数据分析师面试考核要点与技巧.docxVIP

第PAGE页共NUMPAGES页

2026年数据分析师面试考核要点与技巧

一、统计学基础与数据分析理论（共5题，总分20分）

1.描述性统计与数据预处理（4分）

题目：某电商平台2025年Q4用户购买行为数据中，存在缺失值、异常值（如订单金额为0元）和重复记录。请设计一个数据清洗流程，并说明如何通过描述性统计（均值、中位数、分位数、标准差）分析用户消费特征的合理性。

答案与解析：

-数据清洗流程：

1.缺失值处理：采用均值/中位数填充（若数据偏态则用中位数）、KNN填充或删除（缺失比例5%）；

2.异常值检测：使用3σ原则或箱线图识别，对订单金额0元视为无效记录删除，金额10000元需标注复核；

3.重复记录去重：按用户ID、订单时间、金额组合字段去重。

-描述性统计应用：

-若均值远高于中位数，可能存在高消费用户拉高整体水平，需结合分位数（如P90）分析；

-标准差过大会暗示消费波动剧烈，需细分用户分层（如新/老用户）对比。

2.假设检验与A/B测试（6分）

题目：某游戏运营团队想验证新弹窗设计能否提升注册转化率（当前为5%）。假设流量均分到对照组（旧设计）和实验组（新设计），各1000用户。请设计检验方案，并说明p值0.05时如何解读？

答案与解析：

-检验方案：

1.原假设H0：两组转化率无差异；

2.计算样本比例Z统计量：Z=(p1-p2)/√[p(1-p)(1/n1+n2)]，p为总体比例；

3.对比Z值与Z分布临界值（α=0.05时为1.96）。

-p值解读：若p0.05，则否定H0，说明新设计转化率显著提升，需进一步评估ROI。

3.相关性分析与特征工程（5分）

题目：某金融APP用户数据包含年龄、月消费、设备类型等字段。请说明如何计算变量间相关系数（如Pearson或Spearman），并举例说明如何基于相关性构建新特征？

答案与解析：

-相关系数计算：

-Pearson适用于线性关系（如月消费与年龄）；

-Spearman适用于单调关系（如设备使用年限与留存率）。

-特征工程示例：若“月消费”与“设备类型”（手机/PC）正相关，可构造“消费设备指数”=月消费×设备权重。

4.抽样方法与抽样误差（3分）

题目：某城市外卖平台需调研用户满意度，总用户200万。若采用分层抽样（按区域比例分层），样本量需多少才能保证95%置信度下误差±2%？

答案与解析：

-计算公式：n=(Zα^2×p(1-p))/E^2，取p=0.5（最保守）：

n=(1.96^2×0.25)/0.02^2=2401，按区域比例分配即可。

5.贝叶斯推断应用（5分）

题目：某电商平台预测用户复购概率，已知30%用户曾复购。现观测到某用户近3个月无行为，请用贝叶斯公式更新其复购概率（假设无行为概率为20%）。

答案与解析：

-计算公式：P(复购|无行为)=P(无行为|复购)P(复购)/P(无行为)=0.8×0.3/(0.8×0.3+0.2×0.7)≈37%。

二、SQL与数据库操作（共6题，总分25分）

1.SQL基础查询（8分）

题目：给定用户表（uidINT,ageINT,cityVARCHAR）、订单表（order_idINT,uidINT,amountDECIMAL）。写出SQL查询：

1.统计各城市平均订单金额；

2.找出年龄在20-30岁且订单金额1000的用户数。

答案与解析：

-1.`SELECTcity,AVG(amount)FROMordersJOINusersONorders.uid=users.uidGROUPBYcity`;

-2.`SELECTCOUNT(DISTINCTuid)FROMusersWHEREageBETWEEN20AND30ANDuidIN(SELECTuidFROMordersWHEREamount1000)`.

2.SQL窗口函数（7分）

题目：用户表增加字段last_loginDATE。请写出SQL：

1.计算每个用户的登录天数；

2.按登录天数降序排列，若天数相同则按用户ID升序。

答案与解析：

-1.`SELECTuid,DATEDIFF(CURRENT_DATE,last_login)ASdaysFROMusers`;

-2.`SELECTuid,daysFROM(SELECTuid,DATEDIFF(CURRENT_DATE,last_login)ASdaysFROMusersORDERBYdaysDESC,uidASC)ASsorted`.

3