2026年数据分析师面试题集与实战经验.docxVIP

第PAGE页共NUMPAGES页

2026年数据分析师面试题集与实战经验

一、统计学基础（3题，每题10分，共30分）

1.答案：在一个数据集中，如果变量X和Y的协方差为正，说明X和Y之间存在正相关关系；协方差为负，说明存在负相关关系；协方差接近零，则可能不存在线性相关关系。协方差的大小与变量的单位有关，通常不便于直接比较，因此常用相关系数（CorrelationCoefficient）来衡量线性相关程度，其取值范围为[-1,1]。

解析：协方差衡量两个变量的联合变动趋势，但受数据尺度影响。例如，销售额（万元）和销售量（件）的协方差可能很大，但相关系数可能接近零（因单位差异）。相关系数消除了尺度影响，更直观反映线性关系强度。

2.答案：假设某电商平台的订单金额服从正态分布，均值为100元，标准差为20元。根据68-95-99.7法则，约68%的订单金额在80元到120元之间；约95%在60元到140元之间；约99.7%在40元到160元之间。若某订单金额为200元，其Z分数为（200-100）/20=5，远超3个标准差，属于小概率事件，可能需要核查数据准确性。

解析：正态分布是数据分析中的基础模型，常用于预测和异常检测。Z分数用于标准化，便于比较不同分布的数据。小概率事件通常需要进一步验证，如是否存在录入错误或特殊业务场景。

3.答案：假设某城市A和B的房价数据如下：

-A：均值为5000元/平米，标准差500元

-B：均值为8000元/平米，标准差800元

若用变异系数（CoefficientofVariation,CV）衡量波动性，A的CV=500/5000=0.1，B的CV=800/8000=0.1，说明两地房价波动性相同，尽管绝对差异很大。

解析：变异系数是无量纲指标，适用于比较不同单位或均值的离散程度。在金融和房地产分析中常用，避免因均值差异导致误解。

二、SQL查询（4题，每题10分，共40分）

4.答案：

sql

SELECT

c.customer_id,

c.name,

COUNT(o.order_id)ASorder_count,

SUM(o.total_amount)AStotal_spent

FROM

customersc

LEFTJOINordersoONc.customer_id=o.customer_id

GROUPBY

c.customer_id,c.name

HAVING

total_spent(SELECTAVG(total_amount)FROMorders)

ORDERBY

total_spentDESC;

解析：

-LEFTJOIN确保即使客户未下单也能显示，用NULL填充订单字段。

-GROUPBY按客户分组，统计订单数和消费总额。

-HAVING筛选消费总额高于平均值的客户。

-子查询计算整体平均消费，用于条件过滤。

5.答案：

sql

SELECT

p.product_id,

p.name,

COUNT(DISTINCTd.device_id)ASunique_device_count

FROM

productsp

JOINordersoONp.product_id=o.product_id

JOINdevicesdONo.device_id=d.device_id

GROUPBY

p.product_id,p.name

ORDERBY

unique_device_countDESC,p.nameASC;

解析：

-JOIN连接产品、订单和设备表，确保数据一致性。

-COUNT(DISTINCT)统计每个产品的独立设备数量，避免重复计数。

-ORDERBY先按设备数降序，再按产品名称升序排序。

6.答案：

sql

SELECT

m.month,

COUNT(DISTINCTp.product_id)ASnew_products,

AVG(s.score)ASavg_score

FROM

monthly_salesm

JOINproductspONm.product_id=p.product_id

JOINscoressONp.product_id=s.product_id

WHERE

m.year=2025

GROUPBY

m.month

ORDERBY

m.month;

解析：

-JOIN连接月度销售、产品和评分表。

-COUNT(DISTINCT)统计每月新增产品数。

-AVG计算平均评分，用于评估产品受欢迎程度。

-WHERE限定年份为2025，聚焦当前业务。

7.答