2026年數(shù)據(jù)分析師面試題及SQL數(shù)據(jù)庫實操題含答案一、選擇題（每題2分，共10題）題目：1.在數(shù)據(jù)分析師工作中，以下哪項不屬于數(shù)據(jù)采集的常見方法？A.爬蟲技術(shù)B.問卷調(diào)查C.API接口調(diào)用D.機器學習模型預測2.SQL中，用于計算分組數(shù)據(jù)平均值的關(guān)鍵字是？A.SUM()B.AVG()C.MAX()D.COUNT()3.在數(shù)據(jù)可視化中，以下哪種圖表最適合展示時間序列趨勢？A.餅圖B.散點圖C.折線圖D.氣泡圖4.簡單線性回歸模型中，以下哪個指標用于衡量模型擬合優(yōu)度？A.R2（決定系數(shù)）B.MAE（平均絕對誤差）C.P-value（顯著性水平）D.RMSE（均方根誤差）5.在大數(shù)據(jù)處理中，Hadoop生態(tài)系統(tǒng)中，以下哪個組件負責分布式文件存儲？A.HiveB.HBaseC.YARND.HDFS答案：1.D2.B3.C4.A5.D二、填空題（每空1分，共5題）題目：1.數(shù)據(jù)清洗的常見步驟包括：___、___、___和___。2.SQL中，用于連接兩個表的語法是___。3.在Python中，用于數(shù)據(jù)分析和可視化的常用庫是___和___。4.機器學習中的過擬合現(xiàn)象是指模型在___數(shù)據(jù)上表現(xiàn)良好，但在___數(shù)據(jù)上表現(xiàn)較差。5.數(shù)據(jù)倉庫中，星型模型的中心是___，周圍連接多個___。答案：1.缺失值處理、異常值處理、重復值處理、格式統(tǒng)一2.JOIN3.Pandas、Matplotlib4.訓練、測試5.賬戶維度表、事實表三、簡答題（每題5分，共3題）題目：1.簡述數(shù)據(jù)分析師在電商行業(yè)的主要工作職責。2.解釋SQL中“內(nèi)連接”和“外連接”的區(qū)別。3.描述如何使用SQL實現(xiàn)數(shù)據(jù)去重，并說明常用方法。答案：1.電商行業(yè)數(shù)據(jù)分析師職責：-分析用戶行為數(shù)據(jù)（如瀏覽、加購、購買），優(yōu)化商品推薦和營銷策略。-監(jiān)控銷售數(shù)據(jù)，識別爆款和滯銷品，調(diào)整庫存管理。-進行競品分析，通過市場數(shù)據(jù)制定差異化競爭策略。-構(gòu)建數(shù)據(jù)報表和可視化看板，支持管理層決策。2.內(nèi)連接vs外連接：-內(nèi)連接（INNERJOIN）：僅返回兩個表中匹配的記錄，不匹配的記錄會被過濾掉。-外連接（LEFTJOIN/RIGHTJOIN）：返回左表（或右表）的所有記錄，以及右表（或左表）的匹配記錄。若右表（或左表）無匹配，則結(jié)果為NULL。3.SQL數(shù)據(jù)去重方法：-使用`DISTINCT`關(guān)鍵字：`SELECTDISTINCTcolumn1,column2FROMtable_name;`-使用臨時表或CTE（公用表表達式）：sqlWITHDuplicateRowsAS(SELECTcolumn1,COUNT()AScntFROMtable_nameGROUPBYcolumn1HAVINGCOUNT()>1)SELECTcolumn1FROMtable_nameWHEREcolumn1IN(SELECTcolumn1FROMDuplicateRows);四、SQL數(shù)據(jù)庫實操題（共2題，每題10分）題目1：假設有一個電商訂單表`orders`，字段包括：`order_id`（訂單ID）、`user_id`（用戶ID）、`order_date`（訂單日期）、`amount`（訂單金額）、`status`（訂單狀態(tài)，如“已支付”“已取消”）。請完成以下SQL查詢：1.查詢2026年1月已支付的訂單數(shù)量及總金額。2.按月統(tǒng)計訂單金額，并排序。3.查詢每個用戶的訂單數(shù)量，并篩選出訂單數(shù)量大于5的用戶。答案：1.sqlSELECTCOUNT()ASorder_count,SUM(amount)AStotal_amountFROMordersWHEREorder_dateBETWEEN'2026-01-01'AND'2026-01-31'ANDstatus='已支付';2.sqlSELECTDATE_FORMAT(order_date,'%Y-%m')ASorder_month,SUM(amount)ASmonthly_totalFROMordersGROUPBYorder_monthORDERBYorder_month;3.sqlSELECTuser_id,COUNT()ASorder_cntFROMordersGROUPBYuser_idHAVINGorder_cnt>5;題目2：假設有一個商品表`products`，字段包括：`product_id`（商品ID）、`category`（商品類別）、`price`（價格）、`stock`（庫存）。請完成以下SQL查詢：1.查詢每個類別的商品數(shù)量及平均價格。2.查詢庫存不足（小于10）的商品，并按價格降序排列。3.使用窗口函數(shù)計算每個商品的銷售金額占比（假設有另一個表`sales`，字段包括`product_id`和`sales_amount`）。答案：1.sqlSELECTcategory,COUNT()ASproduct_count,AVG(price)ASaverage_priceFROMproductsGROUPBYcategory;2.sqlSELECTproduct_id,category,priceFROMproductsWHEREstock<10ORDERBYpriceDESC;3.sqlWITHSalesDataAS(SELECTproduct_id,SUM(sales_amount)AStotal_salesFROMsalesGROUPBYproduct_id)SELECTduct_id,p.category,s.total_sales,(s.total_sales/SUM(s.total_sales)OVER())ASsales_percentageFROMproductspJOINSalesDatasONduct_id=duct_id;五、開放題（10分）題目：假設你是一家零售公司的數(shù)據(jù)分析師，需要分析用戶購買行為數(shù)據(jù)，以優(yōu)化營銷策略。請描述你會如何進行數(shù)據(jù)探索、預處理、分析和可視化，并給出至少3個可行的業(yè)務建議。答案：1.數(shù)據(jù)探索與預處理：-導入數(shù)據(jù)（如訂單表、用戶表、商品表），檢查字段類型和缺失值。-對缺失值進行處理（如均值填充或刪除）。-統(tǒng)計關(guān)鍵指標（如購買頻率、客單價、復購率）。2.分析與可視化：-用戶分層：通過RFM模型（Recency,Frequency,Monetary）劃分用戶價值等級。-商品關(guān)聯(lián)分析：使用Apriori算法挖掘購買關(guān)聯(lián)規(guī)則（如“購買A商品的用戶常購買B商品”）。-可視化：-用折