版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
数据分析考试题库及答案一、单项选择题(共15题,每题2分,共30分。每题只有一个正确答案)1.下列选项中,属于数据分析全流程核心起点的是()A.数据采集B.明确分析目的与框架C.数据清洗D.可视化呈现【答案】B【解析】数据分析的核心逻辑是“业务导向”,必须先明确分析的目标、要解决的业务问题及分析框架,后续的采集、清洗、分析等环节才有明确方向,避免无效分析。2.某电商平台2024年Q1客单价为186元,这里的“客单价”属于哪类统计指标?()A.总量指标B.相对指标C.平均指标D.变异指标【答案】C【解析】平均指标是反映总体内各单位某一数量标志一般水平的综合指标,客单价是总销售额除以订单总数,属于均值类指标,对应平均指标;总量指标是反映总规模的指标(如总销售额),相对指标是两个有联系指标的比值(如转化率),变异指标是反映数据离散程度的指标(如标准差)。3.在Excel中,要统计某列数据中满足“金额>1000且地区为华东”的单元格数量,应使用的函数是()A.COUNTIFB.SUMIFC.COUNTIFSD.SUMIFS【答案】C【解析】COUNTIFS函数用于统计满足多个条件的单元格数量,题干涉及“金额>1000”“地区为华东”两个独立条件,符合适用场景;COUNTIF仅支持单条件统计,SUMIF、SUMIFS用于条件求和而非计数。4.SQL语句中,用于对分组后的聚合结果进行筛选的子句是()A.WHEREB.GROUPBYC.HAVINGD.ORDERBY【答案】C【解析】HAVING子句的作用是对GROUPBY分组后的聚合结果进行筛选,必须与GROUPBY配合使用;WHERE用于分组前对原始行数据进行筛选,无法筛选聚合计算后的结果;ORDERBY用于对最终结果集进行排序。5.下列数据问题中,不属于“数据一致性问题”的是()A.同一用户的ID在订单表和用户表中格式不统一(一个是数值型、一个是文本型)B.同一商品在不同门店的命名存在差异(如“XX牛奶250ml”和“XX牌纯牛奶250毫升”)C.用户表中存在两条完全相同的用户记录D.订单表中“支付时间”字段的格式既有“YYYY-MM-DD”也有“MM/DD/YYYY”【答案】C【解析】数据一致性问题是指同一数据在不同数据源/字段中表述不统一的问题,包括格式不一致、命名不一致、统计口径不一致等;完全重复的记录属于数据冗余/重复值问题,不属于一致性范畴。6.在Python的pandas库中,用于读取CSV格式文件的函数是()A.read_excel()B.read_csv()C.to_csv()D.read_sql()【答案】B【解析】read_csv()是pandas中专门用于读取CSV格式文本文件的函数;read_excel()用于读取Excel文件,to_csv()用于将数据写入CSV文件,read_sql()用于从关系型数据库读取数据。7.某调研公司要调研某城市居民的消费习惯,先按行政区划将城市划分为10个区,再从每个区中随机抽取5个街道,最后从每个街道随机抽取100户居民,这种抽样方法属于()A.简单随机抽样B.分层抽样C.整群抽样D.多阶段抽样【答案】D【解析】多阶段抽样是将抽样过程分阶段进行,每个阶段结合不同的抽样方法,题干中先分区、再抽街道、最后抽居民,分为三个阶段逐步缩小抽样范围,符合多阶段抽样特征;分层抽样是将总体按特征分层后,在每层内独立抽样;整群抽样是将总体划分为群,随机抽取若干群后对群内所有个体全部调查。8.某APP2024年5月10日的新增用户数为2万,当日新增用户的次日留存率为40%;5月11日的日活跃用户总数为10万,若不考虑其他渠道回流用户,则5月11日活跃用户中,非5月10日新增的老活跃用户数量为()A.0.8万B.9.2万C.8万D.1.2万【答案】B【解析】次日留存率的统计口径为「统计日新增用户中,在次日仍有活跃行为的用户占当日新增用户的比例」,因此5月10日新增用户在5月11日的活跃人数=2万×40%=0.8万;5月11日总活跃用户为10万,扣除5月10日新增的留存用户,剩余即为非5月10日新增的老活跃用户,数量为10-0.8=9.2万。9.两个变量的皮尔逊相关系数r=0.92,下列说法正确的是()A.两个变量呈高度正相关B.两个变量呈低度正相关C.两个变量存在因果关系D.两个变量不存在线性相关关系【答案】AA.饼图B.折线图C.散点图D.雷达图【答案】B【解析】折线图通过折线的起伏展示数据随时间或有序类别的变化趋势,适合展示营收的时间序列变化;饼图用于展示各部分占总体的比例,散点图用于展示两个变量的相关关系,雷达图用于展示多维度指标的综合对比。11.SQL中,要返回左表的所有记录,即使右表中没有匹配的记录,应使用的连接类型是()A.INNERJOINB.LEFTJOINC.RIGHTJOIND.FULLJOIN【答案】B【解析】LEFTJOIN(左连接)以左表为基表,返回左表的全部记录,右表中无匹配记录的字段填充为NULL;INNERJOIN只返回两表匹配的记录,RIGHTJOIN以右表为基表,FULLJOIN返回两表的所有匹配与不匹配记录。12.下列数据中,属于分类数据(定类数据)的是()A.用户的年龄(25岁、30岁)B.用户的职业(教师、医生、程序员)C.用户的消费金额(199元、299元)D.用户的满意度评分(1-5分)【答案】B【解析】分类数据是反映事物类别的定性数据,各类别之间是平等并列的,无顺序关系,职业属于典型的分类数据;年龄、消费金额属于数值型数据;满意度评分属于有序分类数据(顺序数据),类别之间有高低顺序。13.下列关于A/B测试的说法,错误的是()A.测试的两组用户需满足随机分配原则B.测试期间可以随意调整实验参数C.需要足够的样本量才能保证结果可信D.需设置核心指标判断实验效果【答案】B【解析】A/B测试期间随意调整实验参数会引入混杂变量,导致实验结果失真,违反控制变量原则;其余选项均为A/B测试的核心要求:随机分配保证两组用户特征一致,足够样本量避免随机误差,核心指标用于量化评估实验效果。14.在pandas中,用于基于行标签和列标签选取数据的属性是()A.locB.ilocC.head()D.describe()【答案】A【解析】loc是基于标签(行索引、列名)进行数据选取的属性;iloc是基于整数位置进行数据选取;head()用于查看数据集前n行数据,describe()用于生成数值型字段的描述性统计信息。15.某数据集包含用户的年收入字段,缺失率约为15%,且该字段为核心分析字段,下列处理方式最合理的是()A.直接删除所有包含缺失值的记录B.用该字段的均值填充所有缺失值C.基于用户的职业、年龄等特征构建模型预测填充D.用0填充所有缺失值【答案】C【解析】核心字段缺失率15%,直接删除会损失大量有效样本,均值填充会降低数据离散度、导致分析偏差,0填充不符合业务逻辑(年收入不可能为0);基于其他相关特征构建模型预测填充(如回归填充、随机森林填充),能最大程度保留数据特征,是更合理的方式。二、多项选择题(共10题,每题3分,共30分。每题有2个及以上正确答案,多选、少选、错选均不得分)1.下列属于数据清洗环节主要工作内容的有()A.删除重复值B.处理缺失值C.修正异常值D.统一数据格式E.数据可视化【答案】ABCD【解析】数据清洗是对原始数据中存在的质量问题进行修正的环节,核心工作包括去重、缺失值处理、异常值处理、格式/口径统一、逻辑校验等;数据可视化属于数据分析后的呈现环节,不属于数据清洗范畴。2.下列指标中,属于相对指标的有()A.转化率B.客单价C.同比增长率D.总销售额E.复购率【答案】ACE【解析】相对指标是两个有联系的指标的比值,反映事物的相对水平。转化率=转化人数/访问人数,同比增长率=(本期值-去年同期值)/去年同期值,复购率=复购用户数/总购买用户数,均属于相对指标;客单价属于平均指标,总销售额属于总量指标。3.下列关于SQL语句的执行顺序,说法正确的有()A.FROM子句先于WHERE子句执行B.WHERE子句先于GROUPBY子句执行C.GROUPBY子句先于HAVING子句执行D.SELECT子句先于ORDERBY子句执行E.ORDERBY子句是最后执行的子句之一【答案】ABCDE【解析】SQL的标准执行顺序为:FROM/JOIN(加载表与连接)→WHERE(过滤行数据)→GROUPBY(分组)→聚合函数计算→HAVING(过滤分组结果)→SELECT(选择输出字段与别名)→DISTINCT(去重)→ORDERBY(排序)→LIMIT(限制返回行数),因此所有选项表述均正确。4.下列属于描述性数据分析方法的有()A.均值分析B.假设检验C.交叉分析D.趋势分析E.方差分析【答案】ACD【解析】描述性分析是对现有数据的特征、分布、关系进行客观描述的分析方法,不需要推断总体特征,均值、交叉分析(多维度交叉统计)、趋势分析均属于描述性分析;假设检验、方差分析属于推断性统计分析,用于通过样本数据推断总体特征。5.数据可视化设计中,需要遵循的原则有()A.准确反映数据特征B.简洁易懂,避免冗余元素C.适配受众的认知水平D.为了美观可以适当修改数据E.保证信息传递的效率【答案】ABCE【解析】数据可视化的核心目标是准确、高效地传递数据信息,需遵循准确性、简洁性、适配性、高效性等原则;修改数据违反了数据分析的真实性要求,是绝对禁止的行为。6.下列关于pandas库的说法,正确的有()A.核心数据结构包括Series(一维)和DataFrame(二维)B.可以处理时间序列数据C.支持数据的合并、分组、透视等操作D.只能处理数值型数据,无法处理文本数据E.可以直接读取Excel、CSV、数据库等多种格式的数据【答案】ABCE【解析】pandas是Python中最常用的结构化数据分析库,核心数据结构为一维的Series和二维的DataFrame,支持时间序列处理、多源数据读取、合并分组透视等各类操作,既能处理数值型数据也能处理文本、分类等非数值型数据,因此D选项错误。7.下列可能导致数据分析结果偏差的原因有()A.样本不具有代表性B.数据采集口径不一致C.混淆了相关关系和因果关系D.异常值未处理E.分析目的不明确【答案】ABCDE【解析】样本偏差(如幸存者偏差)、口径不一致、相关与因果混淆、异常值干扰、目标不明确导致的分析方向错误,均会导致数据分析结果出现偏差,甚至得出完全错误的结论。8.下列属于用户行为分析核心指标的有()A.页面浏览量(PV)B.独立访客数(UV)C.人均使用时长D.毛利率E.跳出率【答案】ABCE【解析】用户行为分析是对用户在产品中的操作行为进行统计分析,核心指标包括PV、UV、使用时长、跳出率、转化率、留存率等;毛利率属于财务类指标,不属于用户行为分析范畴。9.下列抽样方法中,属于概率抽样的有()A.简单随机抽样B.分层抽样C.方便抽样D.整群抽样E.滚雪球抽样【答案】ABD【解析】概率抽样是按照随机原则从总体中抽取样本,每个个体被抽中的概率是已知的,包括简单随机抽样、分层抽样、整群抽样、系统抽样、多阶段抽样等;方便抽样、滚雪球抽样属于非概率抽样,不遵循随机原则,样本代表性较差。10.开展A/B测试前,需要完成的准备工作有()A.明确实验假设和核心评估指标B.确定实验所需的最小样本量C.制定流量随机分配的规则D.排查可能影响实验的混杂因素E.直接上线实验版本观察效果【答案】ABCD【解析】A/B测试的严谨性依赖于前期准备,包括明确实验假设与指标、计算最小样本量、制定随机分流规则、排查混杂因素等;直接上线观察不符合实验设计的控制变量原则,无法得到可信的实验结论。三、判断题(共10题,每题1分,共10分。正确打√,错误打×)1.数据分析的核心是“用数据说话”,因此不需要结合业务知识,仅靠数据就能得出正确结论。()【答案】×【解析】数据分析的本质是解决业务问题,所有分析都需要结合业务逻辑进行判断,脱离业务的纯数据推导很容易得出错误结论,比如将偶然的相关关系判定为业务因果关系。2.在Excel中,VLOOKUP函数的第四个参数为FALSE时,表示精确匹配。()【答案】√【解析】VLOOKUP函数的语法为VLOOKUP(查找值,查找区域,返回列数,匹配类型),第四个参数为FALSE/0时表示精确匹配,为TRUE/1时表示模糊匹配。3.SQL中的DISTINCT关键字可以对多个字段的组合进行去重。()【答案】√【解析】DISTINCT关键字作用于其后的所有字段,当指定多个字段时,会按照字段的组合值进行去重,仅当所有字段的值都相同时才会被判定为重复记录。4.皮尔逊相关系数r=0,说明两个变量之间不存在任何关系。()【答案】×【解析】皮尔逊相关系数衡量的是两个变量之间的线性相关程度,r=0仅说明两个变量之间不存在线性相关关系,但可能存在非线性相关关系(如二次函数关系)。5.数据缺失率超过30%的字段,必须直接删除,没有任何利用价值。()【答案】×【解析】缺失率高的字段是否删除需结合字段的重要性判断,若该字段为核心业务字段,即使缺失率高,也可以通过缺失值本身提取信息(如“是否缺失”作为新特征),或通过其他特征推导填充,并非必须删除。6.饼图适合展示多个类别占比的对比,类别越多可视化效果越好。()【答案】×【解析】饼图适合展示类别较少(一般不超过6类)的占比情况,类别过多会导致扇区过小、难以区分,可视化效果大幅下降,此时更适合用条形图展示占比。7.在A/B测试中,统计显著性水平α=0.05表示实验结果有5%的概率是由随机误差导致的。()【答案】√【解析】显著性水平α是犯第一类错误(弃真错误)的概率,α=0.05意味着当实验结果显示两组有显著差异时,有5%的概率是随机波动导致的假阳性,而非真实的策略效果。8.pandas中的dropna()函数只能删除包含缺失值的行,不能删除包含缺失值的列。()【答案】×【解析】dropna()函数可以通过axis参数控制删除方向:axis=0(默认)删除包含缺失值的行,axis=1删除包含缺失值的列。9.同比增长率是指本期数据与上一期数据相比的增长率。()【答案】×【解析】同比增长率是本期数据与去年同期数据相比的增长率,反映的是长期趋势;环比增长率才是本期与上一期相比的增长率,反映的是短期波动。10.数据分析师只需要负责输出分析报告,不需要跟进分析结论的落地效果。()【答案】×【解析】数据分析的价值在于驱动业务增长,数据分析师不仅要输出分析结论,还需要跟进落地执行,验证分析效果,形成闭环,否则分析结果很容易沦为“纸上谈兵”。四、简答题(共4题,每题5分,共20分)1.请简述数据清洗的主要步骤及每一步的核心处理对象。【参考答案】数据清洗是数据分析全流程中保障数据质量的核心环节,主要分为五个步骤:(1)重复值处理:核心处理对象是数据集中完全重复或主键重复的记录,通常采用按主键去重、按全字段去重的方式,避免重复数据干扰统计结果;(2)缺失值处理:核心处理对象是数据集中的空值、未记录值,需结合缺失率和字段重要性选择处理方式,包括删除、填充(均值/中位数/众数/模型预测)、保留缺失特征等;(3)异常值处理:核心处理对象是偏离正常分布范围的异常数据(如消费金额为负、年龄超过150岁),可通过3σ原则、箱线图、业务逻辑判断识别,处理方式包括删除、修正、标记为异常单独分析等;(4)一致性处理:核心处理对象是同一指标在不同数据源/字段中的表述差异,包括格式统一(如日期格式、数值单位)、命名统一(如商品名称、用户标签)、统计口径统一(如活跃用户的定义);(5)逻辑校验:核心是验证数据的业务逻辑合理性,比如“支付时间早于下单时间”“用户注册年龄小于0”等不符合业务逻辑的错误数据,需结合业务规则修正或剔除。2.请简述A/B测试的完整流程及核心注意事项。【参考答案】A/B测试是基于控制变量思想验证策略效果的科学实验方法,完整流程包括:(1)实验设计阶段:明确实验要验证的假设(如“优化按钮颜色可提升点击率”),确定核心评估指标(如点击率、转化率)和辅助观测指标(如留存率),计算实验所需的最小样本量,避免样本不足导致的结果偏差;(2)流量分配阶段:采用随机分流的方式将用户分为实验组和对照组,保证两组用户的特征(如年龄、消费能力、历史行为)分布一致,排除混杂变量干扰;分流比例需结合流量大小和实验风险确定;(3)实验运行阶段:严格控制实验变量,仅在实验组施加待验证的策略,对照组保持原有版本不变,实验期间不得随意调整流量、修改策略,避免引入新的干扰因素;(4)效果评估阶段:实验达到最小样本量后,通过统计检验(如t检验、卡方检验)判断两组指标的差异是否具有统计显著性,结合业务价值判断实验是否达标;(5)结论落地阶段:若实验效果显著且符合预期,可全量上线策略;若效果不显著或负向,需复盘原因,调整实验方案。核心注意事项:必须遵循随机、对照、重复三大原则,避免幸存者偏差、辛普森悖论等常见误区,不能为了凑结果提前终止实验。3.请简述描述性统计与推断性统计的区别及适用场景。【参考答案】描述性统计和推断性统计是统计学的两大分支,核心区别和适用场景如下:(1)核心目标不同:描述性统计的目标是对已知的样本数据进行客观描述,展示数据的分布、特征和关系,不需要推广到总体;推断性统计的目标是基于样本数据推断总体的特征,解决“无法获取全量数据时如何判断总体情况”的问题。(2)分析方法不同:描述性统计的常用方法包括集中趋势分析(均值、中位数、众数)、离散趋势分析(标准差、方差、分位数)、分布形态分析(偏度、峰度)、交叉分析、趋势分析等;推断性统计的常用方法包括参数估计、假设检验、方差分析、回归分析等。(3)适用场景不同:当手中有全部分析对象的数据(如某APP全部用户的行为数据),仅需展示当前数据的特征时,使用描述性统计;当无法获取全量数据(如调研城市居民消费习惯,仅能抽取部分用户调研),需要通过样本判断总体情况时,使用推断性统计。(4)结果呈现不同:描述性统计的结果是确定的数值(如“本次活动的平均客单价为200元”);推断性统计的结果带有概率性(如“有95%的把握认为城市居民平均月消费在3000-3500元之间”)。4.请简述用户留存分析的核心价值及常用留存指标的计算逻辑。【参考答案】用户留存分析是衡量产品对用户粘性、长期价值的核心分析方法,核心价值在于:①评估产品的用户吸引力和健康度,留存率高的产品才具备长期增长的基础;②定位用户流失的关键节点,指导产品优化和运营策略调整;③衡量拉新、促活等运营活动的真实效果,避免只看新增不看留存的虚假增长。常用留存指标的计算逻辑:(1)次日留存率:某一统计日的新增用户中,在统计日之后第1天仍有活跃行为的用户占当日新增用户的比例,公式:次日留存率=(第1天活跃的新增用户数/当日新增用户数)×100%;(2)7日留存率:某一统计日的新增用户中,在统计日之后第7天仍有活跃行为的用户占当日新增用户的比例,注意区分“7日留存”和“7日内留存”,前者仅统计第7天当天的活跃,后者统计7天内任意一天的活跃;(3)30日留存率:某一统计日的新增用户中,在统计日之后第30天仍有活跃行为的用户占当日新增用户的比例,反映用户的长期粘性;(4)留存曲线:将不同日期新增用户的各阶段留存率绘制为折线图,直观展示用户留存随时间的变化趋势,是留存分析的核心可视化工具。五、实操分析题(共2题,每题5分,共10分)1.现有两张数据库表:用户表user:user_id(用户ID,主键)、user_name(用户名)、city(所在城市)、register_time(注册时间)订单表order:order_id(订单ID,主键)、user_id(用户ID,关联user表)、order_amount(订单金额)、pay_time(支付时间)、order_status(订单状态,1=已支付,0=未支付)请编写SQL语句,统计2024年第一季度(1月1日-3月31日),上海市的注册用户中,有过已支付订单的用户人数,以及这些用户的平均订单金额(保留2位小数)。【参考答案】```sqlSELECTCOUNT(DISTINCTu.user_id)ASpay_user_num,ROUND(AVG(o.order_amount),2)ASavg_order_amountFROMuseruINNERJOIN`order`oONu.user_id=o.user_idWHEREu.city='上海市'ANDu.register_timeBETWEEN'2024-01-0100:00:00'AND'2024-03-3123:59:59'ANDo.pay_timeBETWEEN'2024-01-
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2025年银行保险代理岗面试题目及答案
- 2025年银川市事业单位面试真题(附答案)
- 云计算与IDC服务受理运行总纲与归口岗位通则-002024
- CN119534416A 一种用于单个细胞外囊泡的荧光检测方法 (南京邮电大学)
- 2026年电力通信工程管理师考前冲刺试卷
- 2026年医疗卫生招聘《临床医学》冲刺押题试卷
- 2026年幼儿教师统考《幼儿教育理论》真题试卷
- 2026年中小学英语教师招聘考试试卷全真模拟附答案
- 医学检验技师资格考试临床检验操作技能模拟试题及答案
- 网络规划与管理HCIP认证备考指南及答案
- 《抗肿瘤药物静脉用药职业防护管理规范》团体标准解读
- 糖尿病医学营养治疗中国专家共识(2026版)
- TCCEAS 008-2026 建设工程造价咨询成果文件质量标准
- 2026年保安员押运勤务规范题含答案
- 2026届高三语文理解性默写60篇(教师版)
- 2026儿童益智玩具市场发展分析与发展趋势及投资前景预测报告
- 余额宝相关课件
- (重点)采购师(中级)职业能力等级认证近年考试真题题库-含答案
- 智驭未来:AI工具辅助高效学习与科研(天津师范大学)学习通网课章节测试答案
- 2025年医学生物化学基础知识综合测试卷答案及解析
- 工会经费审计条例课件
评论
0/150
提交评论