比数据。2.SQL语言中，下列聚合函数在计算时会自动忽略目标字段NULL值的是（）A.COUNT(*)B.COUNT(字段名)C.SUM(*)D.以上函数均会忽略NULL值参考答案：B。解析：COUNT(*)的统计逻辑是计算结果集中的总行数，无论行中是否存在NULL值都会纳入统计；COUNT(字段名)仅统计指定字段非NULL的行数，会自动忽略该字段的NULL值；SUM()函数仅支持传入具体字段，不支持使用*作为参数，传入字段时会忽略NULL值。3.基于正态分布的3σ原则识别异常值时，通常将偏离均值（）倍标准差之外的数据判定为异常值，因为此类数据出现的概率不足0.3%，属于小概率事件。A.1B.2C.3D.4参考答案：C。解析：正态分布中，约68.27%的数据落在均值±1倍标准差范围内，约95.45%的数据落在均值±2倍标准差范围内，约99.73%的数据落在均值±3倍标准差范围内，超出该范围的数据出现概率极低，通常判定为异常值。4.某电商APP2024年6月1日新增注册用户1200人，按照行业通用留存计算口径（新增当日为D0），这批用户在6月2日（D1）活跃420人、6月3日（D2）活跃300人、6月8日（D7）活跃180人，则该批次新增用户的7日留存率为（）A.35%B.25%C.15%D.10%参考答案：C。解析：N日留存率的通用计算口径为「某批次新增用户中，在新增后第N天仍产生活跃行为的用户数/该批次新增用户总规模」，该题中6月1日为D0，6月8日为D7，对应活跃用户180人，因此7日留存率=180/1200=15%。5.下列现象中属于辛普森悖论的是（）A.数据整体层面呈现的趋势，与各分组内部呈现的趋势完全相反B.样本量过小导致统计结论出现偏差C.两个不存在因果关系的变量呈现出虚假的相关性D.模型自变量高度相关导致系数估计异常参考答案：A。解析：辛普森悖论的核心成因是分组样本的权重分布不均，导致聚合层面的统计结论与分层分组的结论完全相悖，常见于忽略用户结构变化的整体数据分析场景；样本量不足导致的偏差属于小样本误差，无因果关系的变量相关属于伪相关，自变量高度相关属于多重共线性问题，均不属于辛普森悖论。6.AB实验是数据分析师评估策略效果的核心方法，实验过程中为排除混杂因素干扰，最核心的分组原则是（）A.按用户活跃度高低分层分组B.随机分流且组间用户核心特征无显著差异C.按用户注册时间先后顺序分组D.将高价值用户全部分配到实验组保障效果参考答案：B。解析：随机对照实验的核心逻辑是通过随机化分配，保证实验组和对照组的用户在年龄、活跃度、消费能力、终端分布等核心特征上保持同质性，两组之间的唯一差异是实验施加的策略，从而将指标差异归因于策略本身；非随机分组会导致组间原本就存在差异，无法得到可靠的策略效果结论。7.大数据仓库分层架构中，DWD层的核心定位是（）A.数据应用层，直接面向业务场景输出报表和分析结果B.数据明细层，对ODS层数据做清洗、规范化、维度退化处理，保留最细粒度的业务事实数据C.数据汇总层，基于明细层数据按公共维度轻度聚合，形成通用汇总指标表D.操作数据层，直接同步业务系统的原始数据，不做加工处理参考答案：B。解析：通用数仓分层架构中，ODS层为操作数据层，直接同步业务系统原始数据；DWD层为数据明细层，负责清洗原始数据、统一口径、补全维度，保留最细粒度的业务事实；DWS层为数据汇总层，面向常见分析场景做轻度聚合；ADS层为数据应用层，直接输出面向业务的报表、分析结果数据集。8.某分析场景中计算得到两个连续变量的皮尔逊相关系数为-0.9，说明两个变量之间（）A.几乎不存在相关关系B.存在极强的非线性相关关系C.存在极强的负线性相关关系D.存在明确的因果关系参考答案：C。解析：皮尔逊相关系数的取值范围为[-1,1]，绝对值越接近1代表线性相关程度越强，系数符号为负代表负相关；皮尔逊相关系数仅能衡量线性相关关系，无法捕捉非线性关联，且相关关系不代表因果关系。9.某电商商品详情页的转化漏斗为：商品曝光→商品点击→加购→提交订单→支付成功，各环节的转化率分别为：曝光到点击8%、点击到加购25%、加购到提交订单40%、提交订单到支付成功90%，则从商品曝光到支付成功的整体转化率为（）A.0.72%B.7.2%C.16.2%D.40.8%参考答案：A。解析：漏斗分析的整体转化率为各环节转化率的连乘积，因为每一步的转化都是以上一步的留存用户为基数，本题中整体转化率=8%*25%*40%*90%=0.72%。10.结构化数据预处理过程中，当某连续型变量的缺失比例达到60%以上时，下列处理方式最合理的是（）A.直接用变量的全局均值填充缺失值B.用同分组样本的中位数填充缺失值C.考虑删除该变量，或单独构建“该字段是否缺失”的哑变量纳入分析D.用随机森林模型预测值填充缺失值参考答案：C。解析：当变量缺失比例过高时，无论采用均值、中位数还是模型预测填充，都会引入较大的估计偏差，甚至扭曲变量原本的分布规律，此时最优处理方式是结合业务判断是否删除该变量，若缺失本身代表某种业务含义（比如用户未填写收入信息可能本身对应低价值群体），则可构建是否缺失的标记变量纳入分析。11.北极星指标是指引业务全团队对齐增长方向的核心指标，下列指标中最适合作为成长期综合电商平台北极星指标的是（）A.平台页面平均加载时长B.平台月度活跃购买用户数C.平台年度总营收目标D.平台单客平均配送成本参考答案：B。解析：北极星指标需要直接反映产品为用户创造的核心价值，且可拆解、可落地到各团队的日常工作中，成长期电商平台的核心价值是连接用户与商品、促成交易，月度活跃购买用户数直接反映平台的用户规模和交易活跃度，适合作为北极星指标；页面加载时长、配送成本为过程类指标，年度营收为滞后性的财务指标，均不适合作为指引全链路增长的北极星指标。12.现有用户基础信息表user和用户订单表order，需要提取所有存在有效订单记录的用户的基本信息，下列SQL关联逻辑最合理的是（）A.user表左连接order表B.order表左连接user表C.user表全连接order表D.user表与order表做笛卡尔积交叉连接参考答案：B。解析：需要保留所有存在订单的记录并匹配对应用户信息，因此需要以订单表为左表，左连接用户表，可保证所有订单记录不丢失，同时匹配到下单用户的基础属性；用户表左连接订单表会保留所有无订单的用户记录，全连接会保留两边无匹配的记录，交叉连接会产生大量无效数据，均不符合需求。13.大数定律是统计推断的核心理论基础之一，其在数据分析中的核心含义是（）A.小样本数据的统计结论完全可以代表总体特征B.当样本量足够大时，样本统计量（如均值、比例）会趋近于总体的真实参数值C.数据集中必然会出现偏离均值的极端值D.只要样本量足够大，就可以验证变量之间的因果关系参考答案：B。解析：大数定律解释了大样本下样本统计量的收敛性，是抽样分析、AB实验等方法的理论基础；小样本统计量存在较大偏差，不能直接代表总体；极端值的出现由分布形态决定，不属于大数定律的范畴；因果关系的验证需要通过随机对照实验，仅靠样本量增大无法验证因果。14.构建线性回归模型时若存在严重的多重共线性问题，最直接的影响是（）A.模型的整体预测准确率会大幅下降至不可用水平B.自变量的系数估计值不稳定，甚至出现与业务认知相反的符号C.模型残差不再满足正态分布假设D.模型会出现严重的过拟合问题参考答案：B。解析：多重共线性是指自变量之间存在高度线性相关关系，会导致系数估计的方差增大，估计结果稳定性差，甚至出现符号反转；但多重共线性对模型整体的预测精度影响较小，也不会直接改变残差分布、导致过拟合。15.同期群分析（CohortAnalysis）是用户生命周期分析的核心方法，其核心优势是（）A.可直观看出全平台用户总规模的增长趋势B.可将具备相同时间或行为特征的用户划分为群组，纵向跟踪不同生命周期用户的行为变化，避免整体数据掩盖分层差异C.可精准识别出单个高价值用户的行为特征D.可直接预测未来30天的用户流失率参考答案：B。解析：同期群分析的核心逻辑是对用户做分层追踪，比如将每周新增的用户划分为一个群组，跟踪每个群组后续的留存、付费变化，能清晰反映新老用户的行为差异，避免“整体用户规模增长但新用户留存持续下滑”的虚假增长误判。二、多项选择题（共10题）1.下列工作内容属于互联网行业数据分析师日常核心职责范畴的有（）A.搭建适配业务阶段的指标体系，设计核心指标的统计口径B.针对业务指标的异常波动开展归因分析，定位问题根因C.设计AB实验方案、评估实验效果，为业务决策提供数据支撑D.负责机器学习模型的工程化上线与日常运维参考答案：ABC。解析：数据分析师的核心工作围绕业务数据化决策展开，覆盖指标体系搭建、异动归因、实验评估、业务专题分析等方向；机器学习模型的工程化上线与运维通常由算法工程师、大数据开发工程师负责，不属于数据分析师的核心职责。2.下列关于AB实验设计与运行的说法，正确的有（）A.实验正式开始前需要基于核心指标的基线值、预期最小提升幅度计算所需最小样本量，避免样本不足导致检验功效不够B.实验运行过程中可以根据实时数据随意调整实验组流量比例，让实验更快达到统计显著C.实验结论评估需要同时验证统计显著性和业务显著性，不能仅以p值是否小于0.05作为决策依据D.实验分流需要保证组间用户特征分布一致，排除混杂因素干扰参考答案：ACD。解析：实验运行过程中随意调整分流比例会破坏组间的同质性，引入选择偏差，导致实验结论不可靠；实验需要严格按照设计的流量比例跑满预设周期，待样本量达标后再开展评估。3.针对业务指标突发异动的归因场景，下列可用于定位根因的方法有（）A.维度拆解法：按渠道、地域、用户分层、产品版本、终端等维度下钻，计算各细分维度的异动贡献度B.公式拆解法：按照指标的构成逻辑拆解为细分因子，比如GMV拆解为访客数、转化率、客单价的乘积，计算每个因子对异动的贡献占比C.同期群对比法：对比异动发生前后不同群组用户的行为变化，识别受影响的核心群体D.无需数据验证，直接将异动原因归为节假日、行业大盘波动等外部因素参考答案：ABC。解析：异动归因必须有明确的数据支撑，不能仅凭经验主观判定原因，所有可能的影响因素都需要通过对照组验证、数据匹配确认相关性和因果性。4.数据质量是分析结论可靠的基础，数据质量校验的核心维度包括（）A.完整性：检查数据记录是否缺失、字段取值是否存在空值，数据量是否符合业务预期B.准确性：检查数据取值是否符合业务逻辑，是否存在超出合理范围的异常值、错漏值C.一致性：检查同一指标在不同数据系统、不同报表中的统计口径、取值是否保持一致D.及时性：检查数据是否按照约定的时间节点完成产出，满足业务分析的时效要求参考答案：ABCD。解析：完整性、准确性、一致性、及时性是数据质量校验的四大核心维度，任何一个维度出现问题都会导致分析结论偏差。5.SQL语言中，下列操作可以实现数据去重效果的有（）A.对需要去重的字段使用DISTINCT关键字B.按照所有需要去重的字段做GROUPBY聚合，取分组后的第一条记录C.使用窗口函数ROW_NUMBER()OVER(PARTITIONBY去重字段ORDERBY时间字段DESC)，保留排序后序号为1的记录D.使用UNIONALL关键字合并多份相同结构的数据集参考答案：ABC。解析：UNIONALL的合并逻辑是直接拼接所有数据集的记录，不会做去重处理，UNION关键字才会对合并后的结果去重。6.用户行为分析体系中，常用的分析模型包括（）A.漏斗分析：用于跟踪多步骤流程的转化效率，定位转化流失的核心环节B.留存分析：用于跟踪用户在首次接触产品后的持续活跃情况，评估产品粘性C.路径分析：用于还原用户在产品内的行为跳转路径，识别高频访问路径和异常跳出节点D.归因分析：用于计算不同触点对最终转化的贡献度，评估渠道和运营动作效果参考答案：ABCD。解析：四类模型均为用户行为分析领域的通用方法，覆盖转化、留存、路径、效果评估等核心分析场景。7.帕累托分析（二八法则）是数据分析师常用的问题定位方法，下列场景适合使用帕累托分析的有（）A.识别贡献平台80%营收的核心客户群体，针对性设计运营策略B.定位导致80%用户投诉的核心问题模块，优先迭代优化C.分析两个连续变量之间的线性相关程度D.基于历史销售数据预测未来6个月的销售额走势参考答案：AB。解析：帕累托分析的核心逻辑是区分“关键少数”和“次要多数”，帮助业务团队优先解决贡献度最高的核心问题；线性相关程度需要通过相关系数衡量，销售额预测属于时间序列预测场景，均不适合用帕累托分析。8.假设检验中的p值是AB实验效果评估的核心指标，下列关于p值的说法错误的有（）A.p值越小，说明实验策略带来的业务提升效果越好B.p<0.05意味着实验结论绝对正确，不存在任何犯错可能C.p值的含义是在原假设成立的前提下，观测到当前及更极端样本结果的概率D.只要p值大于0.05，就说明实验策略完全没有效果参考答案：ABD。解析：p值仅能反映差异由随机波动导致的概率，不衡量业务效果的大小；p<0.05代表在95%置信水平下拒绝原假设，但仍存在5%的第一类错误（假阳性）概率；p值大于0.05可能是样本量不足导致检验功效不够，不能直接判定策略无效果。9.数据可视化是分析结论传递的重要环节，可视化制作过程中需要遵循的原则有（）A.图表类型匹配数据关系，比如趋势变化用折线图、分类对比用柱状图、占比关系用饼图B.为了突出增长效果，可以随意调整坐标轴的起始刻度，让趋势线看起来更陡峭C.所有图表需要明确标注指标口径、数据来源、统计时间范围，避免歧义D.减少不必要的装饰元素，突出核心数据信息，降低读图者的信息获取成本参考答案：ACD。解析：随意调整坐标轴刻度会刻意放大或缩小数据变化，误导读图者，属于数据可视化的常见误区；可视化的核心是准确、清晰传递信息，不能为了视觉效果扭曲数据真实情况。10.RFM模型是用户价值分层的经典方法，下列关于RFM模型的说法正确的有（）A.R（Recency）代表用户最近一次消费的时间间隔，取值越小说明用户近期活跃度越高B.F（Frequency）代表用户在统计周期内的消费频次，取值越高说明用户忠诚度越高C.M（Monetary）代表用户在统计周期内的消费总金额，取值越高说明用户的直接价值越高D.RFM模型仅能用于电商行业用户分层，无法适配其他行业场景参考答案：ABC。解析：RFM模型是通用的用户价值分层框架，可适配零售、金融付费、在线教育、本地生活等多个存在付费行为的业务场景，并非局限于电商行业。三、判断题（共10题）1.若两个变量的皮尔逊相关系数为0，说明两个变量之间不存在任何关联关系。（）参考答案：错误。解析：皮尔逊相关系数仅能衡量两个变量之间的线性相关程度，相关系数为0只能说明不存在线性关联，可能存在非线性关联（如U型、二次函数关系），不能判定为无任何关联。2.SQL语句的执行逻辑中，WHERE子句在GROUPBY子句之后执行，用于过滤分组后的结果。（）参考答案：错误。解析：SQL的标准执行顺序为FROM→WHERE→GROUPBY→HAVING→SELECT→ORDERBY→LIMIT，WHERE子句在分组前执行，用于过滤原始表中不符合条件的记录，HAVING子句才是在分组后执行，过滤分组后的结果。3.AB实验中，若实验组的核心指标比对照组高2%，且计算得到p值为0.03，则在95%的置信水平下，可以认为两组指标差异不是随机波动导致，结果统计显著。（）参考答案：正确。解析：95%置信水平对应的显著性阈值为p<0.05，题中p值为0.03小于阈值，说明拒绝“两组无差异”的原假设，差异统计显著。4.用户增长分析中，只要平台整体GMV保持持续上涨，就说明业务处于健康发展状态，无需开展分层拆解。（）参考答案：错误。解析：整体GMV上涨可能是短期高额补贴带来的虚假增长，可能掩盖老用户流失、新用户留存差、补贴ROI持续走低等深层问题，必须通过用户分层、渠道拆解等方式分析增长结构，才能判断业务健康度。5.数据仓库是面向主题的、集成的、相对稳定的、反映历史变化的数据集合，核心作用是支持企业管理决策。（）参考答案：正确。解析：该定义为数据仓库概念提出者Inmon的经典定义，准确概括了数据仓库的核心特征。6.中位数不受极端值影响，因此对于收入、消费金额等右偏分布的变量，用中位数描述集中趋势比均值更合理。（）参考答案：正确。解析：右偏分布中存在部分极高的极端值，会拉高均值，导致均值无法代表大部分用户的真实水平，中位数不受极端值影响，更适合反映偏态分布数据的集中趋势。7.构建线性回归模型时，无需对数据做异常值检查和标准化处理，可直接将原始变量输入模型建模。（）参考答案：错误。解析：线性回归模型对异常值较为敏感，极端值会拉扯回归直线，导致系数估计出现偏差；当需要对比不同自变量对因变量的影响程度时，需要对变量做标准化处理消除量纲影响，因此建模前的数据预处理是必要步骤。8.渠道投放效果评估中，直接将某渠道带来的用户30天内下单总金额除以渠道投放成本，得到的结果即为该渠道的真实ROI，可直接作为渠道投放预算分配的唯一依据。（）参考答案：错误。解析：该计算方式仅统计了用户的短期直接转化，未考虑用户的长期生命周期价值、自然流量归因干扰、品牌溢出效应等因素，会低估优质长尾渠道的真实价值，也可能高估短期转化高但留存差的渠道价值，不能作为投放决策的唯一依据。9.同比指标是指本期数据与上一个相邻统计周期的数据对比，用于反映数据的短期变化趋势。（）参考答案：错误。解析：同比是本期数据与上年同一周期的数据对比，核心作用是消除季节性因素影响；环比才是本期与上一个相邻周期对比，反映短期变化趋势。10.用户留存率和流失率为互补关系，同一统计周期内的用户留存率与流失率相加等于100%。（）参考答案：错误。解析：留存率的统计基数是新增用户，计算新增用户中N天后仍活跃的比例；流失率的统计基数通常是某周期的活跃用户，计算活跃用户中后续不再活跃的比例，二者统计基数不同，不是互补关系。四、简答题（共3题）1.请简述数据分析师开展业务指标异动分析的标准流程。参考答案：异动分析是数据分析师的高频工作场景，标准分析流程分为四步：一是校验数据真实性，首先排除数据层面的问题，包括数据上报延迟、ETL任务故障、统计口径调整、统计范围变化等技术原因，确认异动是业务层面的真实变化，同时明确异动的指标定义、波动幅度、发生时间节点，判断波动是否超出正常阈值，确定是否需要启动深度分析。二是拆解定位异动范围，一方面做公式拆解，按照指标的构成逻辑拆解为细分因子，比如将GMV拆解为访客数、转化率、客单价的乘积，计算每个因子变动对整体波动的贡献度，定位核心影响因子；另一方面做维度拆解，按照业务线、渠道、地域、用户分层、终端、产品版本等维度下钻，计算各细分群体的异动贡献，将异动范围缩小到具体的细分板块。三是溯源验证根因，定位到具体的异常范围后，从内部和外部两个维度排查原因：内部排查异动时间节点前后是否有产品功能上线、运营活动上线、业务策略调整、技术故障等动作，验证动作的影响范围、影响逻辑是否与异动特征匹配；外部排查同期是否有节假日效应、行业政策变动、竞品大促、宏观环境变化等因素，可通过未受影响的对照组做对比，验证因素与异动的因果关系，避免将相关关系误判为因果。四是输出结论与落地建议，明确异动的核心原因、影响幅度、持续周期，针对性给出改进建议，比如技术故障导致的异动推动研发团队尽快修复，运营活动效果不及预期则推动运营团队优化活动规则，分析完成后持续跟进指标变化，验证改进动作的实际效果。2.请简述搭建业务指标体系的核心思路。参考答案：搭建指标体系的核心目标是实现业务可衡量、问题可定位、目标可对齐，核心搭建思路分为四步：一是锚定核心目标，首先明确业务所处的发展阶段（冷启动、成长期、成熟期、衰退期）和核心用户价值，确定适配当前阶段的北极星指标，比如冷启动阶段产品的核心是验证产品价值，北极星指标可设为核心功能用户留存率；成长期核心是规模扩张，北极星指标可设为活跃用户规模；成熟期核心是商业变现，北极星指标可设为营收规模。二是围绕业务链路拆解一级指标，通常按照AARRR用户生命周期框架，结合业务实际流程拆解，覆盖用户获取、用户活跃、用户留存、商业变现、用户流失/传播五大模块，每个模块的一级指标需要与北极星指标形成明确的逻辑关联，能够解释北极星指标变动的原因。三是下钻拆解二三级过程指标，每个一级指标需要进一步拆解为可落地、可定位问题的细分指标，比如用户获取模块的一级指标是新增用户数，可拆解为分渠道的新增规模、获客成本、渠道留存率等二级指标，再进一步拆解为素材点击率、落地页转化率等三级过程指标，确保指标出现异动时，可以下钻定位到具体的业务动作层面。四是建立指标管理与迭代机制，明确每个指标的统计口径、计算逻辑、统计维度、更新频率、数据来源、责任部门，避免跨部门指标口径不一致；同时设置指标异常告警阈值，对超出正常波动范围的异动自动触发告警，随着业务发展、新业务线拓展动态迭代指标体系，及时淘汰不适配当前阶段的指标，补充新业务对应的监控指标。3.请简述AB实验从设计到结论落地的全流程。参考答案：AB实验是因果推断的核心方法，全流程分为五个阶段：一是实验设计阶段，首先明确实验要验证的核心假设，确定实验的核心评估指标、护栏指标（用于监控实验是否损害用户体验，如页面加载时长、跳出率、客诉率）；基于核心指标的基线值、预期最小可感知提升幅度、设定的显著性水平（通常5%）、统计功效（通常80%）计算实验所需的最小样本量，确定实验周期；设计分流方案，以用户ID为分流单元做随机分配，保证实验组和对照组的用户特征无显著差异，避免分流污染（如同一用户被分到不同组看到不同策略）。二是灰度上线阶段，实验正式放量前先分配1%~5%的小流量做灰度测试，验证实验策略是否正确生效、数据上报是否正常、是否存在严重的技术bug，确认无误后再逐步放量到预设的流量比例。三是实验运行阶段，实验运行期间持续监控分流均匀性，避免出现组间样本量严重失衡的问题；持续监控护栏指标，若出现严重损害用户体验的情况及时终止实验；实验期间不得随意调整分流比例、不得中途更换核心评估指标、不得提前终止实验下结论，必须等样本量达到要求、跑满预设周期。四是效果评估阶段，计算实验组和对照组的核心指标差异，通过假设检验验证统计显著性，计算p值和指标差异的置信区间；同时评估业务显著性，判断指标提升幅度是否足够覆盖实验的投入成本，具备落地价值；还要开展细分维度的异质性分析，观察不同用户群体、不同终端的效果差异，排查是否存在负向影响的细分群体。五是结论落地阶段，若实验效果统计显著、业务价值达标且无明显负向影响，则全量推广实验策略，全量后持续监控指标变化，验证效果是否与小流量实验一致；若实验效果不显著或为负向，则总结策略失效的原因，迭代优化后开展新一轮实验，避免无效策略全量上线。五、计算与实操题（共2题）1.某电商平台在2024年618期间开展AB实验，测试新的结算页面能否提升用户支付转化率，实验设置对照组（原结算页面）和实验组（新结算页面）各分配50%流量，实验运行满7天后的统计数据如下：对照组累计进入结算页的用户共100000人，其中支付成功用户12000人；实验组累计进入结算页的用户共100000人，其中支付成功用户12900人。已知95%置信水平对应的双尾检验Z临界值为1.96，请完成以下计算并给出结论：（1）分别计算对照组和实验组的支付转化率；（2）采用双样本比例Z检验，判断两组转化率差异是否统计显著，写出核心计算过程；（3）说明该实验结果是否可以直接支持新结算页面全量上线，还需要补充哪些验证环节。参考答案：（1）对照组支付转化率=12000/100000=12%；实验组支付转化率=12900/100000=12.9%，实验组转化率较对照组绝对值高0.9个百分点，相对提升7.5%。（2）双样本比例Z检验的计算过程如下：首先计算两组的合并转化率p=(12000+12900)/(100000+100000)=12.45%；其次计算比例差的标准误SE=√[p*(1-p)*(1/n1+1/n2)]=√[0.1245*0.8755*(1/100000+1/100000)]≈0.00148；最后计算Z值=(p实-p对)/SE=(0.129-0.12)/0.00148≈6.08，Z值远大于1.96的临界值，对应p值小于0.05，说明两组转化率差异在95%置信水平下统计显著。（3）该结果不能直接支持全量上线，还需要补充以下验证环节：一是检查护栏指标表现，确认新结算页面的加载时长、支付失败率、用户客诉率、客单价等指标没有出现显著下跌，避免虽然转化率提升但损害用户长期体验、降低用户长期价值；二是验证实验周期是否覆盖了不同特征的用户群体，是否存在新奇效应（用户因页面变化短期好奇点击，长期习惯后转化率回落），需要观察至少1~2个完整的用户活跃周期确认效果稳定性；三是测算投入产出比，确认新页面开发、迭代、维护的成本低于转化率提升带来的长期收益；四是开展细分维度分析，排查是否存在特定群体（如老年用户、低版本系统用户）在新页面下转化率下降，若存在则需要针对性优化后再全量。2.现有两张业务数据库表：（1）用户表user_info，字段包括user_id（用户ID，主键）、register_time（注册时间，datetime类型）、channel（注册渠道，字符串类型）、city（所在城市，字符串类型）；（2）订单表order_info，字段包括order_id（订单ID，主键）、user_id（下单用户ID，关联user_info表的user_id）、pay_time（支付时间，datetime类型）、order_amount（订单金额，数值类型）、is_refund（是否退款，整数类型，1代表已退款，0代表未退款）。请写出SQL语句实现以下两个需求：（1）统计2024年5月每个注册渠道的新增用户数、新增用户7日首单转化率（注册后7天内支付未退款订单的用户占比）、首单用户的平均客单价；（2）提取2024年5月注册的用户中，累计未退款订单总金额超过1000元的高价值用户ID及其累计消费金额。参考答案：需求（1）可通过公共表表达式先筛选5月新增用户，再关联匹配用户注册后7天内的有效订单，最后按渠道聚合统计，参考SQL如下：WITHmay_new_userAS(-筛选2024年5月注册的新增用户SELECTuser_id,cha