光大銀行上海市閔行區(qū)2025秋招數(shù)據(jù)分析師筆試題及答案一、選擇題（共5題，每題2分，共10分）1.在處理閔行區(qū)某商圈的客流數(shù)據(jù)時(shí)，發(fā)現(xiàn)部分商戶的客流量統(tǒng)計(jì)存在異常波動(dòng)。若要初步判斷異常值的影響，最適合使用的統(tǒng)計(jì)方法是？A.簡(jiǎn)單移動(dòng)平均法B.標(biāo)準(zhǔn)差檢驗(yàn)C.線性回歸分析D.聚類分析2.光大銀行閔行分行希望分析客戶消費(fèi)行為，以下哪種方法最適合挖掘客戶細(xì)分群體？A.相關(guān)性分析B.邏輯回歸模型C.K-means聚類分析D.灰色預(yù)測(cè)模型3.在構(gòu)建閔行區(qū)小微企業(yè)信貸風(fēng)險(xiǎn)評(píng)估模型時(shí)，若某變量與信貸違約呈弱相關(guān)但統(tǒng)計(jì)上顯著，以下哪種策略最合理？A.直接剔除該變量B.通過(guò)Lasso回歸進(jìn)行正則化C.增加樣本量重新檢驗(yàn)D.忽略該變量不參與建模4.光大銀行閔行分行某網(wǎng)點(diǎn)交易數(shù)據(jù)中，POS機(jī)交易與網(wǎng)銀交易存在高度相關(guān)性。若要分析兩者對(duì)網(wǎng)點(diǎn)活躍度的影響權(quán)重，最適合使用？A.因子分析B.回歸系數(shù)分析C.主成分分析D.時(shí)間序列分解5.在處理上海市閔行區(qū)某企業(yè)貸款申請(qǐng)數(shù)據(jù)時(shí)，若發(fā)現(xiàn)“企業(yè)規(guī)?！迸c“信用評(píng)分”存在非線性關(guān)系，以下哪種模型更適用？A.線性回歸B.決策樹(shù)C.邏輯回歸D.線性判別分析二、填空題（共5題，每題2分，共10分）6.在分析閔行區(qū)居民消費(fèi)信貸數(shù)據(jù)時(shí)，若發(fā)現(xiàn)某客戶的“月均還款額”與其“收入水平”之間存在強(qiáng)線性關(guān)系，則該變量屬于______型變量。7.光大銀行閔行分行在客戶流失預(yù)警模型中，若某變量對(duì)流失概率的解釋力較低（P>0.1），則可考慮使用______方法進(jìn)行篩選。8.在處理閔行區(qū)某工業(yè)園區(qū)企業(yè)用電數(shù)據(jù)時(shí)，若需檢測(cè)是否存在異常用電行為，常用的統(tǒng)計(jì)檢驗(yàn)方法是______檢驗(yàn)。9.光大銀行閔行分行希望評(píng)估某營(yíng)銷活動(dòng)對(duì)客戶存款增長(zhǎng)的影響，最適合使用的分析方法為_(kāi)_____。10.在構(gòu)建閔行區(qū)個(gè)人信用評(píng)分模型時(shí)，若某客戶的“歷史逾期次數(shù)”為0，則該變量屬于______型數(shù)據(jù)。三、簡(jiǎn)答題（共3題，每題10分，共30分）11.光大銀行閔行分行某網(wǎng)點(diǎn)近期信用卡交易量下降，請(qǐng)簡(jiǎn)述如何通過(guò)數(shù)據(jù)分析找出可能的原因，并說(shuō)明需要關(guān)注哪些關(guān)鍵指標(biāo)。12.在分析閔行區(qū)小微企業(yè)貸款數(shù)據(jù)時(shí)，若發(fā)現(xiàn)部分企業(yè)的“貸款利率”與其“經(jīng)營(yíng)年限”呈負(fù)相關(guān)，請(qǐng)解釋可能的原因并提出改進(jìn)建議。13.光大銀行閔行分行希望優(yōu)化客戶分層運(yùn)營(yíng)策略，請(qǐng)說(shuō)明如何通過(guò)聚類分析實(shí)現(xiàn)客戶細(xì)分，并列舉至少三種針對(duì)不同客戶群體的運(yùn)營(yíng)方案。四、計(jì)算題（共2題，每題15分，共30分）14.某光大銀行閔行分行網(wǎng)點(diǎn)2024年9月至12月的日交易數(shù)據(jù)如下表：|月份|平均交易筆數(shù)|人均交易額（元）|||--|||9月|1200|850||10月|1350|900||11月|1100|820||12月|1500|950|（1）計(jì)算10月和12月的環(huán)比增長(zhǎng)率；（2）若假設(shè)交易筆數(shù)和人均交易額與網(wǎng)點(diǎn)活躍度正相關(guān)，請(qǐng)簡(jiǎn)述如何評(píng)估該網(wǎng)點(diǎn)活躍度的變化趨勢(shì)。15.某光大銀行閔行分行收集了200家小微企業(yè)的貸款數(shù)據(jù)，其中“企業(yè)規(guī)模”（大、中、?。┡c“信貸違約率”（%）如下表：|企業(yè)規(guī)模|違約率（%）|樣本量||-|-|--||大|2.5|60||中|5.0|80||小|8.0|60|（1）計(jì)算各規(guī)模企業(yè)的違約率均值；（2）若需檢驗(yàn)企業(yè)規(guī)模與違約率是否存在顯著差異，請(qǐng)說(shuō)明假設(shè)檢驗(yàn)的步驟。五、論述題（1題，20分）16.光大銀行閔行分行計(jì)劃推出“個(gè)性化理財(cái)產(chǎn)品推薦系統(tǒng)”，請(qǐng)結(jié)合數(shù)據(jù)分析方法，說(shuō)明如何通過(guò)客戶行為數(shù)據(jù)實(shí)現(xiàn)精準(zhǔn)推薦，并分析可能面臨的挑戰(zhàn)及解決方案。答案及解析一、選擇題答案1.B（標(biāo)準(zhǔn)差檢驗(yàn)可快速識(shí)別異常值，適用于初步波動(dòng)檢測(cè)）2.C（K-means聚類通過(guò)距離度量將客戶分為不同群體，適合挖掘細(xì)分行為）3.B（Lasso回歸可通過(guò)正則化篩選弱相關(guān)變量，避免模型過(guò)擬合）4.B（回歸系數(shù)可量化交易對(duì)活躍度的相對(duì)貢獻(xiàn)）5.B（決策樹(shù)能處理非線性關(guān)系，適合分類場(chǎng)景）二、填空題答案6.連續(xù)（線性關(guān)系表明變量數(shù)值連續(xù)變化）7.逐步回歸（篩選低解釋力變量）8.Grubbs（檢測(cè)單側(cè)異常值）9.雙重差分法（評(píng)估活動(dòng)干預(yù)效果）10.定性（逾期次數(shù)為離散分類數(shù)據(jù)）三、簡(jiǎn)答題解析11.原因分析：-宏觀因素：區(qū)域經(jīng)濟(jì)波動(dòng)、政策調(diào)整（如利率變化）-網(wǎng)點(diǎn)因素：人員流動(dòng)、營(yíng)銷活動(dòng)缺失、設(shè)備故障-客戶因素：信用政策收緊導(dǎo)致拒絕率上升關(guān)鍵指標(biāo)：交易量、客單價(jià)、客戶留存率、營(yíng)銷活動(dòng)覆蓋率12.可能原因：-企業(yè)經(jīng)營(yíng)年限短，抗風(fēng)險(xiǎn)能力弱，主動(dòng)降低貸款利率以維持現(xiàn)金流-銀行對(duì)初創(chuàng)企業(yè)貸款設(shè)置差異化定價(jià)策略改進(jìn)建議：-結(jié)合“經(jīng)營(yíng)年限”與其他變量（如流水、納稅額）構(gòu)建綜合評(píng)分模型-對(duì)新企業(yè)實(shí)施動(dòng)態(tài)利率調(diào)整機(jī)制13.聚類分析步驟：-標(biāo)準(zhǔn)化數(shù)據(jù)（如交易額、年齡、負(fù)債率）-選擇K-means或?qū)哟尉垲?根據(jù)客戶特征分層（如“高消費(fèi)潛力型”“穩(wěn)健理財(cái)型”）運(yùn)營(yíng)方案：-高潛力型：推薦信貸產(chǎn)品，提供消費(fèi)分期優(yōu)惠-穩(wěn)健型：推送定期存款、理財(cái)組合四、計(jì)算題解析14.（1）環(huán)比增長(zhǎng)率：-10月交易筆數(shù)環(huán)比增長(zhǎng)：（1350-1200）/1200=12.5%-10月人均交易額環(huán)比增長(zhǎng)：（900-850）/850=5.9%-12月交易筆數(shù)環(huán)比增長(zhǎng)：（1500-1100）/1100=36.4%-12月人均交易額環(huán)比增長(zhǎng)：（950-820）/820=16.1%（2）活躍度評(píng)估：-構(gòu)建活躍度指數(shù)=α×交易筆數(shù)+β×人均交易額（α、β為權(quán)重）-動(dòng)態(tài)對(duì)比環(huán)比增長(zhǎng)率判斷趨勢(shì)15.（1）均值計(jì)算：-大企業(yè)違約率=2.5×60/200=7.5%-中企業(yè)=5.0×80/200=20.0%-小企業(yè)=8.0×60/200=24.0%（2）假設(shè)檢驗(yàn)：-原假設(shè)：各規(guī)模違約率無(wú)差異（H0）-計(jì)算F值或卡方檢驗(yàn)，若P<0.05則拒絕H0五、論述題解析推薦系統(tǒng)構(gòu)建：1.數(shù)據(jù)采集：客戶交易流水、產(chǎn)品偏好、生命周