工商銀行哈爾濱市阿城區(qū)2025秋招數(shù)據(jù)分析師筆試題及答案一、選擇題（共10題，每題2分，合計(jì)20分）1.在數(shù)據(jù)分析師工作中，以下哪種方法最適合處理缺失值？（）A.直接刪除缺失值B.使用均值/中位數(shù)/眾數(shù)填充C.基于模型預(yù)測(cè)缺失值D.以上都不可行2.以下哪個(gè)指標(biāo)不屬于電商行業(yè)常用的用戶活躍度指標(biāo)？（）A.DAU（日活躍用戶數(shù)）B.UV（獨(dú)立訪客數(shù)）C.留存率D.轉(zhuǎn)化率3.在哈爾濱市，某家電品牌銷售數(shù)據(jù)顯示，夏季空調(diào)銷量顯著提升，但燃?xì)獗頂?shù)據(jù)變化不大，這可能說明什么？（）A.夏季燃?xì)庑枨笙陆礏.空調(diào)使用替代了燃?xì)鉄崴鰿.燃?xì)獗頂?shù)據(jù)采集錯(cuò)誤D.市場(chǎng)競(jìng)爭(zhēng)加劇4.以下哪種SQL語句用于對(duì)數(shù)據(jù)進(jìn)行分組統(tǒng)計(jì)？（）A.`SELECTFROMtable;`B.`SELECTCOUNT()FROMtable;`C.`SELECTcolumn1,COUNT(column2)FROMtableGROUPBYcolumn1;`D.`SELECTAVG(column)FROMtable;`5.在數(shù)據(jù)清洗過程中，以下哪個(gè)步驟不屬于異常值處理？（）A.確定異常值范圍B.刪除異常值C.用均值替換異常值D.分析異常值產(chǎn)生原因6.哈爾濱市某餐飲企業(yè)發(fā)現(xiàn)外賣訂單高峰期集中在晚上8-10點(diǎn)，但線下客流量較低，可能的原因是？（）A.線上用戶與線下用戶群體不同B.外賣平臺(tái)補(bǔ)貼導(dǎo)致訂單虛高C.線下門店選址不合理D.以上都有可能7.在數(shù)據(jù)可視化中，以下哪種圖表最適合展示時(shí)間序列趨勢(shì)？（）A.散點(diǎn)圖B.柱狀圖C.折線圖D.餅圖8.以下哪種算法屬于監(jiān)督學(xué)習(xí)？（）A.K-Means聚類B.決策樹C.PCA降維D.Apriori關(guān)聯(lián)規(guī)則9.哈爾濱冬季氣溫低，某電商平臺(tái)發(fā)現(xiàn)保暖類商品銷量與氣溫呈負(fù)相關(guān)，可能的原因是？（）A.氣溫低導(dǎo)致用戶購買意愿下降B.保暖商品庫存不足C.用戶更傾向于購買夏季商品D.以上都有可能10.在數(shù)據(jù)分析報(bào)告中，以下哪個(gè)部分不屬于結(jié)論建議？（）A.數(shù)據(jù)來源說明B.問題分析C.解決方案D.行動(dòng)計(jì)劃二、填空題（共5題，每題2分，合計(jì)10分）1.在哈爾濱市，某商場(chǎng)通過用戶消費(fèi)數(shù)據(jù)分析發(fā)現(xiàn)，會(huì)員用戶復(fù)購率比非會(huì)員高30%，這體現(xiàn)了數(shù)據(jù)分析的__________價(jià)值。2.SQL中，用于連接多個(gè)表的語法是__________。3.在電商行業(yè)，用戶畫像通常包含__________、消費(fèi)能力、興趣愛好等維度。4.哈爾濱冬季供暖期長(zhǎng)達(dá)5個(gè)月，某能源公司通過數(shù)據(jù)分析發(fā)現(xiàn)，用戶繳費(fèi)延遲率在1月和12月最高，可能的原因是__________。5.數(shù)據(jù)分析中常用的統(tǒng)計(jì)方法包括__________、回歸分析、假設(shè)檢驗(yàn)等。三、簡(jiǎn)答題（共3題，每題5分，合計(jì)15分）1.簡(jiǎn)述數(shù)據(jù)分析師在哈爾濱冬季零售行業(yè)可能面臨的挑戰(zhàn)及應(yīng)對(duì)方法。2.解釋什么是數(shù)據(jù)清洗，并列舉至少三種數(shù)據(jù)清洗的方法。3.假設(shè)你正在分析哈爾濱某外賣平臺(tái)的用戶行為數(shù)據(jù)，你會(huì)關(guān)注哪些關(guān)鍵指標(biāo)？為什么？四、計(jì)算題（共2題，每題10分，合計(jì)20分）1.某哈爾濱超市2024年11月銷售額數(shù)據(jù)如下：|日期|銷售額（萬元）|||||1日|25||2日|30||3日|28||4日|32||5日|缺失值||6日|35|假設(shè)缺失值用前一天的均值填充，計(jì)算11月5日的預(yù)測(cè)銷售額及該月的總銷售額。2.某哈爾濱銀行發(fā)現(xiàn)，用戶貸款逾期率與年齡呈正相關(guān)，數(shù)據(jù)如下：|年齡段（歲）|逾期率（%）||-|||20-30|5||31-40|8||41-50|12||51-60|15||60以上|20|請(qǐng)用線性回歸模型擬合數(shù)據(jù)，并預(yù)測(cè)年齡為45歲的用戶逾期率（保留兩位小數(shù)）。五、論述題（1題，15分）結(jié)合哈爾濱市阿城區(qū)的產(chǎn)業(yè)結(jié)構(gòu)（如冰雪旅游、農(nóng)業(yè)、制造業(yè)等），論述數(shù)據(jù)分析師如何通過數(shù)據(jù)分析幫助企業(yè)提升競(jìng)爭(zhēng)力。答案及解析一、選擇題1.B-解析：均值/中位數(shù)/眾數(shù)填充適用于數(shù)據(jù)缺失比例不高的情況，且能保持?jǐn)?shù)據(jù)分布的基本特征。直接刪除缺失值會(huì)導(dǎo)致數(shù)據(jù)量減少，影響分析結(jié)果；基于模型預(yù)測(cè)缺失值適用于復(fù)雜場(chǎng)景，但操作較復(fù)雜。2.D-解析：轉(zhuǎn)化率屬于用戶行為指標(biāo)，而DAU、UV、留存率更側(cè)重用戶活躍度。電商行業(yè)關(guān)注轉(zhuǎn)化率，但活躍度指標(biāo)更直接反映用戶粘性。3.B-解析：夏季空調(diào)普及率高，部分用戶可能用空調(diào)替代燃?xì)鉄崴?，?dǎo)致燃?xì)獗頂?shù)據(jù)變化不大。4.C-解析：`GROUPBY`用于分組統(tǒng)計(jì)，結(jié)合`COUNT()`可計(jì)算分組后的數(shù)量。其他選項(xiàng)分別對(duì)應(yīng)查詢所有數(shù)據(jù)、統(tǒng)計(jì)總數(shù)量、計(jì)算平均值。5.D-解析：異常值處理應(yīng)先分析原因，再?zèng)Q定刪除、替換或保留。僅處理而不分析屬于低級(jí)操作。6.D-解析：線上用戶偏好外賣，線下客流量低可能因選址或營(yíng)銷策略問題；補(bǔ)貼可能短期拉動(dòng)訂單；線上線下用戶群體差異也可能導(dǎo)致數(shù)據(jù)不匹配。7.C-解析：折線圖適合展示時(shí)間序列趨勢(shì)，柱狀圖適合分類對(duì)比，餅圖適合占比展示。8.B-解析：監(jiān)督學(xué)習(xí)需要標(biāo)簽數(shù)據(jù)，決策樹是分類/回歸算法；其他選項(xiàng)屬于無監(jiān)督或關(guān)聯(lián)規(guī)則算法。9.A-解析：氣溫低時(shí)用戶更需保暖商品，銷量與氣溫呈負(fù)相關(guān)可能因其他因素干擾（如促銷、庫存不足等），但主要原因是需求下降。10.A-解析：數(shù)據(jù)來源說明屬于報(bào)告背景部分，不屬于結(jié)論建議。二、填空題1.業(yè)務(wù)增長(zhǎng)-解析：會(huì)員復(fù)購率高說明精準(zhǔn)營(yíng)銷能提升用戶粘性，體現(xiàn)數(shù)據(jù)分析的業(yè)務(wù)價(jià)值。2.JOIN-解析：SQL中`INNERJOIN`、`LEFTJOIN`等用于表連接。3.人口屬性-解析：用戶畫像包括年齡、性別、地域、消費(fèi)能力等。4.年底資金緊張-解析：哈爾濱冬季繳費(fèi)高峰可能與年終獎(jiǎng)發(fā)放、消費(fèi)計(jì)劃有關(guān)。5.描述性統(tǒng)計(jì)-解析：描述性統(tǒng)計(jì)（均值、方差等）是數(shù)據(jù)分析基礎(chǔ)方法。三、簡(jiǎn)答題1.挑戰(zhàn)與應(yīng)對(duì)-挑戰(zhàn)：冬季低溫影響消費(fèi)意愿，冰雪旅游數(shù)據(jù)波動(dòng)大，農(nóng)產(chǎn)品供應(yīng)鏈?zhǔn)芴鞖庥绊憽?應(yīng)對(duì)：通過關(guān)聯(lián)分析挖掘冬季消費(fèi)熱點(diǎn)（如保暖用品、冰雪旅游套餐）；建立動(dòng)態(tài)預(yù)測(cè)模型優(yōu)化庫存；結(jié)合氣象數(shù)據(jù)預(yù)測(cè)農(nóng)產(chǎn)品供需。2.數(shù)據(jù)清洗方法-缺失值處理：刪除、填充（均值/中位數(shù)/模型預(yù)測(cè)）；-異常值處理：刪除、替換、分箱；-重復(fù)值處理：去重；-格式統(tǒng)一：標(biāo)準(zhǔn)化日期/單位。3.關(guān)鍵指標(biāo)-訂單量、客單價(jià)、復(fù)購率、活躍用戶數(shù)、流失率；-原因：反映平臺(tái)運(yùn)營(yíng)效率，幫助優(yōu)化營(yíng)銷策略和用戶體驗(yàn)。四、計(jì)算題1.預(yù)測(cè)銷售額及總銷售額-5日預(yù)測(cè)值：`(25+30+28+32)/4=29`萬元；-總銷售額：`25+30+28+32+29+35=179`萬元。2.線性回歸預(yù)測(cè)逾期率-假設(shè)模型為`逾期率=a年齡+b`，通過最小二乘法擬合（略），預(yù)測(cè)45歲逾期率約為`10.6%`。五、論述題結(jié)合哈爾濱產(chǎn)業(yè)結(jié)構(gòu)的數(shù)據(jù)分析應(yīng)用-冰雪旅游：通過用戶畫像分析客源地消費(fèi)偏好，優(yōu)化滑雪/雪場(chǎng)套餐定價(jià)；利用歷史數(shù)據(jù)預(yù)測(cè)淡旺季客流，提前布局資源。-