2026年數(shù)據(jù)分析師崗位面試技術(shù)問題與業(yè)務(wù)場(chǎng)景考核含答案一、SQL查詢題（共5題，每題8分，共40分）背景：某電商平臺(tái)（地域：華東）2026年數(shù)據(jù)表結(jié)構(gòu)如下-`orders`（訂單表）：`order_id`（訂單ID，主鍵），`user_id`（用戶ID），`product_id`（產(chǎn)品ID），`order_time`（訂單時(shí)間），`total_amount`（訂單金額），`status`（訂單狀態(tài)，'已完成'、'已取消'等）-`users`（用戶表）：`user_id`（用戶ID，主鍵），`age`（年齡），`city`（城市），`注冊(cè)時(shí)間`（注冊(cè)時(shí)間）-`products`（產(chǎn)品表）：`product_id`（產(chǎn)品ID，主鍵），`category`（產(chǎn)品類別），`price`（單價(jià)）-`order_items`（訂單明細(xì)表）：`order_item_id`（明細(xì)ID，主鍵），`order_id`（訂單ID，外鍵），`product_id`（產(chǎn)品ID，外鍵），`quantity`（數(shù)量）1.查詢2026年每月總銷售額及訂單數(shù)，按月份降序排列。2.查詢年齡在20-30歲之間，且每月復(fù)購次數(shù)超過2次的用戶列表（復(fù)購指同一用戶在同月有多個(gè)訂單）。3.查詢每個(gè)城市中訂單金額最高的用戶及其訂單金額，若金額相同則按用戶ID升序排列。4.查詢2026年已取消訂單中，單價(jià)最高的3種產(chǎn)品及其總?cè)∠痤~。5.查詢每個(gè)用戶的平均訂單金額，并篩選出平均訂單金額高于該用戶所在城市平均訂單金額的用戶。二、Python數(shù)據(jù)分析題（共3題，每題10分，共30分）背景：某零售企業(yè)（行業(yè)：快消品，地域：北京）2026年銷售數(shù)據(jù)存儲(chǔ)在CSV文件中，字段包括：`date`（日期）、`store_id`（門店ID）、`product_id`（產(chǎn)品ID）、`sales`（銷量）、`price`（單價(jià)）。1.編寫Python代碼讀取CSV文件，計(jì)算每個(gè)門店的日銷售總額，并繪制條形圖展示前5個(gè)門店的銷售額。2.使用Pandas處理數(shù)據(jù)，篩選出2026年銷量最高的10個(gè)產(chǎn)品，并計(jì)算其銷量占比。3.分析每個(gè)門店的客單價(jià)（總銷售額/總銷量），找出客單價(jià)最低的3個(gè)門店，并輸出其門店ID和客單價(jià)。三、業(yè)務(wù)場(chǎng)景題（共3題，每題10分，共30分）背景：某生鮮電商平臺(tái)（地域：上海）希望提升用戶復(fù)購率，2026年數(shù)據(jù)顯示部分用戶活躍度下降。1.如果你是數(shù)據(jù)分析師，你會(huì)通過哪些指標(biāo)衡量用戶活躍度？并說明如何通過數(shù)據(jù)分析找出活躍度下降的原因。2.假設(shè)平臺(tái)推出“滿減優(yōu)惠券”活動(dòng)，你會(huì)如何設(shè)計(jì)數(shù)據(jù)監(jiān)控方案來評(píng)估活動(dòng)效果？3.若發(fā)現(xiàn)某類產(chǎn)品（如“水果”）的退貨率較高，你會(huì)提出哪些改進(jìn)建議，并說明數(shù)據(jù)支持邏輯。四、統(tǒng)計(jì)學(xué)與機(jī)器學(xué)習(xí)基礎(chǔ)題（共2題，每題10分，共20分）1.假設(shè)某城市用戶月均消費(fèi)金額服從正態(tài)分布，樣本均值為5000元，標(biāo)準(zhǔn)差為800元，請(qǐng)計(jì)算月均消費(fèi)在4000-6000元之間的用戶占比。2.解釋交叉驗(yàn)證在模型評(píng)估中的作用，并說明在哪些情況下不宜使用K折交叉驗(yàn)證。五、綜合分析題（1題，20分）背景：某汽車主機(jī)廠（地域：廣東）2026年推出新款電動(dòng)汽車，為評(píng)估市場(chǎng)表現(xiàn)，收集了以下數(shù)據(jù)：`region`（區(qū)域）、`month`（月份）、`sales`（銷量）、`price`（售價(jià)）、`subsidy`（補(bǔ)貼金額）、`competitor_price`（競(jìng)品平均價(jià)格）。請(qǐng)分析以下問題：1.用相關(guān)性分析銷量與售價(jià)、補(bǔ)貼、競(jìng)品價(jià)格的關(guān)系。2.若要預(yù)測(cè)下季度銷量，你會(huì)選擇哪些特征，并說明理由。3.提出至少3條針對(duì)不同區(qū)域市場(chǎng)的推廣建議，并說明數(shù)據(jù)依據(jù)。答案與解析一、SQL查詢題答案1.查詢2026年每月總銷售額及訂單數(shù)，按月份降序排列。sqlSELECTDATE_FORMAT(order_time,'%Y-%m')ASmonth,SUM(total_amount)AStotal_sales,COUNT(order_id)ASorder_countFROMordersWHEREYEAR(order_time)=2026GROUPBYmonthORDERBYmonthDESC;解析：使用`DATE_FORMAT`提取年月，`SUM`計(jì)算銷售額，`COUNT`統(tǒng)計(jì)訂單數(shù)，按月份降序排列。2.查詢年齡在20-30歲之間，且每月復(fù)購次數(shù)超過2次的用戶列表。sqlSELECTuser_idFROMusersuJOIN(SELECTuser_id,COUNT(DISTINCTDATE_FORMAT(order_time,'%Y-%m'))ASrepurchase_monthsFROMordersWHEREuser_idIN(SELECTuser_idFROMusersWHEREageBETWEEN20AND30)GROUPBYuser_idHAVINGrepurchase_months>2)ASrepONu.user_id=rep.user_id;解析：子查詢統(tǒng)計(jì)每個(gè)用戶的月復(fù)購次數(shù)，外層篩選20-30歲用戶，且復(fù)購月份>2。3.查詢每個(gè)城市中訂單金額最高的用戶及其訂單金額。sqlSELECTu.city,u.user_id,SUM(o.total_amount)AStotal_amountFROMusersuJOINordersoONu.user_id=o.user_idGROUPBYu.city,u.user_idORDERBYtotal_amountDESC,u.user_idASCLIMIT1PERCITY;解析：分組統(tǒng)計(jì)每個(gè)用戶的總訂單金額，按金額降序排列，`LIMIT1PERCITY`確保每個(gè)城市只取最高金額用戶（需調(diào)整SQL版本支持）。4.查詢2026年已取消訂單中，單價(jià)最高的3種產(chǎn)品及其總?cè)∠痤~。sqlSELECTduct_id,p.category,SUM(oi.quantityp.price)AStotal_cancelled_amountFROMordersoJOINorder_itemsoiONo.order_id=oi.order_idJOINproductspONduct_id=duct_idWHEREo.status='已取消'ANDYEAR(o.order_time)=2026GROUPBYduct_id,p.categoryORDERBYtotal_cancelled_amountDESCLIMIT3;解析：連接訂單、明細(xì)、產(chǎn)品表，篩選取消訂單，分組統(tǒng)計(jì)產(chǎn)品取消金額，按金額降序取前三。5.查詢每個(gè)用戶的平均訂單金額，并篩選出高于城市平均金額的用戶。sqlSELECTu.user_id,AVG(o.total_amount)ASavg_order_amountFROMusersuJOINordersoONu.user_id=o.user_idGROUPBYu.user_idHAVINGavg_order_amount>(SELECTAVG(total_amount)FROMordersWHEREuser_idIN(SELECTuser_idFROMusersWHEREcity=u.city));解析：外層計(jì)算用戶平均訂單金額，內(nèi)層計(jì)算城市平均金額，篩選高于城市均值用戶。二、Python數(shù)據(jù)分析題答案1.讀取CSV并繪制條形圖（前5門店銷售額）。pythonimportpandasaspdimportmatplotlib.pyplotaspltdata=pd.read_csv('sales_data.csv')storesales=data.groupby('store_id')['sales'].sum().sort_values(ascending=False).head(5)storesales.plot(kind='bar')plt.title('Top5StoresbySales')plt.xlabel('StoreID')plt.ylabel('TotalSales')plt.show()解析：分組計(jì)算門店銷售額，排序取前5，繪制條形圖。2.篩選銷量最高的10個(gè)產(chǎn)品及占比。pythonproduct_sales=data.groupby('product_id')['sales'].sum().sort_values(ascending=False).head(10)total_sales=product_sales.sum()product_sales_ratio=(product_sales/total_sales100).round(2)print(product_sales_ratio)解析：分組計(jì)算產(chǎn)品銷量，排序取前10，計(jì)算占比。3.找出客單價(jià)最低的3個(gè)門店。pythonstore_avg_price=data.groupby('store_id')['sales'].sum()/data.groupby('store_id')['sales'].count()lowest_avg_price=store_avg_price.sort_values().head(3)print(lowest_avg_price)解析：分組計(jì)算門店總銷售額和銷量，計(jì)算客單價(jià)，排序取最低3個(gè)。三、業(yè)務(wù)場(chǎng)景題答案1.用戶活躍度指標(biāo)及下降原因分析。指標(biāo)：日活躍用戶（DAU）、月活躍用戶（MAU）、會(huì)話時(shí)長(zhǎng)、頁面停留次數(shù)、復(fù)購率。原因分析：-通過用戶分層（新/老用戶）對(duì)比活躍度變化；-分析用戶行為路徑（流失節(jié)點(diǎn)）；-結(jié)合用戶反饋（如客服投訴）排查產(chǎn)品或服務(wù)問題。2.滿減優(yōu)惠券活動(dòng)效果評(píng)估方案。-監(jiān)控指標(biāo)：參與率、優(yōu)惠券使用率、客單價(jià)變化、活動(dòng)期間GMV；-對(duì)比分析：與歷史數(shù)據(jù)對(duì)比，排除季節(jié)性因素；-A/B測(cè)試：對(duì)比不同優(yōu)惠券額度/門檻的效果。3.水果退貨率高的改進(jìn)建議。-數(shù)據(jù)支持：分析退貨原因（質(zhì)量問題、描述不符等）；-建議：-優(yōu)化商品描述（增加圖片/視頻）；-加強(qiáng)供應(yīng)商質(zhì)檢；-提供試吃/部分退款選項(xiàng)。四、統(tǒng)計(jì)學(xué)與機(jī)器學(xué)習(xí)基礎(chǔ)題答案1.正態(tài)分布占比計(jì)算。-標(biāo)準(zhǔn)正態(tài)分布中，4000-6000元對(duì)應(yīng)的Z值分別為-2.5和5，查表得占比約98.76%。2.交叉驗(yàn)證的作用及適用場(chǎng)景。作用：防止過擬合，評(píng)估模型泛化能力。不適用場(chǎng)景：-數(shù)據(jù)量過?。ㄈ?lt;50）；-時(shí)間序列數(shù)據(jù)（需按時(shí)