浙江工商大学
- 探索性数据分析方法通常是先假设样本服从某种分布，然后把数据套入假设模型再做分析。（ ）
- 今年vs去年 销售金额，销售数量，完成率的意思是将今年与去年的销售金额、销售数量和完成率进行比较。（ ）
- “按销售金额从10到100分7组步长为5统计”的意思是每组之间跨度为5元，将销售金额在10-100元的范围内分成了7组。（ ）
- 人类处理文本的速度比处理图像更快。（ ）
- 按销售金额分6组统计：的意思是将销售金额度量分为六组。（ ）
- 在使用vs关键词时，不能使用逗号对多个列数据进行比较。（ ）
- 分组统计必须要一个字符列和一个数值列才能搜索出结果。（ ）
- 结构化数据很有规律，便于修改查询，扩展性也很强。（ ）
- DataFocus定时导入的最小更新频率为1小时。（ ）
- 在处理数据时，针对异常值数据必须进行删除。（ ）
- 在数据看板的编辑页面修改了问答的图表通用属性，可以保存至该历史问答。（ ）
- 配置图中X轴和图例不可更换。（ ）
- DataFocus不支持连接IBM DB2数据库。（ ）
- 关系型数据库中存储的数据，称之为结构化数据。（ ）
- 属性是对象的性质或特性，只能以文本的形式呈现。（ ）
- 客户生命周期处于流失期时的主要任务是刺激客户需求。（ ）
- 结构化数据一般可以分为度量型(MEASURE)和属性型(ATTRIBUTE)。（ ）
- 按XX分组统计时，默认将数据分为3组。（ ）
- 网格布局下可以通过鼠标自由调整图标大小与位置。（ ）
- 使用模板创建数据看板时首先替换标题及历史问答，再选择相应模板。（ ）
- 下列哪些不是描述DataFocus的（ ）。
- 以下属于Datafocus的功能有（ ）
- 下列哪些是处理缺失值的方法（ ）。
- 留存率体现了（ ）
- 下列哪些是异常值检测的常用图（ ）。
- 数据处理方法包括（ ）
- 下列哪些是DataFocus目前支持的聚合关键词（ ）。
- 在下列选项中，哪些是正确的时间关键词？（ ）
- DataFocus支持的数据源类型包括（ ）。
- 以下可以获得环比结果的关键词是（ ）
- 下列哪些是DataFocus的功能点（ ）。
- 典型的数据质量问题有（ ）
- 以下不属于文本类型函数的是（ ）
- 以下哪些方式可以处理缺失的应用ID数据（ ）
- 导出可视化大屏为PDF的好处有（ ）
- 在时间关键词中，“下一分钟”的含义是什么？（ ）
- 数据看板中可以添加哪些自定义组件（ ）
- 以下哪种图形展示2023年3月的不同类别销售数量的分布占比合适（ ）
- 下列哪种工具是常见的数据可视化工具（ ）。
- 下列哪些是常见的度量型数据（ ）。
- 以下可以给数据进行分类的逻辑函数为（ ）
- 下列不属于关联关系的连接方式的为（ ）
- 假设订单ID号为：ID-2022-AR1040527-41081，使用命令substr(订单ID号, 4, 4)的结果为（ ）。
- 半结构化数据的特点是（ ）。
- 两个表进行内连接后，其结果为（ ）
- 结构化数据的特点为（ ）
- 以下不属于聚合关键词的是（ ）
- 下列哪个适用于展示数据之前的层次关系（ ）。
- 以下哪个数据属于结构化数据（ ）。
- DataFocus中能够处理的是（ ）数据。
- 想直接在看板中查看具体数值的方法是（ ）
- 用下列哪个语句可以求出当月销售总额最多的前5个产品（ ）。
- 大数据可视化的正确步骤是（ ）。
- 用下列哪个语句可以求出产品ID不重复的数量（ ）。
- 按照日期展示不同年份同一个月的销售量，适合使用（ ）
- 可以用于说明视觉通道跟数据的映射关系的辅助信息有（ ）
- 将整数类型的字段变成小数型的命令为（ ）
- 创建数据简报可以（ ）
- 下列属于离散化数据的方式是（ ）
- 以下哪种类型的中间表不存在于DataFocus中（ ）。
A:对 B:错
答案:错
A:对 B:错
答案:对
A:对 B:错
答案:对
A:对 B:错
答案:错
A:错 B:对
答案:对
A:错 B:对
答案:错
A:错 B:对
答案:A:错
A:错 B:对
答案:错
A:对 B:错
答案:错
A:错 B:对
A:错 B:对
A:对 B:错
A:错 B:对
A:错 B:对
A:错 B:对
A:错 B:对
A:错 B:对
A:对 B:错
A:对 B:错
A:错 B:对
A:SQL语句或手工拖拽 B:支持50多种可视化图形，满足日常可视化需求 C:数据需要预先处理好 D:国内第一个采用中文搜索式的数据分析工具
A:颜色规则 B:公式嵌套 C:行列转换 D:上卷下钻
A:将缺少的值替换为虚拟值 B:用回归值替换缺少的值 C:平均值替代 D:删除记录中的缺失值
A:保留用户的能力 B:不同客户群的消费能力 C:用户整体生命结构 D:应用APP的质量
A:气泡图 B:帕累托图 C:箱型图 D:散点图
A:过滤 B:计算 C:排序 D:合并
A:的平均值 B:的总额 C:的标准差 D:的总和
A:“前10分钟”，“上1个小时”，“每小时” B:“未来5分钟的”，“下一小时”，“每分钟” C:“过去3小时”，“接下来1个小时的”，“每小时” D:“前30分钟的”，“明天下午”，“过去24小时”
A:并连接 B:左连接 C:右连接 D:全连接
A:按就诊日期计算的费用的月增长率 B:按就诊日期计算的费用的总和的月增长率与往年同期相比 C:费用的月增长率 D:按就诊日期计算的费用的总和的月增长率
A:精确到行列的权限管控 B:自适应图形 C:支持移动端企业微信和钉钉 D:自然语言处理技术
A:数据不正确 B:数据重复 C:数据缺失 D:数据不完整
A:round(销售量/100, 1) B:concat(子类别,”-”) C:substr(订单ID,5,3) D:to_string(序号)
A:unique_count(应用ID) B:应用ID不为空 C:ifnull(应用ID,“否”) D:concat(substr(应用ID,1,8), “不为空”)
A:查看数据明细 B:便于公司存档 C:报告撰写引用 D:商务资料应用
A:查看即将到来的一分钟数据情况 B:用来查看当前这一分钟的数据 C:单独搜索会报错 D:”下一分钟销售预算“指的是未来一分钟的销售预算总额是多少
A:文本组件 B:音频组件 C:表格组件 D:图片组件
A:折线图 B:环图 C:散点图 D:饼图
A:turtle B:Tableau C:D3.js D:PowerBI
A:订单ID B:学号 C:销售金额 D:单价
A:substr(订单ID,5,3) B:if销售量大于6 then“高销量”else “低销量” C:ifnull(客户名称,客户ID) D:day_of_week(订购日期)
A:内连接 B:左连接 C:交叉连接 D:右连接
A:022- B:ID- C:2022 D:-202
A:高度组织和整齐格式化的数据 B:非关系模型，有基本固定结构模式的数据 C:数据结构不规则或不完整 D:没有预定义的数据模型，不方便用数据库二维逻辑来表现
A:左表的全部内容 B:两个表的交集 C:两个表的并集 D:两个表的补集
A:有规律，但扩展性一般 B:不方便用数据库二维逻辑表来表现 C:非关系模型的、有基本固定结构模式 D:没有预定义的数据模型
A:应用ID的数量 B:按类别分组统计的 C:销售额的最大值 D:年龄的标准差
A:经纬图 B:词云图 C:面积图 D:树形图
A:视频 B:图片 C:音频 D:信用卡号码
A:其他选项都对 B:非结构化数据 C:半结构化数据 D:结构化数据
A:编辑 B:全屏展示 C:导出CSV D:数据详情
A:本月 产品名称 销售金额的总和前3的 B:当月 销售金额前3的 产品名称 C:当月 产品名称 销售金额前3的 D:本月 销售金额排名前3的 产品名称
A:确定主题-提炼数据-确定图表-可视化 B:确定图表-确定主题-提炼数据-可视化 C:确定主题-提炼数据-可视化-确定图表 D:提炼数据-确定主题-可视化-确定图表
A:产品ID的个数 B:产品ID去重后的数量 C:产品ID的数量 D:产品ID去重后的个数
A:折线图 B:散点图 C:玫瑰图 D:堆积柱状图
A:图例 B:点 C:背景色 D:图形标记
A:to_string B:to_double C:to_integer D:to_bool
A:分享洞察的数据简介、快速传递数据讯息 B:选择网格布局或者自由布局 C:增加筛选条件，进一步更新图表 D:综合分析业务数据，展现企业的数据全貌
A:线性地将数据转化为[0,1]之间 B:等宽分组 C:将数据和平均值之间的差异除以标准偏差 D:移动属性值地小数点
A:关联中间表 B:问答中间表 C:看板中间表 D:合并中间表
温馨提示支付 ￥5.00 元后可查看付费内容,请先翻页预览!
