大数据分析面试题及答案（贴近真实面试场景）.docxVIP

大数据分析面试题及答案（贴近真实面试场景）

一、基础技能题（考察核心工具与基础逻辑）

1.SQL实操题：用户行为数据统计

题目：现有用户行为表user_behavior，字段如下：user_id（用户ID）、action_time（行为时间，datetime类型）、action_type（行为类型：view-浏览、click-点击、purchase-购买）、product_id（商品ID）。请写出SQL语句，统计2023年10月每个用户的浏览次数、点击次数、购买次数，且只保留至少有1次购买行为的用户，结果按购买次数降序排列。

答案：

SELECT

user_id,

COUNT(CASEWHENaction_type=viewTHEN1END)ASview_count,

COUNT(CASEWHENaction_type=clickTHEN1END)ASclick_count,

COUNT(CASEWHENaction_type=purchaseTHEN1END)ASpurchase_count

FROMuser_behavior

WHEREDATE_FORMAT(action_time,%Y-%m)=2023-10--筛选10月数据

GROUPBYuser_id

HAVINGpurchase_count=1--仅保留有购买行为的用户

ORDERBYpurchase_countDESC;

思路解析：用CASEWHEN做条件计数，精准统计不同行为类型；HAVING过滤满足购买条件的用户，避免先过滤再分组导致数据遗漏。

2.统计基础题：描述性统计与异常值处理

题目：在分析电商订单金额时，发现数据存在异常值（如远超正常客单价的极端值），请说明你会如何识别异常值，以及处理异常值的常用方法（至少3种）。

答案：

异常值识别方法：

统计法：计算订单金额的四分位数（Q1、Q3），通过IQR=Q3-Q1，判断超出[Q1-1.5IQR,Q3+1.5IQR]范围的为异常值；

分布法：假设订单金额符合正态分布，超出均值±3倍标准差的为异常值；

业务法：结合行业常识（如电商平均客单价100-500元），直接判定远超该范围的为异常值（如单笔订单10万元且非高客单价商品）。

异常值处理方法：

删除法：若异常值数量极少（占比1%）且无特殊业务意义，直接删除；

修正法：用合理值替换（如用Q3+1.5*IQR替换上限异常值，用均值/中位数替换）；

分箱法：将金额分段（如0-100、100-500、500+），异常值归入单独分箱，不影响整体统计；

保留法：若异常值是真实业务场景（如高客单价商品订单），则保留并单独标注分析。

3.工具应用题：Hive与Spark的核心区别

题目：在大数据处理中，Hive和Spark都常用于离线分析，请简述两者的核心区别，以及各自的适用场景。

答案：

对比维度

Hive

Spark

计算引擎

基于MapReduce，批处理速度慢

基于内存计算，批处理速度快（是Hive的10-100倍）

处理类型

主要支持离线批处理

支持离线批处理、流处理（SparkStreaming）、交互式查询（SparkSQL）

延迟性

高延迟（MapReduce任务启动和调度开销大）

低延迟（内存复用，减少磁盘IO）

适用场景

超大规模数据的离线批处理（如TB/PB级数据的日/周度统计）、对实时性要求低的场景

实时性要求较高的离线分析（如小时级报表）、流处理（如实时监控）、交互式数据分析（如分析师快速查询）

二、进阶分析题（考察逻辑思维与问题拆解能力）

1.业务分析题：电商GMV下滑原因分析

题目：某电商平台10月GMV（成交总额）同比去年下降15%，请设计分析思路，拆解可能的下滑原因（需包含数据指标和分析维度）。

答案：

核心思路：先定位下滑的“范围”，再拆解“核心影响因素”，最后落地到“可行动的原因”。

第一步：范围定位（排除整体vs局部问题）

时间维度：按日/周拆分，看下滑是全月持续下滑，还是某段时间（如国庆后）突然下滑；

区域维度：按省份/城市拆分，看是全国性下滑，还是部分区域（如某省份物流受限）下滑；

业务线维度：按商品品类（如服饰、家电）、用户类型（新用户/老用户）拆分，看是否某类业务/用户下滑明显。

第二步：核心因素拆解（GMV=流量×转化率×客单价）

流量层面：同比去年10月，平台总访客数（UV）是否下滑？各渠道（APP、小程序、官网）流量