2026年數(shù)據(jù)分析師初級筆試題目及答案解析一、單選題（共10題，每題2分，合計20分）1.在數(shù)據(jù)預處理階段，以下哪項技術(shù)主要用于處理缺失值？（）A.數(shù)據(jù)歸一化B.數(shù)據(jù)采樣C.插值法D.特征編碼2.以下哪個指標最適合衡量分類模型的預測準確性？（）A.均方誤差（MSE）B.熵權(quán)法C.準確率（Accuracy）D.決策樹深度3.在時間序列分析中，ARIMA模型的核心假設(shè)是什么？（）A.線性關(guān)系B.獨立同分布C.平穩(wěn)性D.多項式回歸4.SQL中，哪個函數(shù)用于計算分組后的平均值？（）A.COUNT()B.SUM()C.AVG()D.MAX()5.在數(shù)據(jù)可視化中，以下哪種圖表最適合展示部分與整體的關(guān)系？（）A.散點圖B.餅圖C.折線圖D.柱狀圖6.以下哪個算法屬于非監(jiān)督學習？（）A.邏輯回歸B.決策樹C.K-Means聚類D.線性回歸7.在特征工程中，如何處理類別不平衡問題？（）A.數(shù)據(jù)重采樣B.特征選擇C.L1正則化D.神經(jīng)網(wǎng)絡(luò)優(yōu)化8.以下哪個庫常用于Python中的數(shù)據(jù)清洗？（）A.MatplotlibB.SeabornC.PandasD.Scikit-learn9.在A/B測試中，以下哪個指標最能反映用戶體驗？（）A.轉(zhuǎn)化率B.置信區(qū)間C.交互次數(shù)D.客戶留存率10.以下哪個模型適合處理高維稀疏數(shù)據(jù)？（）A.線性回歸B.支持向量機（SVM）C.決策樹D.神經(jīng)網(wǎng)絡(luò)二、多選題（共5題，每題3分，合計15分）1.以下哪些屬于數(shù)據(jù)分析師的核心技能？（）A.統(tǒng)計分析B.SQL查詢C.機器學習D.業(yè)務(wù)理解E.代碼編程2.在數(shù)據(jù)預處理中，以下哪些方法可用于異常值處理？（）A.箱線圖分析B.標準化C.基于Z-score的過濾D.回歸修正E.刪除異常值3.以下哪些指標可用于評估回歸模型的性能？（）A.R2B.RMSEC.MAED.F1分數(shù)E.AUC4.在數(shù)據(jù)可視化中，以下哪些原則有助于提升圖表可讀性？（）A.保持簡潔B.明確標注C.使用對比色D.避免過度裝飾E.適配受眾背景5.在電商數(shù)據(jù)分析中，以下哪些指標常用于評估用戶行為？（）A.跳出率B.購物籃分析C.客單價D.用戶留存率E.廣告點擊率三、簡答題（共4題，每題5分，合計20分）1.簡述數(shù)據(jù)分析師在業(yè)務(wù)決策中的主要作用。2.解釋什么是特征工程，并列舉三種常見的特征工程方法。3.描述SQL中GROUPBY語句的基本用法及適用場景。4.在數(shù)據(jù)清洗過程中，如何處理重復數(shù)據(jù)？四、計算題（共2題，每題10分，合計20分）1.假設(shè)某電商平臺A/B測試兩組用戶，實驗組轉(zhuǎn)化率為5%，對照組為4%，樣本量均為1000人。計算實驗組比對照組多轉(zhuǎn)化的用戶數(shù)，并解釋該結(jié)果的統(tǒng)計意義。2.已知某城市2025年1-6月銷售額數(shù)據(jù)如下：[120萬，135萬，150萬，145萬，160萬，170萬]。計算該城市2025年上半年的月均銷售額，并預測2025年7月的銷售額（使用簡單平均法）。五、綜合應(yīng)用題（共2題，每題15分，合計30分）1.假設(shè)你是一家電商公司的數(shù)據(jù)分析師，需要分析用戶購買行為數(shù)據(jù)。請設(shè)計一個包含以下要素的SQL查詢語句：-按用戶性別和年齡段分組統(tǒng)計購買次數(shù)。-計算每個分組的平均客單價。-篩選出購買次數(shù)超過10次的用戶。2.某公司希望優(yōu)化廣告投放策略，請你設(shè)計一個A/B測試方案，包括：-測試目標（如提高點擊率）。-分組方法（實驗組vs對照組）。-關(guān)鍵指標（如CTR、CVR）。-數(shù)據(jù)分析方法（如假設(shè)檢驗）。答案及解析一、單選題1.C（插值法是處理缺失值常用技術(shù)，如均值插值、回歸插值等。）2.C（準確率衡量分類模型正確預測的比例。）3.C（ARIMA模型要求時間序列數(shù)據(jù)平穩(wěn)。）4.C（AVG()函數(shù)計算分組數(shù)據(jù)的平均值。）5.B（餅圖展示各部分占比，如市場份額。）6.C（K-Means聚類是無監(jiān)督學習算法。）7.A（重采樣可平衡類別分布，如過采樣或欠采樣。）8.C（Pandas用于數(shù)據(jù)清洗和操作。）9.D（客戶留存率反映長期用戶價值。）10.B（SVM適合高維稀疏數(shù)據(jù)，如文本分類。）二、多選題1.A、B、C、D、E（數(shù)據(jù)分析涵蓋統(tǒng)計、SQL、機器學習、業(yè)務(wù)及編程。）2.A、C、E（箱線圖、Z-score過濾、刪除異常值是常用方法。）3.A、B、C（R2、RMSE、MAE是回歸模型評估指標。）4.A、B、D（簡潔性、標注清晰、避免過度裝飾提升可讀性。）5.A、B、C、D（跳出率、購物籃分析、客單價、留存率是電商核心指標。）三、簡答題1.數(shù)據(jù)分析師作用：-提供數(shù)據(jù)驅(qū)動的決策支持。-通過數(shù)據(jù)挖掘發(fā)現(xiàn)業(yè)務(wù)問題。-量化評估業(yè)務(wù)策略效果。2.特征工程方法：-特征衍生（如時間、用戶行為組合）。-特征編碼（如獨熱編碼、標簽編碼）。-特征選擇（如Lasso回歸過濾冗余特征）。3.GROUPBY用法：-對SQL查詢結(jié)果按指定列分組。-常與聚合函數(shù)（SUM、AVG）結(jié)合使用。4.處理重復數(shù)據(jù)：-識別重復行（如主鍵相同）。-刪除或合并重復記錄。-建立唯一約束避免未來重復。四、計算題1.實驗組多轉(zhuǎn)化用戶數(shù)：-實驗組：1000×5%=50人。-對照組：1000×4%=40人。-差值：50-40=10人。-統(tǒng)計意義：實驗組轉(zhuǎn)化率顯著高于對照組，但需進行假設(shè)檢驗確認是否統(tǒng)計顯著。2.月均銷售額及預測：-月均銷售額=(120+135+150+145+160+170)/6=145萬。-簡單平均法預測7月：145萬（假設(shè)趨勢穩(wěn)定）。五、綜合應(yīng)用題1.SQL查詢設(shè)計：sqlSELECTgender,age_group,COUNT()ASpurchase_count,AVG(total_amount)ASavg_order_valueFROMordersGROUPBYgender,age_groupHAVINGCOUNT()>10ORDERBYpurchase_countDESC;2.A/B測