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一、单项选择题（共20题，每题1分，共20分。每题的备选项中，只有1个最符合题意）1.根据财政部2024年修订实施的《企业数据资源相关会计处理暂行规定》，企业可确认为数据资产入表的资源是（）A.通过公开网络爬虫无授权采集的行业公开舆情数据B.企业合法持有、可控制、预期能带来持续经济利益的用户行为数据集C.合作方临时共享、未约定使用权归属的跨域数据集D.数据加工过程中产生的无业务复用价值的临时中间表数据答案：B2.当前主流湖仓一体架构中，支持行级实时更新、零拷贝数据快照、ACID事务保障的核心开源存储组件不包括（）A.ApacheIcebergB.DeltaLakeC.ApacheHudiD.MyISAM答案：D3.使用SQL计算每个用户最近3次消费金额的移动平均值，需使用的窗口函数范围语法是（）A.ROWSBETWEEN2PRECEDINGANDCURRENTROWB.RANGEBETWEENUNBOUNDEDPRECEDINGANDCURRENTROWC.GROUPBYuser_idORDERBYpay_timeD.ROWSBETWEEN1FOLLOWINGAND3FOLLOWING答案：A4.某电商平台用户信息表中，注册手机号字段存在12%的空值，该问题违反的数据质量核心维度是（）A.准确性B.完整性C.一致性D.时效性答案：B5.两个跨区域经营的城商行计划联合构建小微企业信用风险评估模型，双方用户群体重合率不足3%，但持有的企业经营、信贷类业务特征重合度超过85%，在满足数据不出域合规要求的前提下，最适合采用的联合建模技术是（）A.纵向联邦学习B.横向联邦学习C.联邦迁移学习D.中心化集中建模答案：B6.开展A/B测试的样本量测算时，以下不属于核心影响因素的是（）A.预设的统计显著性水平B.预设的统计功效C.需要识别的最小可检测效应D.实验参与用户的性别分布答案：D7.某内容平台2025年3月1日新增注册用户8000人，这批用户中3月2日活跃登录3600人，3月8日活跃登录2160人，3月31日活跃登录1440人，按照行业通用的留存率统计口径，该批次用户的7日留存率为（）A.45%B.27%C.18%D.30%答案：B8.大模型辅助数据分析场景中，检索增强生成（RAG）技术的核心作用是（）A.大幅提升大模型的推理速度B.降低大模型运行的算力消耗C.减少大模型生成分析结论的幻觉，提升事实准确性D.自动实现所有数据的可视化展示答案：C9.数据处理过程中，对用户身份证号字段保留前6位行政区划代码和后4位校验位，中间8位出生日期码用*号替换，该脱敏方式属于（）A.掩码脱敏B.不可逆加密C.数值扰乱D.随机替换答案：A10.以下异常值检测方法中，适合高维数据场景、不需要预先假设数据服从正态分布的是（）A.3σ原则B.箱线图法C.孤立森林算法D.Z-score法答案：C11.根据《中华人民共和国个人信息保护法》要求，处理生物识别、医疗健康、金融账户、行踪轨迹等敏感个人信息时，应当取得个人的（）A.默示同意B.单独同意C.概括性同意D.口头同意答案：B12.经典数据仓库分层架构中，存放面向业务主题的轻度汇总指标（如用户日消费汇总、商品日销量汇总），为上层应用提供统一公共数据支撑的层级是（）A.ODS层（原始数据层）B.DWD层（明细数据层）C.DWS层（汇总数据层）D.ADS层（应用数据层）答案：C13.某分析师计算两个连续变量的皮尔逊相关系数为-0.87，说明两个变量之间存在（）A.完全负线性相关关系B.高度负线性相关关系C.低度线性相关关系D.无线性相关关系答案：B14.国家数据局2024年底发布的《“数据要素×”三年行动计划（2025—2027年）》明确了12个重点落地领域，以下不属于该行动计划重点领域的是（）A.工业制造B.现代农业C.星际探测D.医疗健康答案：C15.用户画像标签体系中，“最近30天累计消费金额超过1000元”属于（）A.事实标签B.统计标签C.模型标签D.策略标签答案：B16.ApacheFlink作为流批一体计算引擎，实现端到端Exactly-Once（精确一次）处理语义的核心机制是（）A.Watermark（水印）机制B.Checkpoint（检查点）机制C.窗口机制D.状态后端存储答案：B17.某电商平台统计用户转化漏斗，从首页浏览到商品详情页的转化率为60%，商品详情页到加购的转化率为25%，加购到下单的转化率为40%，下单到支付成功的转化率为85%，则从首页浏览到支付成功的整体转化率为（）A.5.1%B.15%C.8.5%D.42%答案：A18.数据资产估值方法中，通过测算数据资产未来预期产生的经济收益并按合理折现率折算为现值的估值方法是（）A.成本法B.收益法C.市场法D.实物期权法答案：B19.数据可视化选型中，需要同时展示8个业务区域的年度销售额数值差异，以及各区域销售额对全国总销售额的贡献占比，且因区域数量较多不适合采用饼图展示时，最优的图表类型是（）A.堆叠柱状图B.矩形树图C.折线图D.气泡图答案：B20.业务经营分析中的偏差分析，核心目的是（）A.预测未来3个月的核心指标趋势B.识别用户分群特征C.定位实际指标与目标值、历史同期值的差异及背后驱动因素D.优化数据存储结构答案：C二、多项选择题（共10题，每题2分，共20分。每题的备选项中，有2个及以上符合题意，多选、少选、错选均不得分）1.2025年大模型规模化应用背景下，大数据分析师需要具备的核心能力包括（）A.深度业务理解与问题拆解能力B.数据建模与统计分析能力C.大模型分析工具的合理应用能力D.数据合规与风险防控意识E.分布式存储集群的底层运维能力答案：ABCD2.我国数据要素市场化配置进程中，符合合规要求的数据流通模式包括（）A.公共数据依法有序向社会开放B.通过合规数据交易所开展挂牌或协议交易C.依托隐私计算技术实现数据“可用不可见”的跨机构合作D.企业间经授权的合规数据共享E.未取得用户同意批量爬取个人信息开展商业分析答案：ABCD3.SQL语法中，常用于用户行为路径分析的功能包括（）A.LEAD/LAG等窗口函数B.GROUP_CONCAT/LISTAGG等路径拼接函数C.CTE递归查询D.CREATEINDEX索引创建语句E.DROPTABLE删表语句答案：ABC4.A/B测试中出现辛普森悖论（即分群结论与整体结论完全相反）的常见原因包括（）A.分流过程存在偏差，不同实验组的用户结构存在显著差异B.实验流量切割时未对核心混杂因素做分层控制C.实验样本量过大导致统计误差D.分析过程未拆分核心维度直接看整体指标E.实验过程中未出现系统故障答案：ABD5.湖仓一体架构相比传统独立数据仓库、独立数据湖的核心优势包括（）A.支持结构化、半结构化、非结构化数据的统一存储管理B.支持ACID事务，保障数据一致性C.实现流批一体数据处理，降低链路冗余D.完全不需要开展数据治理工作E.减少跨系统数据复制，降低存储和计算成本答案：ABCE6.用户生命周期价值（LTV）的核心影响因素包括（）A.用户平均客单价B.用户生命周期内的复购频次C.用户平均留存时长D.服务单用户的可变成本E.企业数据中心的固定存储成本答案：ABCD7.企业数据链路中，数据质量问题的常见来源包括（）A.多源数据采集时的指标口径不一致B.数据传输过程中的丢包、重复上报C.业务系统规则变更未同步到数据加工链路D.数据加工过程中的SQL逻辑错误E.数据查询时的并发访问量过高答案：ABCD8.当前主流大模型增强分析工具的核心功能包括（）A.自然语言转SQL（NL2SQL）降低取数门槛B.自动识别异常指标并开展初步归因C.根据数据特征自动生成适配的可视化图表D.自动生成符合业务逻辑的初步分析结论E.未经审批自动修改业务系统中的原始数据答案：ABCD9.根据《中华人民共和国数据安全法》确立的数据分类分级制度，按照数据遭到篡改、破坏、泄露后对国家安全、公共利益、个人或组织合法权益造成的危害程度，可将数据分为（）A.一般数据B.重要数据C.核心数据D.公开数据E.机密数据答案：ABC10.因果推断方法在业务分析中的常见应用场景包括（）A.评估营销活动带来的真实增量效果B.识别产品功能迭代对用户留存的净影响C.测算价格调整对销售额的因果效应D.基于历史时间序列数据预测下个月的商品销量E.根据用户行为特征划分用户分群答案：ABC三、简答题（共4题，每题10分，共40分）1.2025年是企业数据资产入表全面落地的年份，请简述大数据分析师在数据资产入表工作中需要参与的核心环节，以及相关注意事项。答案：大数据分析师作为连接业务、数据、财务部门的核心角色，需要参与四个核心环节：一是数据资源全面盘点，梳理企业内部生产、外部采购、合作获取的全量数据资源，逐一核实数据的合法权属、应用场景、复用价值，重点剔除无合法使用权、无法产生持续经济利益、存在合规风险的数据集，形成企业数据资源目录；二是数据成本协同归集，配合财务部门梳理数据采集、清洗、加工、存储、治理全链路的成本投入，严格区分研究阶段与开发阶段的支出，将满足资本化条件的开发阶段支出纳入资产计量范围，避免成本虚增或漏记；三是数据资产价值测算，结合数据资产的应用场景、业务贡献、使用周期，采用收益法等合规方法测算数据资产的预期收益、摊销周期，建立数据资产减值预警机制，定期跟踪价值波动；四是合规性校验，确认拟入表的数据资源符合《数据安全法》《个人信息保护法》要求，完成数据分类分级保护，不存在权属纠纷、个人信息侵权等合规风险。相关注意事项：首先要严格区分数据资源与数据资产的边界，不得将未取得合法控制权、无法带来稳定经济利益的数据纳入资产核算，避免虚增企业资产；其次要统一数据资产的成本、价值测算口径，所有测算过程需留存可追溯的依据，符合会计准则要求；第三要建立数据资产全生命周期的动态管理机制，避免“一次入表、永久记账”，根据数据资产的价值衰减、合规风险变化及时调整账面价值。2.请简述A/B测试从方案设计到结论输出的全流程，并说明大模型应用于A/B测试场景的常见误区。答案：A/B测试的全流程分为六个阶段：一是目标与指标确定阶段，明确待验证的业务假设，选定核心评估指标、护栏指标（如页面加载时长、用户投诉率），避免指标过多导致结论分散；二是实验设计阶段，确定分流单元（用户、设备、会话）、分流比例、最小样本量、实验周期，设计白名单对照组，避免分流偏差；三是上线与校验阶段，实验流量上线后第一时间校验埋点数据上报的准确性，验证两组用户的基础属性、历史行为特征是否无显著差异，确保分流随机性；四是运行监控阶段，持续监控样本量累计进度、护栏指标波动，严禁在样本量未达要求时提前“偷看”数据下结论，导致假阳性错误；五是结果分析阶段，计算两组指标的差值、p值、置信区间，判断结果的统计显著性，同时评估业务显著性，即指标提升幅度是否具备实际业务价值；六是结论输出阶段，根据分析结果给出全量上线、迭代优化、终止实验的明确决策建议，同步留存实验过程文档。大模型应用于A/B测试的常见误区：一是过度依赖大模型自动生成实验假设，缺乏业务逻辑支撑，导致实验方向脱离实际业务需求；二是用大模型替代严格的统计显著性检验，直接生成实验结论，容易因大模型的幻觉问题忽略统计误差，得出错误判断；三是未校验大模型对指标口径、业务规则的理解偏差，导致实验结果解释与实际业务逻辑不符；四是盲目采信大模型给出的实验优化建议，未通过小范围二次验证就直接落地，容易引发业务风险。3.请对比横向联邦学习、纵向联邦学习、联邦迁移学习的适用场景，以及三类技术在数据合规流通分析中的价值。答案：三类联邦学习技术均属于隐私计算范畴，核心特征是实现“数据不出域、可用不可见”，打破数据流通的合规壁垒，但适用场景存在明显差异：一是横向联邦学习，适用场景为参与方的业务特征维度重叠度高、样本群体重叠度低，例如跨区域经营的连锁零售门店、不同省份的城商行，各方持有相似的业务特征但用户/服务对象重合度极低；其核心价值是帮助参与方在不交换原始数据的前提下，联合训练样本量更充足、泛化能力更强的分析模型，解决单机构样本量不足、模型效果差的问题，尤其适合跨区域同行业机构的联合风控、联合销量预测场景。二是纵向联邦学习，适用场景为参与方的样本群体重叠度高、业务特征维度重叠度低，例如同一城市的银行和电商平台，双方服务的用户重合度高，但银行持有用户的金融资产、信贷记录特征，电商持有用户的消费行为、偏好特征；其核心价值是帮助参与方在不泄露各自特征数据的前提下，联合构建更完整的用户画像，支撑精准营销、风险防控等分析场景，解决单机构特征维度不足、分析精度不够的问题。三是联邦迁移学习，适用场景为参与方的样本重叠度、特征重叠度均较低，例如跨境合作的不同行业机构，双方数据存在较强的异质性，样本匹配度低；其核心价值是通过知识迁移实现跨域、跨行业的联合建模，解决小样本、数据稀缺场景下的分析建模难题，同时满足跨境数据流通中“原始数据不出境”的合规要求。4.请简述数据仓库ODS、DWD、DWS、ADS四层分层架构的核心设计原则，以及分层设计对提升分析效率的价值。答案：四层架构的核心设计原则分别为：一是ODS层（操作数据存储层），作为原始数据接入层，原则上保持与业务系统、埋点系统、外部数据源的数据原貌一致，不做复杂清洗加工，保留全量历史快照，为后续链路提供可追溯的原始数据基础；二是DWD层（数据明细层），对ODS层数据进行清洗、去重、空值处理、脏数据过滤、维度退化，构建统一的事实表与维度表，遵循维度建模规范，保证明细数据的准确性、一致性；三是DWS层（数据汇总层），面向业务主题对DWD层的明细数据进行轻度预汇总，构建公共指标汇总表，统一核心指标的加工口径，为上层应用提供可复用的公共数据；四是ADS层（数据应用层），面向具体报表、分析场景、业务决策需求加工高度汇总的数据，直接对接BI系统、业务应用，满足个性化分析需求。分层设计的核心价值：一是实现数据复用，公共明细、汇总数据一次加工可支撑多个应用场景，减少重复开发工作量，避免算力浪费；二是提升问题定位效率，数据出现异常时可逐层追溯，快速定位问题出现在采集、加工还是应用环节，降低排查成本；三是统一指标口径，核心指标在DWS层统一加工，避免不同部门各自计算导致的“指标打架”问题；四是提升查询效率，通过预汇总减少即席查询的计算量，降低查询响应时间，支撑业务快速决策。四、案例分析题（共2题，每题10分，共20分）1.某本地生活服务平台2025年计划升级会员体系，将原有15元/月的普通会员调整为25元/月的超级会员，权益涵盖外卖免配送费、到店消费8折、主流视频平台联名会员。产品团队上线前开展了为期14天的A/B测试，将200万活跃用户随机均分为两组，对照组保留原有普通会员入口，实验组展示超级会员入口，实验结束后得到核心数据：对照组会员开通率3.2%，开通用户月ARPU值86元，用户投诉率0.12%；实验组会员开通率2.4%，开通用户月ARPU值132元，用户投诉率0.13%。请回答以下问题：（1）计算两组用户的整体人均会员收入贡献，并判断超级会员方案是否可直接全量上线（6分）（2）指出本次实验设计与分析中存在的潜在问题，给出优化建议（4分）答案：（1）对照组整体人均会员收入=会员开通率×开通用户ARPU=3.2%×86=2.752元/人；实验组整体人均会员收入=2.4%×132=3.168元/人，实验组人均收入较对照组提升15.1%，但不具备直接全量上线的条件。原因在于：一是实验组会员开通率较对照组下降25%，会员覆盖用户规模缩减，可能导致部分价格敏感用户流失；二是实验周期仅14天，未覆盖完整的会员续费周期、消费周期，无法判断用户长期留存、续费意愿，也未核算免配送费、联名会员采购等成本，无法判断方案的净利润贡献；三是两组投诉率的差异未做统计显著性检验，无法确认涨价是否会引发用户负面情绪的长期扩散。（2）潜在问题：一是分流未做用户分层，未区分高频、中频、低频用户的差异化反应，可能存在辛普森悖论，即高频用户贡献提升但低频用户流失严重，整体效果被掩盖；二是指标体系不全，仅统计了收入类指标，未纳入履约成本、权益采购成本、用户留存、下单频次等核心指标，无法评估方案的长期收益；三是实验周期过短，未观测到会员用户的长期行为变化。优化建议：一是开展分群分析，分别测算不同消费频率用户群体的开通率、ARPU、留存变化，识别超级会员的最优适配人群；二是补充成本类、长期类指标，核算扣除权益成本、履约成本后的净收益，延长实验周期至30天以上，覆盖完整的用户决策与消费周期；三是增加梯度定价测试，对比19元、25元、29元等不同定价档位的综合收益，找到利润最大化的定价策略；四是建立长期效果监控机制，全量上线后持续跟踪用户留存、投诉率、复购率的变化，及时调整权益规则。2.某离散制造企业2025年上线数据中台，计划打通生产、供应链、销售环节数据，支撑设备故障预测、库存优化、销量预测三大核心场景，但上线3个月后业务部门反馈三类核心问题：一是生产设备传感器上报的停机时间与现场运维记录的停机时间存在20%左右的偏差；二是销售部门与供应链部门计算的月度库存周转天数数值差异达18%，无法