商务数据分析模拟题库及答案.docxVIP

商务数据分析模拟题库及答案

一、单项选择题（每题2分，共20分）

1.某电商平台用户订单数据中，“支付时间”字段存在“2023-02-2915:30:00”这样的记录，该问题属于数据清洗中的（）。

A.重复值问题B.异常值问题C.格式不一致问题D.逻辑错误问题

答案：D（解析：2023年2月没有29天，属于日期逻辑错误，非格式或数值异常。）

2.某零售企业分析2023年各季度销售额时，发现Q3销售额为1200万元，Q4为1500万元，计算环比增长率为（）。

A.20%B.25%C.30%D.33.3%

答案：B（解析：环比增长率=（本期-上期）/上期×100%=（1500-1200）/1200=25%。）

3.以下哪种数据可视化图表最适合展示“某品牌手机2018-2023年各月销量趋势”？（）

A.柱状图B.折线图C.散点图D.热力图

答案：B（解析：折线图擅长展示时间序列的趋势变化。）

4.在用户分群分析中，RFM模型的“M”指的是（）。

A.最近购买时间B.购买频率C.购买金额D.客户生命周期价值

答案：C（解析：RFM模型中，R=Recency（最近购买时间），F=Frequency（购买频率），M=Monetary（购买金额）。）

5.某银行信用卡部门通过逻辑回归模型预测用户逾期风险，模型输出的AUC值为0.85，说明（）。

A.模型预测准确率为85%B.模型区分正负样本的能力较强

C.模型存在严重过拟合D.模型适用于分类问题但不适用于回归问题

答案：B（解析：AUC（曲线下面积）衡量模型对正负样本的区分能力，0.85属于“良好”区间（0.8-0.9）。）

6.某电商平台发现用户浏览商品页到加入购物车的转化率为3%，行业平均水平为5%，可能的原因不包括（）。

A.商品页加载速度慢B.商品价格标注不清晰

C.购物车页面设计复杂D.商品详情页信息不完整

答案：C（解析：购物车页面设计影响的是“加入购物车到支付”的转化率，而非“浏览到加购”的转化率。）

7.在进行假设检验时，若原假设为“某促销活动对销售额无显著影响”，当实际活动有效但检验结果未拒绝原假设，此时发生了（）。

A.第一类错误（α错误）B.第二类错误（β错误）

C.正确决策D.数据偏差错误

答案：B（解析：第二类错误指原假设为假时未拒绝原假设，即“漏判”。）

8.某企业用Python进行数据清洗，代码“df.drop_duplicates(subset=[user_id,order_date],keep=first)”的作用是（）。

A.删除所有重复行B.按用户ID和订单日期删除重复行，保留第一条

C.按用户ID和订单日期删除重复行，保留最后一条D.仅删除完全重复的行

答案：B（解析：subset指定去重依据的列，keep=first表示保留首次出现的重复行。）

9.以下哪个指标不属于用户留存分析的核心指标？（）

A.次日留存率B.7日留存率C.客单价D.30日留存率

答案：C（解析：客单价属于用户价值指标，留存率关注用户活跃持续性。）

10.某奶茶店分析不同口味奶茶的销售占比，最适合的可视化工具是（）。

A.雷达图B.饼图C.箱线图D.直方图

答案：B（解析：饼图直观展示各部分占总体的比例。）

二、简答题（每题8分，共40分）

1.简述数据清洗的主要步骤及常见问题。

答案：

数据清洗是确保数据质量的关键过程，主要步骤包括：

（1）识别问题：通过统计、可视化等方法检测缺失值、异常值、重复值、逻辑错误等；

（2）处理缺失值：根据业务场景选择删除（缺失率＞70%）、填充（均值/中位数/众数填充、插值法、模型预测填充）；

（3）处理异常值：通过Z-score、IQR（四分位距）等方法识别后，选择修正（如用上下限替换）、删除或保留（若为真实业务场景）；

（4）处理重复值：删除完全重复或关键列重复的冗余数据；

（5）修正格式错误：统一日期、数值、文本的格式（如“2023/1/1”改为“2023-01-01”）；

（6）验证逻辑一致性：检查跨字段的合理性（如“出生日期”早于“注册时间”）。

常见问题包括：缺失值分布不均（如关键字段大量缺失）、异常值由业务特殊事件导致（如大促期间的高订单量）、重复值因系统日志重复写入产生、格式错误由多数据源合并导致。

2.说明A/B测试的核心原理及实施步骤。

答案：

A/B