光大銀行重慶市沙坪壩區(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，合計10分）1.在光大銀行重慶市分行進行客戶流失預測時，最適合使用的分類算法是？A.線性回歸B.決策樹C.K-近鄰（KNN）D.神經(jīng)網(wǎng)絡2.某分析師使用Python的Pandas庫處理光大銀行重慶沙坪壩支行的信用卡交易數(shù)據(jù)，發(fā)現(xiàn)部分金額字段存在缺失值，以下哪種方法最適合填充缺失值？A.使用均值填充B.使用中位數(shù)填充C.使用眾數(shù)填充D.直接刪除缺失值行3.光大銀行重慶市分行希望評估某營銷活動的效果，最適合使用的分析模型是？A.線性回歸B.邏輯回歸C.聚類分析D.關聯(lián)規(guī)則挖掘4.在處理光大銀行重慶沙坪壩區(qū)小微企業(yè)的信貸數(shù)據(jù)時，以下哪個指標最能反映企業(yè)的償債能力？A.流動比率B.資產(chǎn)負債率C.凈利潤率D.成本收入比5.光大銀行重慶市沙坪壩區(qū)客戶經(jīng)理發(fā)現(xiàn)某客戶群體（年齡25-35歲，收入中等）的存款增長率較低，以下哪種分析方法最適合探究原因？A.A/B測試B.用戶畫像分析C.時間序列分析D.因子分析二、填空題（共5題，每題2分，合計10分）1.在光大銀行重慶市分行進行客戶信用評分時，常用的評估模型是__________。（答案：邏輯回歸模型）2.使用Python進行數(shù)據(jù)清洗時，刪除重復值的函數(shù)是__________。（答案：drop_duplicates）3.光大銀行重慶沙坪壩區(qū)信用卡用戶行為分析中，衡量用戶活躍度的指標是__________。（答案：活躍用戶數(shù)）4.在光大銀行重慶市分行進行市場細分時，常用的聚類算法是__________。（答案：K-Means聚類）5.光大銀行重慶沙坪壩區(qū)網(wǎng)點客流分析中，預測未來客流量最常用的模型是__________。（答案：ARIMA模型）三、簡答題（共3題，每題10分，合計30分）1.簡述光大銀行重慶市沙坪壩區(qū)在進行客戶流失預警時，如何設計特征工程？參考答案：-數(shù)據(jù)收集：收集客戶基本信息（年齡、職業(yè)、收入）、交易行為（存款、貸款、信用卡使用頻率）、服務使用情況（網(wǎng)銀活躍度、網(wǎng)點到訪次數(shù)）等數(shù)據(jù)。-特征構建：-構建客戶價值指標（如客戶生命周期價值CLV、最近一次交易時間LTV）。-構建行為指標（如交易頻率、異常交易行為）。-構建服務指標（如投訴次數(shù)、服務滿意度）。-特征篩選：使用相關性分析、遞歸特征消除（RFE）等方法篩選重要特征。-特征轉換：對分類變量進行獨熱編碼，對連續(xù)變量進行標準化或歸一化。2.光大銀行重慶市沙坪壩區(qū)某網(wǎng)點存款增長緩慢，如何通過數(shù)據(jù)分析找出原因？參考答案：-數(shù)據(jù)分層：按客戶類型（個人/企業(yè)）、年齡、收入等維度分析存款分布。-競品分析：對比周邊銀行存款利率、產(chǎn)品吸引力。-渠道分析：檢查網(wǎng)點服務效率、線上渠道轉化率。-客戶調(diào)研：通過問卷或訪談了解客戶需求，結合數(shù)據(jù)分析驗證假設。3.光大銀行重慶市分行希望優(yōu)化信貸審批流程，如何利用數(shù)據(jù)分析提升效率？參考答案：-構建信貸評分模型：使用邏輯回歸或XGBoost預測違約概率。-自動化審批：對低風險客戶實現(xiàn)自動審批，高風險客戶轉人工審核。-實時監(jiān)控：通過異常檢測算法識別欺詐申請。-模型優(yōu)化：定期使用新數(shù)據(jù)重新訓練模型，確保準確率。四、編程題（共2題，每題15分，合計30分）1.假設你已獲取光大銀行重慶市沙坪壩區(qū)信用卡用戶的交易數(shù)據(jù)（CSV格式），包含字段：`用戶ID`、`交易時間`、`交易金額`、`交易類型`（消費/取現(xiàn)）。請用Python（Pandas庫）完成以下任務：-（5分）統(tǒng)計每日總交易金額，并繪制折線圖。-（5分）計算每用戶的平均交易金額，并按金額從高到低排序。-（5分）找出交易金額最高的前10個用戶，并輸出其用戶ID和總交易金額。參考代碼：pythonimportpandasaspdimportmatplotlib.pyplotasplt讀取數(shù)據(jù)data=pd.read_csv('transactions.csv',parse_dates=['交易時間'])data.set_index('交易時間',inplace=True)統(tǒng)計每日總交易金額daily_total=data.groupby(data.index.date)['交易金額'].sum()daily_total.plot(title='每日總交易金額')plt.show()計算每用戶平均交易金額user_avg=data.groupby('用戶ID')['交易金額'].mean().sort_values(ascending=False)交易金額最高的前10個用戶top10_users=data.groupby('用戶ID')['交易金額'].sum().nlargest(10)print(top10_users)2.光大銀行重慶市分行希望分析客戶的消費偏好，現(xiàn)有數(shù)據(jù)包含字段：`用戶ID`、`商品類別`（餐飲/購物/娛樂）、`消費金額`。請用Python（Pandas庫）完成以下任務：-（5分）統(tǒng)計各商品類別的總消費金額，并繪制餅圖。-（5分）計算每用戶的消費頻次（相同商品類別多次消費算作一次），并按頻次從高到低排序。-（5分）找出消費金額最高的商品類別，并統(tǒng)計該類別中消費金額最高的前5個用戶。參考代碼：pythonimportpandasaspdimportmatplotlib.pyplotasplt讀取數(shù)據(jù)data=pd.read_csv('consumer.csv')統(tǒng)計各商品類別的總消費金額category_total=data.groupby('商品類別')['消費金額'].sum()category_total.plot(kind='pie',autopct='%1.1f%%',title='各商品類別消費占比')plt.show()計算每用戶的消費頻次user_frequency=data.groupby(['用戶ID','商品類別']).size().groupby('用戶ID').count().sort_values(ascending=False)消費金額最高的商品類別top_category=category_total.idxmax()top_users=data[data['商品類別']==top_category].groupby('用戶ID')['消費金額'].sum().nlargest(5)print(top_users)五、綜合分析題（共1題，20分）光大銀行重慶市沙坪壩區(qū)希望分析網(wǎng)點客流與周邊商業(yè)環(huán)境的關系，現(xiàn)有數(shù)據(jù)包含字段：-`日期`、`客流量`（人次）、`天氣`（晴/陰/雨）、`周邊商業(yè)指數(shù)`（0-10分）、`是否節(jié)假日`（是/否）。請回答以下問題：1.分析客流量與天氣、商業(yè)指數(shù)、節(jié)假日的關系，并用相關性分析或回歸模型解釋。2.假設某日天氣預報為雨天，商業(yè)指數(shù)為6，是否節(jié)假日，請預測該日客流量（給出具體方法和結果）。參考答案：1.相關性分析：-使用Pandas計算各變量與客流量的相關系數(shù)，發(fā)現(xiàn)：-商業(yè)指數(shù)與客流量正相關（系數(shù)約0.7）。-天氣中“雨”天客流量最低（可分組對比）。-節(jié)假日客流量顯著高于工作日。-回歸模型（如線性回歸）：pythonimportstatsmodels.apiassmfromsklearn.model_selectionimporttrain_test_split處理數(shù)據(jù)data['天氣']=data['天氣'].map({'晴':1,'陰':0.5,'雨':0})data['是否節(jié)假日']=data['是否節(jié)假日'].map({'是':1,'否':0})X=data[['商業(yè)指數(shù)','天氣','是否節(jié)假日']]y=data['客流量']X=sm.add_constant(X)#添加常數(shù)項擬合模型model=sm.OLS(y,X).fit()print(model.su