2026年數(shù)據(jù)分析師的崗位面試經(jīng)典題目一、統(tǒng)計學與數(shù)據(jù)分析基礎（共5題，每題8分，合計40分）1.題目：某電商平臺A、B兩個店鋪在2025年同季度的銷售額數(shù)據(jù)如下：-A店鋪：月均銷售額分別為10萬、12萬、15萬、14萬、13萬；-B店鋪：月均銷售額分別為8萬、9萬、16萬、10萬、12萬。請問：（1）哪個店鋪的銷售額波動性更大？如何計算？（2）如果需要預測2026年第一季度（1月、2月、3月）的銷售額，你會選擇哪個店鋪的數(shù)據(jù)作為參考？為什么？2.題目：假設某電商用戶購買行為數(shù)據(jù)如下：-70%的用戶會復購，30%的用戶不會復購；-復購用戶的平均客單價為200元，非復購用戶的平均客單價為100元。請問：（1）該電商平臺的整體平均客單價是多少？（2）如果平臺希望提升整體客單價，應該優(yōu)先關注哪類用戶群體？3.題目：某城市外賣平臺的訂單數(shù)據(jù)如下：-工作日訂單量占總訂單量的60%，周末訂單量占40%；-工作日訂單的平均配送時間為25分鐘，周末訂單的平均配送時間為30分鐘。請問：（1）該平臺的平均訂單配送時間是多少？（2）如果平臺希望縮短整體配送時間，應該優(yōu)先優(yōu)化哪類訂單？4.題目：某電商平臺A、B兩款產(chǎn)品的銷售數(shù)據(jù)如下：-產(chǎn)品A：銷量1000件，好評率80%；-產(chǎn)品B：銷量500件，好評率90%。請問：（1）哪款產(chǎn)品的用戶滿意度更高？如何計算？（2）如果平臺希望提升整體用戶滿意度，應該優(yōu)先推廣哪款產(chǎn)品？5.題目：某電商平臺的用戶行為數(shù)據(jù)如下：-80%的用戶在進入網(wǎng)站后1分鐘內(nèi)離開，20%的用戶會繼續(xù)瀏覽；-繼續(xù)瀏覽的用戶中有50%會下單，50%不會下單。請問：（1）該平臺的轉化率是多少？（2）如果平臺希望提升轉化率，應該從哪些環(huán)節(jié)入手？二、SQL與數(shù)據(jù)庫查詢（共4題，每題10分，合計40分）1.題目：假設某電商平臺的數(shù)據(jù)庫表結構如下：-`orders`（訂單表）：`order_id`（訂單ID）、`user_id`（用戶ID）、`product_id`（產(chǎn)品ID）、`order_date`（訂單日期）、`price`（訂單金額）；-`products`（產(chǎn)品表）：`product_id`（產(chǎn)品ID）、`product_name`（產(chǎn)品名稱）、`category`（產(chǎn)品類別）。請寫出以下SQL查詢語句：（1）查詢2025年12月所有訂單的平均訂單金額；（2）查詢每個用戶的總消費金額，并按總消費金額降序排列；（3）查詢購買過“電子產(chǎn)品”類別的用戶的數(shù)量。2.題目：假設某電商平臺的數(shù)據(jù)庫表結構如下：-`users`（用戶表）：`user_id`（用戶ID）、`注冊日期`（register_date）、`性別`（gender）、`城市`（city）；-`orders`（訂單表）：`order_id`（訂單ID）、`user_id`（用戶ID）、`訂單金額`（price）、`訂單日期`（order_date）。請寫出以下SQL查詢語句：（1）查詢2025年注冊的用戶數(shù)量；（2）查詢每個城市的用戶總消費金額，并篩選出總消費金額超過100萬的城市；（3）查詢每個用戶的復購次數(shù)（至少購買過兩次訂單的用戶）。3.題目：假設某電商平臺的數(shù)據(jù)庫表結構如下：-`orders`（訂單表）：`order_id`（訂單ID）、`用戶ID`（user_id）、`產(chǎn)品ID`（product_id）、`訂單日期`（order_date）、`訂單金額`（price）；-`products`（產(chǎn)品表）：`產(chǎn)品ID`（product_id）、`產(chǎn)品名稱`（product_name）、`類別`（category）。請寫出以下SQL查詢語句：（1）查詢2025年最暢銷的3個產(chǎn)品及其銷售總額；（2）查詢每個用戶的訂單數(shù)量，并篩選出訂單數(shù)量超過10的用戶；（3）查詢訂單金額超過200元的訂單，并按訂單日期降序排列。4.題目：假設某電商平臺的數(shù)據(jù)庫表結構如下：-`users`（用戶表）：`user_id`（用戶ID）、`年齡`（age）、`性別`（gender）、`城市`（city）；-`orders`（訂單表）：`order_id`（訂單ID）、`user_id`（用戶ID）、`訂單金額`（price）、`訂單日期`（order_date）。請寫出以下SQL查詢語句：（1）查詢年齡在20-30歲之間的用戶數(shù)量；（2）查詢每個城市的用戶平均訂單金額，并按平均訂單金額降序排列；（3）查詢2025年消費金額最高的用戶及其消費金額。三、Python與數(shù)據(jù)操作（共3題，每題12分，合計36分）1.題目：假設某電商平臺的用戶行為數(shù)據(jù)存儲在一個CSV文件中，字段包括：-`user_id`（用戶ID）、`product_id`（產(chǎn)品ID）、`行為類型`（action_type，如“瀏覽”“加購”“下單”）、`行為時間`（action_time）。請用Python完成以下任務：（1）讀取CSV文件，并統(tǒng)計每種行為類型的數(shù)量；（2）計算每個用戶的總行為次數(shù)，并篩選出行為次數(shù)超過10的用戶；（3）將數(shù)據(jù)按用戶ID分組，并計算每個用戶的平均行為間隔時間（單位：分鐘）。2.題目：假設某電商平臺的產(chǎn)品銷售數(shù)據(jù)存儲在一個DataFrame中，字段包括：-`product_id`（產(chǎn)品ID）、`product_name`（產(chǎn)品名稱）、`category`（產(chǎn)品類別）、`銷量`（sales）、`價格`（price）。請用Python完成以下任務：（1）篩選出銷量超過1000的產(chǎn)品，并按銷量降序排列；（2）計算每個產(chǎn)品類別的平均價格，并篩選出平均價格最高的類別；（3）將產(chǎn)品數(shù)據(jù)按類別分組，并計算每個類別的總銷售額。3.題目：假設某電商平臺的用戶評論數(shù)據(jù)存儲在一個DataFrame中，字段包括：-`user_id`（用戶ID）、`product_id`（產(chǎn)品ID）、`評分`（rating）、`評論內(nèi)容`（review_text）、`評論時間`（review_time）。請用Python完成以下任務：（1）計算每個產(chǎn)品的平均評分，并篩選出平均評分超過4.5的產(chǎn)品；（2）統(tǒng)計每個評分（1-5星）的數(shù)量，并繪制條形圖展示結果；（3）提取評論內(nèi)容中出現(xiàn)頻率最高的3個關鍵詞（如“好評”“質量好”“配送快”等）。四、業(yè)務分析與問題解決（共4題，每題10分，合計40分）1.題目：某電商平臺發(fā)現(xiàn)2025年第四季度的用戶流失率較第三季度上升了10%。請你分析可能的原因，并提出至少3個可行的改進措施。2.題目：某電商平臺計劃在2026年推出“會員積分兌換”活動，請你設計一個積分規(guī)則，并說明如何通過數(shù)據(jù)分析評估活動效果。3.題目：某電商平臺發(fā)現(xiàn)某款產(chǎn)品的銷量在2025年11月突然下降，請你分析可能的原因，并提出至少2個可行的解決方案。4.題目：某電商平臺計劃在2026年拓展下沉市場，請你分析下沉市場的用戶特征，并提出至少3個針對性的運營策略。五、數(shù)據(jù)可視化與報告撰寫（共2題，每題10分，合計20分）1.題目：假設某電商平臺2025年的用戶行為數(shù)據(jù)如下：-80%的用戶在進入網(wǎng)站后1分鐘內(nèi)離開，20%的用戶會繼續(xù)瀏覽；-繼續(xù)瀏覽的用戶中有50%會加購，30%會下單，20%不會任何操作。請設計一個數(shù)據(jù)可視化方案（如漏斗圖），并說明如何通過該方案發(fā)現(xiàn)問題并提出改進建議。2.題目：假設某電商平臺2025年的產(chǎn)品銷售數(shù)據(jù)如下：-產(chǎn)品A：銷量1000件，毛利率40%；-產(chǎn)品B：銷量500件，毛利率50%；-產(chǎn)品C：銷量200件，毛利率30%。請設計一個數(shù)據(jù)可視化方案（如柱狀圖+折線圖組合），并說明如何通過該方案發(fā)現(xiàn)問題并提出改進建議。答案與解析一、統(tǒng)計學與數(shù)據(jù)分析基礎1.答案：（1）計算標準差或方差：A店鋪的方差=（10-13)2+(12-13)2+(15-13)2+(14-13)2+(13-13)2=10.4；B店鋪的方差=（8-11)2+(9-11)2+(16-11)2+(10-11)2+(12-11)2=26.4。B店鋪的波動性更大。（2）選擇A店鋪的數(shù)據(jù)作為參考，因為A店鋪的銷售額波動性較小，預測結果更穩(wěn)定。2.答案：（1）整體平均客單價=（70%200+30%100）/1=170元；（2）優(yōu)先關注復購用戶，因為復購用戶客單價更高，提升其消費能顯著提高整體客單價。3.答案：（1）平均配送時間=（60%25+40%30）/1=27分鐘；（2）優(yōu)先優(yōu)化工作日訂單，因為工作日訂單量占比更高，優(yōu)化后對整體配送時間的影響更大。4.答案：（1）產(chǎn)品A的滿意度=（100080%）/(1000+500)100%=53.3%；（2）優(yōu)先推廣產(chǎn)品B，因為其好評率更高。5.答案：（1）轉化率=（20%50%）/100%=10%；（2）優(yōu)化進入網(wǎng)站后的用戶體驗，如減少加載時間、優(yōu)化首頁設計等。二、SQL與數(shù)據(jù)庫查詢1.答案：（1）SQLSELECTAVG(price)ASavg_priceFROMordersWHEREorder_dateBETWEEN'2025-12-01'AND'2025-12-31';（2）SQLSELECTuser_id,SUM(price)AStotal_spendingFROMordersGROUPBYuser_idORDERBYtotal_spendingDESC;（3）SQLSELECTCOUNT(DISTINCTuser_id)ASuser_countFROMordersoJOINproductspONduct_id=duct_idWHEREp.category='電子產(chǎn)品';2.答案：（1）SQLSELECTCOUNT()ASnew_user_countFROMusersWHEREregister_dateBETWEEN'2025-01-01'AND'2025-12-31';（2）SQLSELECTcity,SUM(price)AStotal_spendingFROMordersoJOINusersuONo.user_id=u.user_idWHEREo.order_dateBETWEEN'2025-01-01'AND'2025-12-31'GROUPBYcityHAVINGtotal_spending>1000000;（3）SQLSELECTuser_id,COUNT()ASrepurchase_countFROMordersWHEREuser_idIN(SELECTuser_idFROMordersGROUPBYuser_idHAVINGCOUNT()>1)GROUPBYuser_id;3.答案：（1）SQLSELECTproduct_id,product_name,SUM(price)AStotal_salesFROMordersoJOINproductspONduct_id=duct_idWHEREo.order_dateBETWEEN'2025-01-01'AND'2025-12-31'GROUPBYproduct_id,product_nameORDERBYtotal_salesDESCLIMIT3;（2）SQLSELECTuser_id,COUNT()ASorder_countFROMordersGROUPBYuser_idHAVINGorder_count>10;（3）SQLSELECTorder_id,priceFROMordersWHEREprice>200ORDERBYorder_dateDESC;4.答案：（1）SQLSELECTCOUNT()ASuser_countFROMusersWHEREageBETWEEN20AND30;（2）SQLSELECTcity,AVG(price)ASavg_order_priceFROMordersoJOINusersuONo.user_id=u.user_idGROUPBYcityORDERBYavg_order_priceDESC;（3）SQLSELECTuser_id,SUM(price)AStotal_spendingFROMordersWHEREorder_dateBETWEEN'2025-01-01'AND'2025-12-31'GROUPBYuser_idORDERBYtotal_spendingDESCLIMIT1;三、Python與數(shù)據(jù)操作1.答案：（1）pythonimportpandasaspddata=pd.read_csv('user_behavior.csv')action_counts=data['行為類型'].value_counts()print(action_counts)（2）pythonuser_behavior=data.groupby('user_id').size()active_users=user_behavior[user_behavior>10]print(active_users)（3）pythondata['action_time']=pd.to_datetime(data['行為時間'])user_intervals=data.groupby('user_id')['action_time'].diff().dt.total_seconds()/60print(user_intervals.mean())2.答案：（1）pythonimportpandasaspddata=pd.read_csv('product_sales.csv')top_products=data[data['銷量']>1000].sort_values('銷量',ascending=False)print(top_products)（2）pythoncategory_avg_price=data.groupby('category')['價格'].mean()top_category=category_avg_price.idxmax()print(f"平均價格最高的類別：{top_category}")（3）pythoncategory_total_sales=data.groupby('category')['銷量'].sum()print(category_total_sales)3.答案：（1）pythonimportpandasaspddata=pd.read_csv('user_reviews.csv')product_ratings=data.groupby('product_id')['評分'].mean()high_rating_products=product_ratings[product_ratings>4.5]print(high_rating_products)（2）pythonrating_counts=data['評分'].value_counts()rating_counts.plot(kind='bar')（3）pythonfromcollectionsimportCounterwords=''.join(data['評論內(nèi)容']).split()word_counts=Counter(words)top_keywords=word_counts.most_commo