数据分析师(初级)试题及答案

数据分析师(初级)试题及答案一、单项选择题（共20题，每题1分，总计20分。每题只有1个正确答案，错选、不选均不得分）1.下列变量中属于定序变量的是（）A.员工工龄B.员工职称（助教/讲师/副教授/教授）C.员工月收入D.员工所在部门2.要在Excel中计算一组数据的中位数，应使用的函数是（）A.AVERAGEB.MEDIANC.MODED.STDEV3.SQL语句中，用于对分组后的结果进行条件过滤的关键字是（）A.WHEREB.HAVINGC.GROUPBYD.ORDERBY4.某电商平台618期间的日订单量数据存在个别极端高值（大促峰值日订单量为日常的10倍），以下哪个统计量最适合反映该期间日订单量的集中趋势（）A.算术平均数B.中位数C.众数D.几何平均数5.数据预处理过程中，将客户填写的“北京市”“北京”“北京市辖区”统一为“北京市”的操作属于（）A.缺失值处理B.重复值处理C.数据标准化D.异常值识别6.要展示近12个月公司销售额的连续变化趋势，最适合的图表类型是（）A.饼图B.折线图C.柱状图D.散点图7.下列哪个SQL语句可以实现“从用户表user中查询所有性别为女且年龄大于25岁的用户姓名(name)”（）A.SELECTnameFROMuserWHEREgender='女'ANDage>25;B.SELECT*FROMuserWHEREgender='女'ORage>25;C.SELECTnameFROMuserHAVINGgender='女'ANDage>25;D.SELECTnameFROMuserWHEREgender='女'ORage>25;8.抽样调查中，由于抽样的随机性带来的样本统计量与总体参数之间的固有差异称为（）A.抽样误差B.非抽样误差C.系统误差D.登记误差9.以下功能中，不属于Excel数据透视表核心基础功能的是（）A.按多维度汇总数据B.快速筛选交叉统计结果C.对原始数据进行复杂机器学习建模预测D.灵活切换统计维度与计算口径10.下列指标中属于转化类指标的是（）A.网站独立访客数（UV）B.商品详情页到支付页的转化率C.客单价D.30日用户留存率11.常用的3σ原则识别异常值的前提是数据服从（）A.二项分布B.正态分布C.泊松分布D.均匀分布12.下列SQL聚合函数中，不会忽略字段空值（NULL）的是（）A.SUM(列名)B.COUNT(*)C.AVG(列名)D.MAX(列名)13.下列关于饼图使用规范的说法，错误的是（）A.饼图的分类数量不宜超过6个，避免扇区过窄难以识别B.饼图各扇区的数值总和应为统计范围的100%，不能遗漏分类C.饼图适合展示不同类别数值随时间的变化趋势D.饼图通常将占比最大的扇区从12点钟方向开始顺时针排列14.某用户行为数据表中，“用户注册渠道”字段的缺失率为2%，经校验为完全随机缺失，以下最适合初级分析师采用的处理方式是（）A.直接删除含缺失值的整条记录，避免影响数据质量B.用其他渠道的众数填充所有缺失值，保证数据完整性C.将缺失值单独编码为“未知渠道”作为一个独立分类纳入分析D.搭建复杂机器学习模型预测缺失的渠道值15.某线下零售店铺2024年3月的到店访客数为10000人，其中下单用户数为500人，完成支付的用户数为400人，成交总金额为80000元，该店铺3月的客单价为（）A.8元B.160元C.200元D.800元16.经计算，两个连续变量的皮尔逊相关系数为0.02，说明两个变量之间（）A.存在强正线性相关关系B.存在弱正线性相关关系C.存在强因果关系D.基本不存在线性相关关系17.在SQL查询中，要将查询结果按照“销售额”字段从高到低排序，正确的子句写法是（）A.ORDERBY销售额ASCB.ORDERBY销售额DESCC.GROUPBY销售额DESCD.SORTBY销售额DESC18.企业数据仓库的常见分层架构中，ODS层的全称与定位是（）A.数据应用层，面向业务场景输出加工好的指标数据B.数据明细层，存储经过清洗的统一格式明细数据C.操作数据存储层，直接同步业务系统的原始贴源数据D.数据服务层，为前端报表提供接口调用服务19.分析师在探索数据时发现“冰淇淋销量越高，溺水死亡人数越多”，从而得出“吃冰淇淋会导致溺水风险上升”的错误结论，主要违背了数据分析的哪项核心原则（）A.相关性不等于因果性B.分析过程保持数据口径一致C.样本需具备总体代表性D.所有结论需可追溯数据源20.要在Excel单元格中快速计算B2到B10单元格区域的数值总和，下列公式输入正确的是（）A.=SUM(B2:B10)B.=SUM(B2-B10)C.=COUNT(B2:B10)D.=SUMB2:B10二、多项选择题（共10题，每题2分，总计20分。每题有2个及以上正确答案，多选、少选、错选均不得分）1.初级数据分析师的日常核心工作内容通常包括（）A.根据业务需求提取、清洗对应范围的数据B.制作日常业务监控报表，跟踪核心指标波动C.开展常规专题分析，定位业务问题并给出建议D.训练大语言模型等复杂AI算法并落地上线E.响应业务部门的常规数据查询需求，提供数据支撑2.下列操作中，属于数据预处理环节常见工作内容的有（）A.缺失值识别与合理填充B.重复记录排查与删除C.异常值识别与业务校验D.多来源数据口径统一E.算法模型上线与运维3.下列关于标准SQL语句执行顺序的说法，正确的有（）A.FROM子句最先执行，用于确定查询的数据来源表与关联关系B.WHERE子句在GROUPBY子句之前执行，过滤原始表中不符合条件的记录C.HAVING子句在GROUPBY子句之后执行，过滤分组后的聚合结果D.SELECT子句在ORDERBY子句之前执行，确定需要返回的字段E.ORDERBY子句最先执行，提前对数据排序提升查询效率4.下列指标中属于用户留存类指标的有（）A.次日留存率B.7日留存率C.30日留存率D.页面跳出率E.支付复购率5.下列关于描述统计量的说法，正确的有（）A.极差是一组数据最大值与最小值的差值，容易受极端值影响B.方差是每个数据与均值差的平方的平均数，反映数据的离散程度C.标准差是方差的算术平方根，与原始数据的计量单位一致D.变异系数（离散系数）是标准差与均值的比值，可用于比较不同量级数据的离散程度E.任意数据集的中位数都与算术平均数完全相等6.下列关于数据可视化的设计原则，说法正确的有（）A.图表类型必须匹配数据关系与分析目的，避免为了美观选用不合适的图表B.图表中的颜色使用不宜过多，重点信息用高亮颜色标注，减少无关视觉干扰C.所有正式发布的图表都要标注清晰的坐标轴名称、计量单位、数据来源与时间范围D.为了突出数据差异，可以随意调整坐标轴起始刻度，放大波动效果E.图表展示要重点突出，避免堆砌与核心结论无关的数据元素7.下列Excel功能中，属于初级数据分析师日常工作高频使用的有（）A.使用VLOOKUP/XLOOKUP函数跨表匹配关联数据B.使用条件格式自动标记异常值、达标值等重点数据C.使用数据透视表快速完成多维度交叉汇总统计D.使用VBA编写复杂的企业级自动化数据系统E.使用数据有效性功能规范单元格录入格式，减少数据错误8.开展业务问题分析时，核心指标的常用拆解方法有（）A.逻辑树拆解法，将上层指标按构成拆分为多个下层子指标B.按用户行为流程节点拆解，比如从曝光到转化的全流程漏斗C.按业务维度拆解，比如分用户群、渠道、产品、区域等维度拆分D.杜邦分析法，按财务/业务指标的驱动关系逐层拆解E.不考虑业务逻辑，随意拆分指标凑分析维度9.下列关于抽样调查的说法，正确的有（）A.简单随机抽样是最基础的概率抽样方法，每个个体被抽中的概率相等B.分层抽样是先将总体按关键特征分层，再从各层内独立抽样，可提升样本代表性C.方便抽样属于非概率抽样，抽样结果不能直接用于推断总体特征D.样本量越大，抽样误差会持续线性下降，因此样本量越大越好E.同等精度要求下，抽样调查的时间、人力成本通常低于全面普查10.一份合格的常规业务数据分析报告，核心构成要素通常包括（）A.分析背景与目的，说明报告要解决的业务问题B.核心结论与可落地建议，直接给业务方明确的决策参考C.详实的分析过程与数据支撑，保证结论的可信度D.与核心结论无关的冗余数据图表，丰富报告篇幅E.待验证的问题与后续优化方向，明确后续迭代思路三、判断题（共10题，每题1分，总计10分。请判断每题表述的正误，正确填“√”，错误填“×”）1.在SQL语法中，NULL值与空字符串是完全等价的，可以直接用“=NULL”判断字段的空值。（）2.两个连续变量的皮尔逊相关系数为-1时，说明两个变量之间存在完全负线性相关关系。（）3.Excel中的VLOOKUP函数默认采用精确匹配模式，不需要额外设置匹配参数。（）4.数据分析过程中，只要样本数据量足够大，不需要考虑数据口径的一致性，得出的结论一定可靠。（）5.柱状图为纵向排列，适合类别名称较短的数值对比场景；条形图为横向排列，更适合类别名称较长的场景。（）6.算术平均数是反映数据集中趋势最可靠的指标，任何分析场景下都应该优先使用平均数代表整体水平。（）7.标准SQL语法中，使用GROUPBY子句做聚合计算时，SELECT后面的非聚合字段必须全部出现在GROUPBY子句中。（）8.数据中的异常值一定是录入错误导致的无效数据，必须直接删除才能保证分析结果准确。（）9.用户生命周期价值（LTV）指的是用户在整个与企业交互的生命周期内为企业带来的总价值，是衡量用户质量的核心指标之一。（）10.制作业务监控报表时，只需要展示原始数据即可，不需要结合业务逻辑给出数据解读与异常提示。（）四、简答题（共4题，每题5分，总计20分）1.请简述初级数据分析师开展一次常规业务分析的基本流程。2.请简述数据预处理中缺失值的常见类型及对应的基础处理方式。3.请简述Excel中VLOOKUP函数的语法参数，以及日常使用中的常见注意事项。4.请简述什么是辛普森悖论，结合业务分析场景说明如何避免该问题导致的结论偏差。五、案例分析题（共2题，每题15分，总计30分）1.某在线教育公司主要售卖职业资格考试培训课程，运营团队在2024年5月加大了短视频渠道的付费投放力度，投放结束后运营团队提取了4-5月的短视频渠道核心数据：2024年4月（未加大投放的自然流量期）：渠道曝光量100万，点击量8万，平均点击单价2元，注册用户数1万，付费用户数500人，总付费金额100万元；2024年5月（集中投放期）：渠道曝光量800万，点击量80万，平均点击单价1.8元，注册用户数4万，付费用户数1200人，总付费金额288万元。运营团队初步判断本次投放非常成功，核心理由是总付费金额较4月提升188%，且平均点击单价比4月更低，投放投入产出比很高。请你作为初级数据分析师回答以下问题：（1）请分别计算4月和5月短视频渠道的核心漏斗与效率指标，包括点击率、点击到注册的转化率、注册到付费的转化率、客单价、单个付费用户获客成本、投放ROI（ROI=总付费金额/投放点击总成本），列出完整计算过程；（2）你是否认同运营团队“本次投放非常成功”的结论？请结合计算出的指标给出你的判断与核心依据，指出投放中存在的核心问题。2.某社区连锁零售超市的运营人员发现，2024年6月的全门店总销售额较5月下降了12%，初步判断可能是到店客数下降导致，但无法定位具体原因，需要你作为初级数据分析师搭建分析框架，帮助定位销售额下滑的核心原因。请回答以下问题：（1）请按照指标逻辑拆解的方法，拆解销售额的构成因子，搭建分层分析框架；（2）请列出具体的排查维度与方向，说明每个方向需要验证的核心问题。参考答案一、单项选择题1.B2.B3.B4.B5.C6.B7.A8.A9.C10.B11.B12.B13.C14.C15.C16.D17.B18.C19.A20.A二、多项选择题1.ABCE2.ABCD3.ABCD4.ABC5.ABCD6.ABCE7.ABCE8.ABCD9.ABCE10.ABCE三、判断题1.×2.√3.×4.×5.√6.×7.√8.×9.√10.×四、简答题1.初级数据分析师开展常规业务分析的基本流程可分为6个核心环节：（1）需求对齐环节：与需求方充分沟通，明确分析的业务背景、核心要解决的问题、时间范围、数据口径、预期产出形式，避免偏离需求做无效分析。（1分）（2）数据提取环节：根据需求确定数据来源，从业务数据库、业务后台、公开数据平台等渠道提取对应范围的数据，校验数据提取逻辑的准确性，避免错数漏数。（1分）（3）数据预处理环节：对提取的原始数据进行清洗，包括删除重复值、处理缺失值、校验异常值、统一多来源数据的口径，保证进入分析环节的数据质量可靠。（1分）（4）分析挖掘环节：运用对比分析、细分分析、交叉分析、漏斗分析等基础分析方法，结合统计指标计算，定位业务问题的核心驱动因素，挖掘数据背后的业务规律。（0.5分）（5）结论输出环节：将分析结果整理为清晰的可视化图表与分析报告，提炼核心结论，给出可落地、可执行的业务建议，避免只有数据没有观点。（1分）（6）跟进迭代环节：同步分析结论给相关业务方，跟踪建议落地后的业务效果，根据反馈迭代分析逻辑，沉淀分析方法。（0.5分）2.按照缺失机制，缺失值可分为三类，对应不同的基础处理方式：（1）完全随机缺失：指数据缺失是完全随机的，与其他变量、自身取值均无关系，比如系统偶发故障导致的少量数据丢失。这类缺失如果缺失率低于5%，可以根据字段类型选择处理方式：连续变量可使用均值/中位数填充，分类变量可将缺失值单独编码为独立类别，若缺失字段为非核心字段也可直接删除缺失记录。（2分）（2）随机缺失：指数据缺失与其他已观测到的变量相关，但与自身未观测的取值无关，比如女性用户更不愿意填写年龄，年龄的缺失与性别字段相关。这类缺失不能直接简单填充，可采用分组填充的方式（比如按性别分组后，用对应组的年龄均值/中位数填充），或基于其他观测变量构建简单预测模型填充。（1.5分）（3）非随机缺失：指数据缺失与变量自身的未观测取值直接相关，比如高收入用户更不愿意填写个人收入，收入的缺失与收入水平本身相关。这类缺失不能直接删除或简单填充，否则会导致严重的样本偏差，需要将缺失值作为一个独立的分类纳入分析，必要时结合业务调研补充数据。（1.5分）3.VLOOKUP是Excel中最常用的跨表匹配函数，其语法与注意事项如下：（1）函数语法：VLOOKUP(lookup_value,table_array,col_index_num,[range_lookup])，共4个参数：①lookup_value：要查找的匹配依据值；②table_array：查找的目标数据区域，需同时包含匹配列与返回值列；③col_index_num：返回值在查找区域中的列序号，从查找区域的第一列开始计数；④range_lookup：匹配模式参数，填FALSE/0为精确匹配，填TRUE/1或省略为近似匹配。（2分）（2）常见注意事项：①匹配依据列必须位于查找区域的第一列，否则函数无法返回正确结果；②查找区域如果需要下拉批量匹配，必须使用绝对引用锁定范围，避免公式下拉时查找区域偏移；③使用近似匹配时，查找区域的第一列必须按升序排序，否则会返回错误匹配结果；④如果匹配列存在多个重复值，VLOOKUP只会返回第一个匹配到的结果；⑤需要提前统一匹配值与查找区域第一列的格式，避免文本格式数字与数值格式数字无法匹配，返回#N/A错误。（3分）4.辛普森悖论是指在分组分析中，每个分组内呈现的趋势，与所有分组合并后的整体趋势完全相反的统计现象，其本质是不同分组的样本权重分布不均，导致汇总结果掩盖了组间的真实差异。（2分）比如某企业两个渠道的付费转化率都较上月提升，但整体转化率反而下降，核心原因是低转化率渠道的流量占比本月大幅提升，拉低了整体转化水平。为避免辛普森悖论导致的结论偏差，分析时需要注意：①不能只关注整体汇总指标，必须按业务核心维度（比如渠道、用户群、产品品类）拆分做细分分析，尤其是当不同分组的结构占比发生明显变化时，必须拆分验证组内趋势；②计算整体指标时要关注权重变化的影响，当分组权重出现大幅波动时，不能直接对比整体均值的变化，需要通过标准化方法剔除权重影响后再做对比；③要结合业务逻辑确定关键拆分维度，当整体指标出现异常波动时，优先排查结构占比变化大的维度，识别真实业务趋势，避免被汇总数据误导。（3分）五、案例分析题1.（1）各指标计算过程如下（每个月份的指标计算3分，共6分）：①2024年4月指标：点击率=点击量/曝光量=8万/100万=8%；点击到注册转化率=注册用户数/点击量=1万/8万=12.5%；注册到付费转化率=付费用户数/注册用户数=500/1万=5%；客单价=总付费金额/付费用户数=100万/500=2000元；投放总成本=点击量*平均点击单价=8万*2元=16万元；单个付费用户获客成本=投放总成本/付费用户数=16万/500=320元；投放ROI=总付费金额/投放总成本=100万/16万=6.25。②2024年5月指标：点击率=点击量/曝光量=80万/800万=10%；点击到注册转化率=注册用户数/点击量=4万/80万=5%；注册到付费转化率=付费用户数/注册用户数=1200/4万=3%；客单价=总付费金额/付费用户数=288万/1200=2400元；投放总成本=点击量*平均点击单价=80万*1.8元=144万元；单个付费用户获客成本=投放总成本/付费用户数=144万/1200=1200元；投放ROI=总付费金额/投放总成本=288万/144万=2。（2）不认同运营团队“投放非常成功”的结论（2分），核心依据与问题如下（7分）：第一，运营团队仅选取了总付费金额、平均点击单价两个表面指标做判断，没有全链路评估投放的转化效率与投入产出比，结论存在明显片面性。第二，投放规模放大后，核心转化效率出现严重下滑：点击率仅从8%小幅提升到10%，但点击到注册的转化率从12.5%腰斩至5%，说明投放素材或定向触达的用户精准度大幅下降，大量点击并非有课程需求的目标用户；注册到付费的转化率从5%降至3%，进一步说明引流来的注册用户意向度远低于自然流量期的用户质量。第三，投放效率大幅下滑：虽然单个点击的成本从2元降到1.8元，但由于转化效率下降，单个付费用户的获客成本从320元涨到1200元，涨幅达275%；投放ROI从6.25降至2，即每投入1元广告费获得的营收从6.25元降到2元，且上述ROI仅计算了直接的广告点击成本，未扣除课程研发、社群服务、师资等成本，实际利润端的ROI会更低，投放的盈利性远差于自然流量期。第四，本次投放的总营收增长本质是靠高成本的流量堆砌实现的，并非投放效率提升带来的良性增长，反而因为定向不精准拉低了整体转化效率，不属于成功的投放。后续需要优化投放定向与素材内容，聚焦目标用户群体，提升中后段转化效率，而不是盲目扩大投放规模。2.（1）销售额的分层拆解框架如下（7分）：按照逻辑树拆解方法，第一层将总销售额拆分为“到店客数×客单价”两个核心驱动因子，通过因素替代法可以计算两个因子分别对销售额下滑的贡献度，确定核心影响方向。第二层对两个核心因子进一步拆解：①到店客数=新客到店数+老客到店数；其中新客到店数=各引流渠道触达人数×渠道到店转化率，老客到店数=存量活跃老客数×老客到店复购率；②客单价=到店用户人均购买商品件数×平均商品单价，也可以按品类拆分为