2024年CPSM數(shù)據(jù)分析工具試題及答案

2024年CPSM數(shù)據(jù)分析工具試題及答案姓名：____________________

一、單項(xiàng)選擇題（每題1分，共20分）

1.在數(shù)據(jù)分析中，以下哪個(gè)工具用于數(shù)據(jù)清洗和預(yù)處理？

A.Excel

B.Python

C.Tableau

D.SQL

2.以下哪個(gè)指標(biāo)用于衡量數(shù)據(jù)分布的離散程度？

A.均值

B.中位數(shù)

C.標(biāo)準(zhǔn)差

D.最大值

3.在數(shù)據(jù)分析中，以下哪個(gè)工具用于數(shù)據(jù)可視化？

A.R

B.PowerBI

C.SAS

D.SPSS

4.以下哪個(gè)算法屬于監(jiān)督學(xué)習(xí)？

A.決策樹(shù)

B.K-means

C.Apriori

D.KNN

5.在數(shù)據(jù)分析中，以下哪個(gè)概念表示數(shù)據(jù)之間的相關(guān)性？

A.線性關(guān)系

B.相關(guān)系數(shù)

C.獨(dú)立性

D.異質(zhì)性

6.以下哪個(gè)工具用于數(shù)據(jù)挖掘？

A.RapidMiner

B.KNIME

C.Hadoop

D.Spark

7.在數(shù)據(jù)分析中，以下哪個(gè)概念表示數(shù)據(jù)集中某個(gè)特征的分布？

A.數(shù)據(jù)點(diǎn)

B.數(shù)據(jù)集

C.數(shù)據(jù)分布

D.數(shù)據(jù)集大小

8.以下哪個(gè)算法屬于無(wú)監(jiān)督學(xué)習(xí)？

A.KNN

B.決策樹(shù)

C.Apriori

D.K-means

9.在數(shù)據(jù)分析中，以下哪個(gè)工具用于數(shù)據(jù)集成？

A.ETL

B.ELT

C.DML

D.DTL

10.以下哪個(gè)指標(biāo)用于衡量數(shù)據(jù)集的多樣性？

A.信息熵

B.決策樹(shù)深度

C.K-means聚類數(shù)

D.決策樹(shù)節(jié)點(diǎn)數(shù)

11.在數(shù)據(jù)分析中，以下哪個(gè)概念表示數(shù)據(jù)之間的相似性？

A.距離

B.相關(guān)系數(shù)

C.線性關(guān)系

D.異質(zhì)性

12.以下哪個(gè)工具用于數(shù)據(jù)倉(cāng)庫(kù)？

A.Oracle

B.MySQL

C.MongoDB

D.PostgreSQL

13.在數(shù)據(jù)分析中，以下哪個(gè)概念表示數(shù)據(jù)集中的異常值？

A.偏差

B.方差

C.異常值

D.均值

14.以下哪個(gè)算法屬于聚類算法？

A.KNN

B.決策樹(shù)

C.Apriori

D.K-means

15.在數(shù)據(jù)分析中，以下哪個(gè)概念表示數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)？

A.數(shù)據(jù)集

B.數(shù)據(jù)分布

C.數(shù)據(jù)點(diǎn)

D.數(shù)據(jù)集大小

16.以下哪個(gè)工具用于數(shù)據(jù)挖掘？

A.RapidMiner

B.KNIME

C.Hadoop

D.Spark

17.在數(shù)據(jù)分析中，以下哪個(gè)概念表示數(shù)據(jù)集中的某個(gè)特征？

A.數(shù)據(jù)點(diǎn)

B.數(shù)據(jù)集

C.數(shù)據(jù)特征

D.數(shù)據(jù)集大小

18.以下哪個(gè)工具用于數(shù)據(jù)可視化？

A.R

B.PowerBI

C.SAS

D.SPSS

19.在數(shù)據(jù)分析中，以下哪個(gè)概念表示數(shù)據(jù)集中的數(shù)據(jù)分布？

A.數(shù)據(jù)點(diǎn)

B.數(shù)據(jù)集

C.數(shù)據(jù)分布

D.數(shù)據(jù)集大小

20.以下哪個(gè)指標(biāo)用于衡量數(shù)據(jù)集的多樣性？

A.信息熵

B.決策樹(shù)深度

C.K-means聚類數(shù)

D.決策樹(shù)節(jié)點(diǎn)數(shù)

二、多項(xiàng)選擇題（每題3分，共15分）

1.以下哪些工具屬于數(shù)據(jù)分析工具？

A.Excel

B.Python

C.Tableau

D.SQL

E.ETL

2.以下哪些算法屬于機(jī)器學(xué)習(xí)算法？

A.決策樹(shù)

B.K-means

C.Apriori

D.KNN

E.SVM

3.以下哪些概念屬于數(shù)據(jù)分析中的基本概念？

A.數(shù)據(jù)清洗

B.數(shù)據(jù)預(yù)處理

C.數(shù)據(jù)可視化

D.數(shù)據(jù)挖掘

E.數(shù)據(jù)集

4.以下哪些工具屬于數(shù)據(jù)可視化工具？

A.R

B.PowerBI

C.SAS

D.SPSS

E.Tableau

5.以下哪些概念屬于數(shù)據(jù)分析中的基本概念？

A.數(shù)據(jù)點(diǎn)

B.數(shù)據(jù)集

C.數(shù)據(jù)分布

D.數(shù)據(jù)特征

E.數(shù)據(jù)挖掘

三、判斷題（每題2分，共10分）

1.數(shù)據(jù)分析中的數(shù)據(jù)清洗是指刪除數(shù)據(jù)集中的異常值。（）

2.數(shù)據(jù)分析中的數(shù)據(jù)預(yù)處理是指將數(shù)據(jù)轉(zhuǎn)換為適合分析的形式。（）

3.數(shù)據(jù)分析中的數(shù)據(jù)可視化是指將數(shù)據(jù)以圖形化的方式展示出來(lái)。（）

4.數(shù)據(jù)分析中的數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中提取有價(jià)值的信息。（）

5.數(shù)據(jù)分析中的數(shù)據(jù)集是指一組相關(guān)的數(shù)據(jù)記錄。（）

6.數(shù)據(jù)分析中的數(shù)據(jù)特征是指數(shù)據(jù)集中的某個(gè)特征。（）

7.數(shù)據(jù)分析中的數(shù)據(jù)分布是指數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)的分布情況。（）

8.數(shù)據(jù)分析中的數(shù)據(jù)清洗是指處理數(shù)據(jù)集中的缺失值。（）

9.數(shù)據(jù)分析中的數(shù)據(jù)預(yù)處理是指將數(shù)據(jù)轉(zhuǎn)換為適合機(jī)器學(xué)習(xí)算法的形式。（）

10.數(shù)據(jù)分析中的數(shù)據(jù)可視化是指將數(shù)據(jù)以圖形化的方式展示出來(lái)，以便更好地理解數(shù)據(jù)。（）

四、簡(jiǎn)答題（每題10分，共25分）

1.簡(jiǎn)述數(shù)據(jù)分析在供應(yīng)鏈管理中的重要性及其具體應(yīng)用場(chǎng)景。

答案：

數(shù)據(jù)分析在供應(yīng)鏈管理中的重要性體現(xiàn)在以下幾個(gè)方面：

（1）需求預(yù)測(cè)：通過(guò)歷史銷售數(shù)據(jù)和市場(chǎng)趨勢(shì)分析，預(yù)測(cè)未來(lái)需求，以便合理規(guī)劃庫(kù)存和生產(chǎn)。

（2）庫(kù)存管理：分析庫(kù)存水平，優(yōu)化庫(kù)存策略，降低庫(kù)存成本，提高庫(kù)存周轉(zhuǎn)率。

（3）供應(yīng)商管理：通過(guò)數(shù)據(jù)分析評(píng)估供應(yīng)商的表現(xiàn)，選擇合適的供應(yīng)商，降低采購(gòu)成本。

（4）運(yùn)輸管理：分析運(yùn)輸成本和運(yùn)輸效率，優(yōu)化運(yùn)輸路線，提高物流效率。

（5）風(fēng)險(xiǎn)管理：通過(guò)數(shù)據(jù)分析識(shí)別潛在風(fēng)險(xiǎn)，制定風(fēng)險(xiǎn)應(yīng)對(duì)策略，降低供應(yīng)鏈風(fēng)險(xiǎn)。

具體應(yīng)用場(chǎng)景包括：

-供應(yīng)鏈可視化：通過(guò)數(shù)據(jù)分析，將供應(yīng)鏈中的各個(gè)環(huán)節(jié)和關(guān)鍵指標(biāo)進(jìn)行可視化展示，便于管理人員全面了解供應(yīng)鏈狀況。

-客戶滿意度分析：分析客戶購(gòu)買(mǎi)行為和反饋，優(yōu)化產(chǎn)品和服務(wù)，提高客戶滿意度。

-供應(yīng)鏈績(jī)效評(píng)估：通過(guò)數(shù)據(jù)分析，評(píng)估供應(yīng)鏈的整體績(jī)效，找出改進(jìn)空間。

-產(chǎn)品生命周期管理：分析產(chǎn)品銷售數(shù)據(jù)，預(yù)測(cè)產(chǎn)品生命周期，合理安排生產(chǎn)和銷售策略。

-供應(yīng)鏈金融：通過(guò)數(shù)據(jù)分析，為供應(yīng)鏈上下游企業(yè)提供金融服務(wù)，促進(jìn)供應(yīng)鏈金融業(yè)務(wù)發(fā)展。

2.解釋什么是數(shù)據(jù)挖掘，并舉例說(shuō)明其在供應(yīng)鏈管理中的應(yīng)用。

答案：

數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中自動(dòng)發(fā)現(xiàn)有價(jià)值信息、模式和知識(shí)的過(guò)程。在供應(yīng)鏈管理中，數(shù)據(jù)挖掘的應(yīng)用主要包括：

（1）市場(chǎng)趨勢(shì)預(yù)測(cè)：通過(guò)分析歷史銷售數(shù)據(jù)和市場(chǎng)動(dòng)態(tài)，預(yù)測(cè)市場(chǎng)趨勢(shì)，為企業(yè)制定市場(chǎng)策略提供依據(jù)。

（2）客戶細(xì)分：通過(guò)分析客戶購(gòu)買(mǎi)行為和特征，將客戶劃分為不同的群體，以便進(jìn)行針對(duì)性的營(yíng)銷和服務(wù)。

（3）供應(yīng)商評(píng)估：通過(guò)分析供應(yīng)商的績(jī)效數(shù)據(jù)，評(píng)估供應(yīng)商的供貨能力、質(zhì)量、價(jià)格等，選擇合適的供應(yīng)商。

（4）庫(kù)存優(yōu)化：通過(guò)分析庫(kù)存數(shù)據(jù)，預(yù)測(cè)未來(lái)需求，優(yōu)化庫(kù)存策略，降低庫(kù)存成本。

（5）風(fēng)險(xiǎn)識(shí)別與預(yù)測(cè)：通過(guò)分析供應(yīng)鏈數(shù)據(jù)，識(shí)別潛在風(fēng)險(xiǎn)，預(yù)測(cè)風(fēng)險(xiǎn)發(fā)生概率，提前采取預(yù)防措施。

舉例說(shuō)明：

-通過(guò)數(shù)據(jù)挖掘分析客戶購(gòu)買(mǎi)行為，識(shí)別高價(jià)值客戶，為企業(yè)提供個(gè)性化服務(wù)。

-通過(guò)數(shù)據(jù)挖掘分析供應(yīng)商績(jī)效，篩選出優(yōu)質(zhì)供應(yīng)商，降低采購(gòu)成本。

-通過(guò)數(shù)據(jù)挖掘分析庫(kù)存數(shù)據(jù)，預(yù)測(cè)未來(lái)需求，優(yōu)化庫(kù)存策略，提高庫(kù)存周轉(zhuǎn)率。

-通過(guò)數(shù)據(jù)挖掘分析供應(yīng)鏈數(shù)據(jù)，識(shí)別潛在風(fēng)險(xiǎn)，提前采取預(yù)防措施，降低供應(yīng)鏈風(fēng)險(xiǎn)。

3.簡(jiǎn)述數(shù)據(jù)分析在供應(yīng)鏈優(yōu)化中的關(guān)鍵步驟，并解釋每個(gè)步驟的作用。

答案：

數(shù)據(jù)分析在供應(yīng)鏈優(yōu)化中的關(guān)鍵步驟包括：

（1）數(shù)據(jù)收集：收集與供應(yīng)鏈相關(guān)的各類數(shù)據(jù)，包括銷售數(shù)據(jù)、庫(kù)存數(shù)據(jù)、供應(yīng)商數(shù)據(jù)等。

（2）數(shù)據(jù)清洗：對(duì)收集到的數(shù)據(jù)進(jìn)行清洗，處理缺失值、異常值等，確保數(shù)據(jù)質(zhì)量。

（3）數(shù)據(jù)分析：對(duì)清洗后的數(shù)據(jù)進(jìn)行分析，挖掘數(shù)據(jù)中的有價(jià)值信息、模式和知識(shí)。

（4）模型建立：根據(jù)數(shù)據(jù)分析結(jié)果，建立相應(yīng)的預(yù)測(cè)模型或優(yōu)化模型。

（5）模型驗(yàn)證與優(yōu)化：驗(yàn)證模型的準(zhǔn)確性，根據(jù)實(shí)際情況對(duì)模型進(jìn)行調(diào)整和優(yōu)化。

（6）實(shí)施與監(jiān)控：將優(yōu)化方案應(yīng)用于實(shí)際業(yè)務(wù)，監(jiān)控實(shí)施效果，持續(xù)改進(jìn)。

每個(gè)步驟的作用如下：

-數(shù)據(jù)收集：確保分析過(guò)程有充分的數(shù)據(jù)支持。

-數(shù)據(jù)清洗：提高數(shù)據(jù)質(zhì)量，保證分析結(jié)果的準(zhǔn)確性。

-數(shù)據(jù)分析：挖掘數(shù)據(jù)中的有價(jià)值信息，為優(yōu)化決策提供依據(jù)。

-模型建立：根據(jù)數(shù)據(jù)分析結(jié)果，建立預(yù)測(cè)模型或優(yōu)化模型，實(shí)現(xiàn)供應(yīng)鏈優(yōu)化。

-模型驗(yàn)證與優(yōu)化：提高模型準(zhǔn)確性，確保優(yōu)化方案的有效性。

-實(shí)施與監(jiān)控：將優(yōu)化方案應(yīng)用于實(shí)際業(yè)務(wù)，持續(xù)改進(jìn)供應(yīng)鏈管理水平。

五、論述題

題目：闡述大數(shù)據(jù)時(shí)代下數(shù)據(jù)分析在供應(yīng)鏈管理中的發(fā)展趨勢(shì)及其對(duì)企業(yè)的影響。

答案：

隨著大數(shù)據(jù)時(shí)代的到來(lái)，數(shù)據(jù)分析在供應(yīng)鏈管理中的發(fā)展趨勢(shì)主要體現(xiàn)在以下幾個(gè)方面：

1.數(shù)據(jù)來(lái)源的多樣化：企業(yè)不再僅僅依賴內(nèi)部銷售和庫(kù)存數(shù)據(jù)，而是通過(guò)物聯(lián)網(wǎng)、社交媒體、市場(chǎng)調(diào)研等多渠道收集外部數(shù)據(jù)，以獲得更全面的市場(chǎng)洞察。

2.數(shù)據(jù)分析技術(shù)的進(jìn)步：隨著云計(jì)算、人工智能、機(jī)器學(xué)習(xí)等技術(shù)的發(fā)展，數(shù)據(jù)分析工具和算法不斷升級(jí)，使得供應(yīng)鏈管理中的數(shù)據(jù)分析更加高效和精準(zhǔn)。

3.實(shí)時(shí)數(shù)據(jù)分析：企業(yè)越來(lái)越重視實(shí)時(shí)數(shù)據(jù)分析，以便快速響應(yīng)市場(chǎng)變化和供應(yīng)鏈中的突發(fā)事件，提高供應(yīng)鏈的靈活性和響應(yīng)速度。

4.供應(yīng)鏈可視化：通過(guò)數(shù)據(jù)分析，將供應(yīng)鏈的各個(gè)環(huán)節(jié)以可視化的形式展現(xiàn)，幫助企業(yè)更好地理解供應(yīng)鏈的運(yùn)作狀態(tài)，及時(shí)發(fā)現(xiàn)和解決問(wèn)題。

5.供應(yīng)鏈協(xié)同：數(shù)據(jù)分析技術(shù)促進(jìn)了供應(yīng)鏈各參與方之間的信息共享和協(xié)同，提高了供應(yīng)鏈的整體效率和透明度。

大數(shù)據(jù)時(shí)代下，數(shù)據(jù)分析對(duì)企業(yè)的供應(yīng)鏈管理產(chǎn)生以下影響：

1.提高決策質(zhì)量：通過(guò)數(shù)據(jù)分析，企業(yè)可以基于數(shù)據(jù)驅(qū)動(dòng)的決策，減少?zèng)Q策的盲目性和風(fēng)險(xiǎn)。

2.降低成本：通過(guò)優(yōu)化庫(kù)存管理、物流配送和供應(yīng)商選擇，數(shù)據(jù)分析有助于降低供應(yīng)鏈成本。

3.提升客戶滿意度：數(shù)據(jù)分析幫助企業(yè)更好地了解客戶需求，提供個(gè)性化的產(chǎn)品和服務(wù)，從而提升客戶滿意度。

4.增強(qiáng)市場(chǎng)競(jìng)爭(zhēng)力：通過(guò)數(shù)據(jù)分析，企業(yè)可以快速響應(yīng)市場(chǎng)變化，抓住市場(chǎng)機(jī)遇，增強(qiáng)市場(chǎng)競(jìng)爭(zhēng)力。

5.促進(jìn)創(chuàng)新：數(shù)據(jù)分析揭示了市場(chǎng)趨勢(shì)和客戶需求，為企業(yè)創(chuàng)新提供了方向和動(dòng)力。

試卷答案如下：

一、單項(xiàng)選擇題（每題1分，共20分）

1.B

解析思路：Excel是電子表格軟件，主要用于數(shù)據(jù)錄入和基本計(jì)算；Python是一種編程語(yǔ)言，廣泛應(yīng)用于數(shù)據(jù)分析；Tableau是數(shù)據(jù)可視化工具；SQL是結(jié)構(gòu)化查詢語(yǔ)言，用于數(shù)據(jù)庫(kù)操作；ETL（提取、轉(zhuǎn)換、加載）是數(shù)據(jù)集成過(guò)程，因此選擇B。

2.C

解析思路：均值是數(shù)據(jù)集中所有數(shù)值的平均值，中位數(shù)是將數(shù)據(jù)從小到大排列后位于中間的數(shù)值，標(biāo)準(zhǔn)差是衡量數(shù)據(jù)離散程度的指標(biāo)，最大值是數(shù)據(jù)集中的最大數(shù)值，因此選擇C。

3.C

解析思路：Excel、R、SPSS主要用于數(shù)據(jù)分析；PowerBI是微軟的數(shù)據(jù)可視化工具；SAS是統(tǒng)計(jì)分析軟件，因此選擇C。

4.D

解析思路：決策樹(shù)、KNN屬于監(jiān)督學(xué)習(xí)算法；K-means和Apriori屬于無(wú)監(jiān)督學(xué)習(xí)算法，因此選擇D。

5.B

解析思路：相關(guān)性系數(shù)是衡量?jī)蓚€(gè)變量之間線性相關(guān)程度的指標(biāo)；線性關(guān)系是兩個(gè)變量之間的數(shù)學(xué)關(guān)系；獨(dú)立性是兩個(gè)事件或變量之間沒(méi)有關(guān)聯(lián)；異質(zhì)性是指數(shù)據(jù)分布的不均勻性，因此選擇B。

6.A

解析思路：RapidMiner、KNIME是數(shù)據(jù)挖掘工具；Hadoop、Spark是大數(shù)據(jù)處理框架，因此選擇A。

7.C

解析思路：數(shù)據(jù)點(diǎn)是數(shù)據(jù)集中的單個(gè)記錄；數(shù)據(jù)集是數(shù)據(jù)點(diǎn)的集合；數(shù)據(jù)分布是數(shù)據(jù)集中數(shù)據(jù)點(diǎn)的分布情況；數(shù)據(jù)集大小是數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)數(shù)量，因此選擇C。

8.D

解析思路：KNN、決策樹(shù)、Apriori屬于監(jiān)督學(xué)習(xí)算法；K-means屬于無(wú)監(jiān)督學(xué)習(xí)算法，因此選擇D。

9.A

解析思路：ETL（提取、轉(zhuǎn)換、加載）是數(shù)據(jù)集成過(guò)程；ELT、DML、DTL不是常見(jiàn)的數(shù)據(jù)集成術(shù)語(yǔ)，因此選擇A。

10.A

解析思路：信息熵是衡量數(shù)據(jù)集中數(shù)據(jù)點(diǎn)多樣性的指標(biāo)；決策樹(shù)深度、K-means聚類數(shù)、決策樹(shù)節(jié)點(diǎn)數(shù)不是衡量數(shù)據(jù)多樣性的指標(biāo)，因此選擇A。

11.A

解析思路：距離是衡量數(shù)據(jù)點(diǎn)之間相似性的指標(biāo)；相關(guān)系數(shù)是衡量?jī)蓚€(gè)變量之間線性相關(guān)程度的指標(biāo)；線性關(guān)系是兩個(gè)變量之間的數(shù)學(xué)關(guān)系；異質(zhì)性是指數(shù)據(jù)分布的不均勻性，因此選擇A。

12.A

解析思路：Oracle、MySQL、PostgreSQL是關(guān)系型數(shù)據(jù)庫(kù)；MongoDB是非關(guān)系型數(shù)據(jù)庫(kù)，因此選擇A。

13.C

解析思路：偏差是數(shù)據(jù)集中數(shù)據(jù)點(diǎn)與均值之間的差距；方差是數(shù)據(jù)集中數(shù)據(jù)點(diǎn)與均值差距的平方的平均值；異常值是數(shù)據(jù)集中的異常數(shù)據(jù)點(diǎn)；均值是數(shù)據(jù)集中所有數(shù)值的平均值，因此選擇C。

14.D

解析思路：KNN、決策樹(shù)、Apriori屬于監(jiān)督學(xué)習(xí)算法；K-means屬于無(wú)監(jiān)督學(xué)習(xí)算法，因此選擇D。

15.C

解析思路：數(shù)據(jù)點(diǎn)是數(shù)據(jù)集中的單個(gè)記錄；數(shù)據(jù)集是數(shù)據(jù)點(diǎn)的集合；數(shù)據(jù)分布是數(shù)據(jù)集中數(shù)據(jù)點(diǎn)的分布情況；數(shù)據(jù)集大小是數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)數(shù)量，因此選擇C。

16.A

解析思路：RapidMiner、KNIME是數(shù)據(jù)挖掘工具；Hadoop、Spark是大數(shù)據(jù)處理框架，因此選擇A。

17.C

解析思路：數(shù)據(jù)點(diǎn)是數(shù)據(jù)集中的單個(gè)記錄；數(shù)據(jù)集是數(shù)據(jù)點(diǎn)的集合；數(shù)據(jù)特征是數(shù)據(jù)集中的某個(gè)特征；數(shù)據(jù)集大小是數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)數(shù)量，因此選擇C。

18.B

解析思路：R、SAS、SPSS主要用于數(shù)據(jù)分析；PowerBI是微軟的數(shù)據(jù)可視化工具，因此選擇B。

19.C

解析思路：數(shù)據(jù)點(diǎn)是數(shù)據(jù)集中的單個(gè)記錄；數(shù)據(jù)集是數(shù)據(jù)點(diǎn)的集合；數(shù)據(jù)分布是數(shù)據(jù)集中數(shù)據(jù)點(diǎn)的分布情況；數(shù)據(jù)集大小是數(shù)據(jù)集中的數(shù)據(jù)點(diǎn)數(shù)量，因此選擇C。

20.A

解析思路：信息熵是衡量數(shù)據(jù)集中數(shù)據(jù)點(diǎn)多樣性的指標(biāo)；決策樹(shù)深度、K-means聚類數(shù)、決策樹(shù)節(jié)點(diǎn)數(shù)不是衡量數(shù)據(jù)多樣性的指標(biāo)，因此選擇A。

二、多項(xiàng)選擇題（每題3分，共15分）

1.ABCDE

解析思路：Excel、Python、Tableau、SQL、ETL都是常用的數(shù)據(jù)分析工具，因此選擇ABCDE。

2.ADE

解析思路：決策樹(shù)、KNN、SVM屬于監(jiān)督學(xué)習(xí)算法；K-means屬于無(wú)監(jiān)督學(xué)習(xí)算法；Apriori是關(guān)聯(lián)規(guī)則學(xué)習(xí)算法，因此選擇ADE。

3.