《趣味知识博文》小W与小L带你聊天式备考CDA Level Ⅰ(五)

简介: 《趣味知识博文》小W与小L带你聊天式备考CDA Level Ⅰ(五)

本系列文章将会以通俗易懂的聊天对话方式,进行知识点的归纳和总结,对话中涵盖了知识点的主要逻辑结构,给人一种“清水出芙蓉,天然去雕饰”的清新感,让繁杂枯燥的知识点不是那么的无趣,一步一步的备考我们的目标,快来和小W、小L一起学习吧!😀😀😀


此文章系列将会持续更新,有问题也可以在评论区留言,也可以私聊我加我好友共同交流一起进步~😁😁


喜欢内容欢迎关注我、评论、点赞、收藏,左手诗情画意,右手代码人生,欢迎一起探讨技术的诗情画意!你的一键三连对我很重要,谢谢~😉😊

作者简介

作者名:王小王-123

简介:CSDN博客专家、CSDN签约作者、华为云签约作者,腾讯云、阿里云、简书、InfoQ创作者。公众号:书剧可诗画,2020年度CSDN优秀创作者。左手诗情画意,右手代码人生,欢迎一起探讨技术的诗情画意!

博客地址:https://wxw-123.blog.csdn.net

人物简介

😺小W:一个希望在文字和技术里遨游的成长博主

💦小 L:一个不断在学习和生活中探寻的情感大师


二十二模拟题(含解析)

image.png

1、以上订单表与订单详情表间用于连接的公共字段应是____


A.两表的单号

B.两表的客户ID

C.单金额与产品金额

D.没有公共字段

😺小W:根据两表的业务意义、字段匹配特征以及字段对应关系综合考虑,应选择订单ID作为连接两表的公共字段使用,所以选A


2、两表连接后使用左连接进行查询后的总行数是____


A.5

B.6

C.4

D.8

😺小W:使用订单ID连接两表后,左表订单表为主表时,a01项一行,a02项一行,a03项两行,共4行连接结果,故选C


3、建立如下数据库表:


CREATE TABLE department( departid int not null primary key, deptname varchar(20) not null );


CREATE TABLE employee( employeeid int not null, deptid int not null, ename varchar(20) not null,job varchar(10),sal decimal(10,2));


要想保证employee表中每一个雇员是唯一的,且只能属于在department表中已经存在的部门,最有效的做法是


A.把employeeid和deptid设为联合主键

B.把employeeid设为主键,同时在deptid列上创建一个外键约束

C.把employeeid设为主键,同时在deptid列上创建一个唯一约束

D.在deptid列上创建一个唯一约束,同时在deptid列上创建一个外键约束

😺小W:要想保证employee表中每一个雇员是唯一的,把employeeid设为主键或唯一约束。每个雇员只能属于在department表中已经存在的部门,在deptid列上创建一个外键约束。


4、建立如下数据库表: CREATE TABLE department( departid int not null primary key, deptname varchar(20) not null ); CREATE TABLE employee( employeeid int not null, deptid int not null, ename varchar(20) not null,job varchar(10),sal decimal(10,2)); 以下SQL语句中,错误的是


A.SELECT AVG(sal) FROM employee;

B.SELECT deptid,AVG(sal) FROM employee GROUP BY deptid;

C.SELECT deptid,job,AVG(sal) FROM employee GROUP BY deptid,job;

D.SELECT deptid,AVG(sal) FROM employee GROUP BY deptid HAVING job=’clerk’;

😺小W:HAVING 子句中的筛选字段必须是可以出现在分组结果中的字段。故选D


5、student表中有4个字段:StudentID(学生编号),Class(班级),CourseID(课程编号),Score(分数) student 表中记录了同学每一次考试的成绩。那么以下哪组 sql 代码取数的结果中,StudentID字段取值不会出现重复


A.select StudentID,max(score) from student group by StudentID;

B.select distinct StudentID,Score from student;

C.select StudentID from student;

D.select StudentID from student where studentID is not null;

😺小W:我们都熟知的distinct可以对我们的字段名进行去重,只有B选项,传统思维确实如此,还好评论区的一位同学给出了建议:


B选项主要select还查询了score,如果score不相同,但StudentID相同,还是会全部被查询出来的,并没有去重。答案A是因为查询语句限定了如果有相同StudentID,score只能查到最高分数的一条结果。数据库也验证了。


点赞,用实际的行动验证了真理!


答案为:A


6、student表中有4个字段:StudentID(学生编号),Class(班级),CourseID(课程编号),Score(分数) 以下关于DISTINCT的⽤法,不正确的是


A.SELECT DISTINCT StudentID FROM student;

B.SELECT DISTINCT StudentID,Class FROM student;

C.SELECT StudentID,DISTINCT Class FROM student;

D.SELECT COUNT(DISTINCT StudentID) FROM student;

😺小W:DISTINCT关键字可以对一个或多个字段去重,也可以结合COUNT函数进行去重计数,但是DISTINCT关键字必须位于第一个字段的前面,故选C


7、甲乙两班的数学成绩平均分分别为:75,75.27,标准差分别为:7,11.74,离散系数分别为:0.093和0.156 根据题目对数据代表性判断合理的是?


A.乙班的平均成绩有较大的代表性

B.甲班的平均成绩有较大的代表性

C.两班的平均成绩有相同代表性

D.无法判断

😺小W:离散趋势的大小可以用来描述集中趋势度量指标的代表性,例如方差越大就说明均值的代表性越弱。此题需要判断平均成绩的代表性,那么找取离散趋势小的班即可。为了过滤掉数据量纲的影响,我们取离散系数最小的甲班


💦小 L:就像之前所说的,方差越小越稳定,离散程度越低,在描述性统计里面,这个指标经常拿来作为我们的参考值


8、甲乙两班的数学成绩平均分分别为:75,75.27,标准差分别为:7,11.74,离散系数分别为:0.093和0.156 对数据分布情况判断合理的是?


A.甲班的成绩分布较分散

B.乙班的成绩分布较集中

C.甲班的成绩分布较集中

D.甲乙班的成绩分布无法判断

😺小W:甲班的离散系数更小,说明数据的离散程度小,说明成绩分布较集中

9、下图是某公司销售业务中使用的多表连接E-R图,参照下图回答问题:

image.png

上述连接关系是

  • A.星型连接
  • B.交叉连接
  • C.星座连接
  • D.雪花连接

😺小W:销售业绩表为事实表,其余表是维度表,一个事实表与多个维度表连接的连接模式是星型连接模式,所以正确答案是A

image.png

😺小W: 交叉连接不带WHERE子句,它返回被连接的两个表所有数据行的笛卡尔积,返回结果集合中的数据行数等于第一个表中符合查询条件的数据行数乘以第二个表中符合查询条件的数据行数。这个是最为平常的数据表连接


😺小W:当有一个或多个维表没有直接连接到事实表上,而是通过其他维表连接到事实表上时,其图解就像多个雪花连接在一起,故称雪花模型。


image.png

就像上面的那一个一样,通过桥梁对其他的维度表进行连接


10、上述连接的对应关系描述正确的是


A.销售业绩表是多表

B.客户信息表是多表

C.城市信息表是多表

D.产品信息表是多表

😺小W:事实表是多表在汇总过程中贡献度量字段,其余维度表是一表,所以正确答案是A


11、 假设某店1.1号的消费记录如下表

image.png

请问这天消费的会员数是多少?


A.2

B.3

C.4

D.5

😺小W:能够统计会员编号的记录是三行,所以有三名会员消费


12、请问这天一共有多少人消费?


A.2

B.3

C.4

D.5

😺小W:这天共有五条消费记录,三名不重复会员有会员编号,还有两个非会员消费记录,所以最少消费人数在四人以上,复合条件的只有D选项


13、下图是销售管理中使用的维度表与事实表的E-R图,请看图回答以下问题:

image.png

下表中连接错误的地方是


A.1

B.2

C.3

D.没有错误

😺小W:客户表与商机记录表是维度表与事实表的关系,应使用一对多的连接关系,所以错误处是C的编号3


14、适用于对销售阶段变化情况进行管理的模型是


A.帕累托模型

B.AARRR模型

C.漏斗模型

D.波士顿矩阵模型

😺小W:漏斗模型适用于动态状态监控与分析,所以选C


😺小W:80%的产出源自20%的投入;80%的结论源自20%的起因;80%的收获源自20%的努力。80/20原则包含在任何时候对原因的静态分析,而不是动态的。使用 80/20原则的艺术在于确认哪些现实中的因素正在起作用并尽可能地被利用。80/20这一数据仅仅是一个比喻和实用基准。真正的比例未必正好是80%:20%。 80/20原则表明在多数情况下该关系很可能是不平衡的,并且接近于80/20。80/20原则极其灵活多用。“它能有效地适用于任何组织、任何组织中的功能和任何个人工作。”它最大的用处在于:当你分辨出所有隐藏在表面下的作用力时,你就可以把大量精力投入到最大生产力上并防止负面影响的发生。


15、在电商企业中,一般不划归在流量分析任务中的行为是


A.了解流量渠道特征

B.了解引流行为效果

C.了解流量人群特征

D.了解流量付费情况

😺小W:对流量付费情况的分析应归属于转化阶段的分析任务,所以是错误的,所以选D


16、在电商企业中,对流量付费可能性大小进行描述可了解获取流量的质量高低,适用于对付费可能性大小进行描述的指标是


A.UV

B.跳失率

C.新访客数

D.浏览量

😺小W:跳失率越高,流量付费可能性越低,流量质量越差,所以正确答案是B


17、下表是2018年8月汽车市场销量树状结构图,百分比为销量的同比增长率,根据图表回答问题:

image.png

影响总销量增长的主要车类是


A.轿车

B.MPV

C.SUV

D.以上都不对

😺小W:轿车是第二层三种不同车类中销量最多的车类,轿车的增长变化对总销量产生的影响高于SUV及MPV,所以选A


18、对汽车市场销量影响最大的车系是


A.德系

B.日系

C.美系

D.自主

😺小W:在第三层各类车系的销量变化数据中可以了解到,德系车销量占比最多,结合增长率综合观测,德系车对市场销量变化的影响最大


19、下表是某班各学员的成绩信息,参照下表回答问题

image.png

用图表描述学员成绩水平,合适的图表应为


A.折线与柱形图的组合图

B.折线图

C.饼图

D.树状图

😺小W:折线可作为基准线评估柱形代表的实际成绩的好坏程度,所以选A


20、依据上表数据描述学员成绩好坏水平的对比方法称为


A.基准比

B.标准比

C.均比

D.目标比

😺小W:及格线与优秀线是基准值,实际值与基准值对比是A的基准比


21、下表销售阶段自上而下按顺序排列,根据下表回答问题

image.png

用上表中数据做漏斗图会出现的问题是


A.流速慢

B.体量小

C.体型差

D.以上都不是

😺小W:从上表中判断意向的金额及金额占比高于接触阶段,高阶段比低阶段数值大会造成漏斗图体型变形的情况,所以选C


22、如果销售周期是3个月,当前数据位于第11周,销售目标为4000,那么以下描述正确的是


A.已经完成销售目标

B.完成销售目标的可能性高

C.完成销售目标的可能性低

D.几乎不可能完成销售目标

😺小W:当前真正成交的商机只有742,远低于4000的目标,大多数商机在第11周都处在低阶段,时间上很难在剩下的两周内完成,所以选D


相关文章
|
6月前
|
项目管理
PMP备考之路 - 视频教程第六讲(进度管理)(二)
PMP备考之路 - 视频教程第六讲(进度管理)(二)
16 0
|
6月前
|
项目管理
PMP备考之路 - 视频教程第六讲(进度管理)(一)
PMP备考之路 - 视频教程第六讲(进度管理)
24 0
|
6月前
|
项目管理
PMP备考之路 - 视频教程第六讲(进度管理)(三)
PMP备考之路 - 视频教程第六讲(进度管理)(三)
18 0
|
6月前
|
项目管理
PMP备考之路 - 视频教程第五讲(进度管理)(一)
PMP备考之路 - 视频教程第五讲(进度管理)
27 0
|
6月前
|
项目管理
PMP备考之路 - 视频教程第五讲(进度管理)(三)
PMP备考之路 - 视频教程第五讲(进度管理)(三)
29 0
|
6月前
|
数据挖掘 项目管理
PMP备考之路 - 视频教程第五讲(进度管理)(五)
PMP备考之路 - 视频教程第五讲(进度管理)(五)
29 0
|
6月前
|
项目管理
PMP备考之路 - 视频教程第五讲(进度管理)(二)
PMP备考之路 - 视频教程第五讲(进度管理)(二)
34 0
|
11月前
|
算法 Java
Seqtk、Seqkit两个处理fa/fq神器的学习记录
Seqtk、Seqkit两个处理fa/fq神器的学习记录
752 0
|
数据可视化 数据挖掘 BI
《趣味知识博文》小W与小L带你聊天式备考CDA Level Ⅰ(三)
《趣味知识博文》小W与小L带你聊天式备考CDA Level Ⅰ(三)
65 0
《趣味知识博文》小W与小L带你聊天式备考CDA Level Ⅰ(三)
|
算法 前端开发 数据挖掘
《趣味知识博文》小W与小L带你聊天式备考CDA Level Ⅰ(四)
《趣味知识博文》小W与小L带你聊天式备考CDA Level Ⅰ(四)
82 0
《趣味知识博文》小W与小L带你聊天式备考CDA Level Ⅰ(四)