2026年字节跳动数据分析面试要点及答案.docxVIP

第PAGE页共NUMPAGES页

2026年字节跳动数据分析面试要点及答案

一、选择题（共5题，每题2分，总分10分）

1.以下哪个指标最适合衡量电商平台用户的活跃度？

A.用户总数

B.日活跃用户数（DAU）

C.新增用户数

D.用户留存率

答案：B

解析：DAU（日活跃用户数）直接反映当日使用产品的用户数量，是衡量用户活跃度的核心指标。其他选项各有侧重：用户总数是累计量，新增用户数反映增长，留存率衡量用户粘性，但与活跃度关联性较弱。

2.在进行数据抽样时，以下哪种方法最适用于避免抽样偏差？

A.简单随机抽样

B.分层抽样

C.系统抽样

D.整群抽样

答案：B

解析：分层抽样通过将总体按特征分层，再从每层随机抽样，确保各层代表性，有效减少偏差。简单随机抽样可能遗漏某些群体，系统抽样和整群抽样在特定条件下可能引入偏差。

3.以下哪个SQL语句可以计算某商品在过去30天的总销售额？

A.`SELECTSUM(price)FROMordersWHEREdateDATE_SUB(CURDATE(),INTERVAL30DAY)`

B.`SELECTCOUNT()FROMordersWHEREdateDATE_SUB(CURDATE(),INTERVAL30DAY)`

C.`SELECTAVG(price)FROMordersWHEREdateDATE_SUB(CURDATE(),INTERVAL30DAY)`

D.`SELECTMAX(price)FROMordersWHEREdateDATE_SUB(CURDATE(),INTERVAL30DAY)`

答案：A

解析：`SUM(price)`计算总销售额，`DATE_SUB(CURDATE(),INTERVAL30DAY)`筛选过去30天的数据。其他选项分别计算数量、平均值、最大值，与题意不符。

4.以下哪个是A/B测试的核心目的？

A.提高用户注册率

B.降低服务器成本

C.优化产品功能

D.减少数据采集量

答案：C

解析：A/B测试通过对比不同版本的效果，验证哪个性价比更高，核心是优化产品。选项A可能是结果之一，但非根本目的；B和D与A/B测试无关。

5.在处理缺失值时，以下哪种方法最适用于连续型数据？

A.删除缺失值

B.填充均值

C.填充中位数

D.填充众数

答案：B

解析：连续型数据缺失值填充均值或中位数更常见。删除缺失值会损失信息，众数适用于分类数据。均值和中位数各有优劣，但均值更常用。

二、填空题（共5题，每题2分，总分10分）

6.数据分析中常用的KPI指标“用户留存率”计算公式为：__________。

答案：留存率=（N期活跃用户数/N-1期活跃用户数）×100%

解析：留存率衡量上一期活跃用户在下一期是否继续使用，是评估产品粘性的关键指标。公式需注意分子分母的基数。

7.SQL中，使用__________函数可以计算日期的差值（如30天前）。

答案：DATE_SUB

解析：`DATE_SUB(CURDATE(),INTERVAL30DAY)`是常见用法，其他方法如`TIMESTAMPADD`也可，但题目未限制SQL版本。

8.在数据可视化中，__________适用于展示部分与整体的关系。

答案：饼图

解析：饼图直观展示各部分占比，适合分类数据；条形图更适合理类排序，折线图展示趋势。

9.机器学习中的“过拟合”现象是指模型在__________上表现好，但在新数据上表现差。

答案：训练集

解析：过拟合指模型学习到训练集的噪声，泛化能力弱；欠拟合则训练集和测试集表现均差。

10.数据清洗中，处理异常值的方法包括__________、删除、分箱等。

答案：平滑（如均值/中位数替换）

解析：异常值处理方法多样，平滑（如用均值/中位数替代）是常用手段，删除和分箱（离散化）也常见。

三、简答题（共5题，每题4分，总分20分）

11.简述数据采集的常见方法及其优缺点。

答案：

-日志采集：通过系统日志收集用户行为，优点是实时性强，缺点是数据可能不完整。

-问卷调查：主动收集用户反馈，优点是灵活性高，缺点是样本偏差可能存在。

-第三方数据：购买或合作获取数据，优点是覆盖面广，缺点是成本高且需注意合规性。

-爬虫采集：自动抓取网络数据，优点是效率高，缺点是可能违反协议。

解析：数据采集方法需结合业务场景选择，需权衡实时性、成本和合规性。

12.解释什么是“数据偏差”，并举例说明如何避免。

答案：

数据偏差指样本未能代表总体，导致分析结果失真。例如，仅用夜间用户数据分析全平台行为。

避免方法：