建設(shè)銀行2025年汕頭市數(shù)據(jù)分析師筆試題及答案一、基礎(chǔ)理論題（每題5分，共25分）1.某支行2024年1-6月個人存款余額分別為（單位：億元）：12.3、13.1、14.2、15.5、16.8、18.2。請計算該序列的移動平均（窗口=3）和指數(shù)平滑值（α=0.3，初始值取前3期均值），并說明兩種方法在趨勢預(yù)測中的差異。答案：移動平均（窗口=3）計算如下：第3期：(12.3+13.1+14.2)/3=13.20第4期：(13.1+14.2+15.5)/3=14.27第5期：(14.2+15.5+16.8)/3=15.50第6期：(15.5+16.8+18.2)/3=16.83指數(shù)平滑值（α=0.3，初始值S?=(12.3+13.1+14.2)/3=13.20）：S?=0.3×12.3+0.7×13.20=12.93S?=0.3×13.1+0.7×12.93=12.98S?=0.3×14.2+0.7×12.98=13.33S?=0.3×15.5+0.7×13.33=14.03S?=0.3×16.8+0.7×14.03=14.98S?=0.3×18.2+0.7×14.98=16.05差異：移動平均對近期數(shù)據(jù)等權(quán)處理，適用于平穩(wěn)序列；指數(shù)平滑通過α賦予近期數(shù)據(jù)更高權(quán)重，對趨勢變化響應(yīng)更靈敏，適合存在緩慢趨勢的序列。2.某信用卡中心抽取1000名客戶，其中逾期客戶200名。在逾期客戶中，60%使用過分期業(yè)務(wù)；非逾期客戶中，40%使用過分期業(yè)務(wù)。請構(gòu)建混淆矩陣并計算精確率（Precision）和召回率（Recall）。答案：混淆矩陣：實(shí)際逾期（正類）：200人，其中預(yù)測正確（TP）=200×60%=120人，預(yù)測錯誤（FN）=200-120=80人實(shí)際非逾期（負(fù)類）：800人，其中預(yù)測錯誤（FP）=800×40%=320人，預(yù)測正確（TN）=800-320=480人精確率=TP/(TP+FP)=120/(120+320)=27.27%召回率=TP/(TP+FN)=120/(120+80)=60%3.某分行開展“新客戶首年資產(chǎn)達(dá)標(biāo)”活動，隨機(jī)抽取A、B兩個網(wǎng)點(diǎn)各100名客戶，A網(wǎng)點(diǎn)達(dá)標(biāo)率35%，B網(wǎng)點(diǎn)達(dá)標(biāo)率42%。請用Z檢驗(yàn)判斷兩網(wǎng)點(diǎn)達(dá)標(biāo)率是否存在顯著差異（α=0.05）。答案：H?：p?=p?；H?：p?≠p?合并達(dá)標(biāo)率p=(35+42)/(100+100)=38.5%標(biāo)準(zhǔn)誤SE=√[p(1-p)(1/n?+1/n?)]=√[0.385×0.615×(2/100)]≈0.0687Z=(0.35-0.42)/0.0687≈-1.02|Z|=1.02<1.96（α=0.05雙側(cè)臨界值），不拒絕原假設(shè)，兩網(wǎng)點(diǎn)達(dá)標(biāo)率無顯著差異。4.解釋“辛普森悖論”在銀行數(shù)據(jù)中的典型表現(xiàn)，并舉例說明。答案：辛普森悖論指分組數(shù)據(jù)與整體數(shù)據(jù)趨勢相反的現(xiàn)象。例如，某分行按客戶類型分組：高凈值客戶中，A產(chǎn)品滲透率（40%）低于B產(chǎn)品（50%）；普通客戶中，A產(chǎn)品滲透率（30%）也低于B產(chǎn)品（35%）。但整體數(shù)據(jù)中，因高凈值客戶占比更高（60%），A產(chǎn)品整體滲透率=40%×60%+30%×40%=36%，B產(chǎn)品=50%×60%+35%×40%=44%，趨勢一致；若調(diào)整占比（高凈值客戶占比20%），A產(chǎn)品=40%×20%+30%×80%=32%，B產(chǎn)品=50%×20%+35%×80%=38%，仍一致。若某場景下分組趨勢與整體相反（如A產(chǎn)品分組均低，但整體更高），即出現(xiàn)辛普森悖論，需警惕數(shù)據(jù)分組方式對結(jié)論的影響。5.簡述時間序列分解中“季節(jié)調(diào)整”的核心步驟，并說明其對銀行信貸預(yù)測的意義。答案：核心步驟：①確定季節(jié)周期（如12個月）；②計算各期季節(jié)指數(shù)（如移動平均比率法）；③用原始序列除以季節(jié)指數(shù)得到季節(jié)調(diào)整后序列；④對調(diào)整后序列建模預(yù)測；⑤乘以對應(yīng)季節(jié)指數(shù)得到最終預(yù)測。意義：銀行信貸需求受季度性因素（如春節(jié)前企業(yè)備貨、年末沖刺）影響顯著，季節(jié)調(diào)整可分離趨勢和隨機(jī)波動，提升預(yù)測模型對長期趨勢的捕捉能力，避免誤將季節(jié)性波動判斷為趨勢變化。二、數(shù)據(jù)分析工具題（每題8分，共24分）6.某分行客戶表（ccb_customer）包含字段：客戶ID（cust_id）、注冊時間（reg_time）、所屬支行（branch）、月均AUM（aum）、是否為代發(fā)工資戶（is_payroll，0/1）。請用SQL寫出：統(tǒng)計2024年各支行（branch）代發(fā)工資戶的數(shù)量、代發(fā)工資戶的AUM總和，以及代發(fā)工資戶AUM占該支行總AUM的比例（保留2位小數(shù)）。答案：SELECTbranch,COUNT(CASEWHENis_payroll=1THENcust_idEND)ASpayroll_count,SUM(CASEWHENis_payroll=1THENaumEND)ASpayroll_aum_sum,ROUND(SUM(CASEWHENis_payroll=1THENaumEND)/SUM(aum)100,2)ASpayroll_aum_ratioFROMccb_customerWHEREYEAR(reg_time)=2024GROUPBYbranch;7.某Excel表格中，A列是客戶姓名（可能重復(fù)），B列是產(chǎn)品購買時間（格式：2024-03-1514:30:00），C列是產(chǎn)品類型（信用卡/理財/貸款）。需統(tǒng)計“2024年每個季度，每個客戶首次購買的產(chǎn)品類型”。請寫出操作步驟（函數(shù)或數(shù)據(jù)透視表均可）。答案：步驟1：在D列提取購買季度：=IF(MONTH(B2)<=3,"Q1",IF(MONTH(B2)<=6,"Q2",IF(MONTH(B2)<=9,"Q3","Q4")))步驟2：按客戶姓名（A列）和季度（D列）排序，保持產(chǎn)品購買時間（B列）升序；步驟3：在E列標(biāo)記首次購買：=IF(A2=A1且D2=D1,"重復(fù)","首次")（需調(diào)整為精確公式：=IF(COUNTIFS(A$2:A2,A2,D$2:D2,D2)=1,"首次","重復(fù)")）；步驟4：篩選E列為“首次”的記錄，數(shù)據(jù)透視表行標(biāo)簽選“客戶姓名”和“季度”，值字段選“產(chǎn)品類型”（顯示方式為“最大值”或“最小值”，因已排序，首次記錄在最前）；或使用PowerQuery：按客戶和季度分組，按時間升序排序后取第一條記錄。8.某支行用Python分析客戶流失數(shù)據(jù)，數(shù)據(jù)集包含10000條記錄，其中“月活躍天數(shù)”（active_days）字段有15%的缺失值。請設(shè)計至少3種處理缺失值的方法，并說明在銀行場景下的適用性。答案：方法1：均值/中位數(shù)填充。計算非缺失值的均值（如22天）或中位數(shù)（20天）填充。適用于缺失值無特殊業(yè)務(wù)含義（如系統(tǒng)記錄錯誤），且變量分布接近正態(tài)時。方法2：分組填充。按客戶類型（如代發(fā)工資戶/非代發(fā)）分組，計算各組均值填充。銀行客戶行為差異大，分組填充可保留群體特征（如代發(fā)戶月活躍天數(shù)通常更高）。方法3：模型預(yù)測填充。以“月活躍天數(shù)”為目標(biāo)變量，其他變量（如AUM、交易筆數(shù)）為特征，訓(xùn)練回歸模型預(yù)測缺失值。適用于缺失值與其他變量存在顯著相關(guān)性（如高AUM客戶活躍天數(shù)可能更多），需確保模型精度。方法4：刪除缺失行。若缺失率<5%可直接刪除，但本題缺失率15%，刪除會損失較多信息，不建議。三、業(yè)務(wù)場景分析題（每題12分，共36分）9.建設(shè)銀行汕頭分行擬對零售客戶進(jìn)行分層經(jīng)營，現(xiàn)有數(shù)據(jù)包括：年齡、月收入、AUM、近1年信用卡消費(fèi)額、房貸余額、是否持有理財/基金/保險產(chǎn)品。請設(shè)計客戶分層指標(biāo)體系，并說明各層的運(yùn)營策略。答案：分層指標(biāo)體系：（1）基礎(chǔ)維度：AUM（核心指標(biāo)），分為私行客戶（AUM≥800萬）、財富客戶（300萬≤AUM<800萬）、潛力客戶（50萬≤AUM<300萬）、大眾客戶（AUM<50萬）。（2）行為維度：近1年信用卡消費(fèi)額（高/中/低）、持有產(chǎn)品數(shù)量（綜合金融覆蓋度）。（3）風(fēng)險維度：房貸余額占收入比（≤50%為低負(fù)債，>50%為高負(fù)債）。運(yùn)營策略：私行客戶：提供專屬客戶經(jīng)理、家族信托、海外資產(chǎn)配置等定制化服務(wù)，重點(diǎn)維護(hù)高凈值關(guān)系；財富客戶：推送私募股權(quán)、高端保險等產(chǎn)品，組織企業(yè)家沙龍拓展交叉銷售；潛力客戶：通過基金定投、短期理財培養(yǎng)理財習(xí)慣，提升AUM；大眾客戶：優(yōu)化手機(jī)銀行體驗(yàn)，推廣小額信用貸、快捷支付，提高活躍度；高消費(fèi)低AUM客戶（如年輕白領(lǐng)）：推薦分期業(yè)務(wù)、消費(fèi)貸，挖掘增長潛力；高負(fù)債客戶：提示財務(wù)健康度，推薦債務(wù)重組方案，防范逾期風(fēng)險。10.某支行信用卡逾期率（逾期>30天）較年初上升2個百分點(diǎn)，需通過數(shù)據(jù)分析定位原因。請列出至少5個分析維度，并說明每個維度的具體分析方法。答案：維度1：客群結(jié)構(gòu)變化。對比年初與當(dāng)前新發(fā)卡客戶的年齡分布（如25歲以下占比是否上升）、職業(yè)類型（自由職業(yè)者占比）、征信評分分布（低評分客戶占比），使用卡方檢驗(yàn)判斷客群差異是否顯著。維度2：產(chǎn)品政策調(diào)整。分析是否放寬進(jìn)件門檻（如降低收入證明要求）、提額策略變化（大額臨時額度占比），計算不同產(chǎn)品（標(biāo)準(zhǔn)卡/車主卡）的逾期率變化。維度3：外部環(huán)境影響。關(guān)聯(lián)汕頭地區(qū)GDP增速、失業(yè)率數(shù)據(jù)，分析逾期率與宏觀經(jīng)濟(jì)的相關(guān)性；結(jié)合本地臺風(fēng)、疫情等事件，查看受影響區(qū)域客戶的逾期率是否異常。維度4：還款渠道問題。統(tǒng)計手機(jī)銀行還款成功率（如系統(tǒng)升級導(dǎo)致失敗率上升）、自動扣款簽約率（未簽約客戶逾期率是否更高），對比不同渠道的還款及時性。維度5：催收策略效果。分析催收響應(yīng)率（聯(lián)系上客戶的比例）、首催回收率（首次催收后還款金額），若響應(yīng)率下降可能因客戶聯(lián)系方式變更，回收率下降可能需調(diào)整話術(shù)。11.建設(shè)銀行汕頭分行計劃為小微企業(yè)提供“科創(chuàng)貸”產(chǎn)品，需建立貸款違約預(yù)測模型?，F(xiàn)有數(shù)據(jù)包括：企業(yè)成立年限、注冊資本、年營收、研發(fā)投入占比、專利數(shù)量、實(shí)際控制人征信評分、是否為高新技術(shù)企業(yè)、近1年納稅額。請設(shè)計特征工程步驟，并說明選擇模型時需考慮的業(yè)務(wù)約束。答案：特征工程步驟：（1）數(shù)據(jù)清洗：處理異常值（如注冊資本為0，可能為錄入錯誤）、缺失值（研發(fā)投入占比缺失可填充行業(yè)均值）；（2）特征構(gòu)造：計算“研發(fā)投入/年營收”（創(chuàng)新強(qiáng)度）、“專利數(shù)量/成立年限”（年均專利產(chǎn)出）、“納稅額/年營收”（稅負(fù)率）；（3）特征分箱：將成立年限分為<3年（高風(fēng)險）、3-5年（中風(fēng)險）、>5年（低風(fēng)險）；注冊資本按行業(yè)分位數(shù)分箱（如低于行業(yè)25%為低資本）；（4）特征篩選：用IV值（信息價值）評估變量預(yù)測能力（如實(shí)際控制人征信評分IV>0.3為強(qiáng)預(yù)測變量），刪除多重共線性變量（如年營收與納稅額相關(guān)系數(shù)>0.8時保留其一）。業(yè)務(wù)約束：（1）可解釋性：銀行需向監(jiān)管和客戶說明拒貸原因，優(yōu)先選擇邏輯回歸、決策樹等可解釋模型，避免黑箱模型（如深度神經(jīng)網(wǎng)絡(luò)）；（2）穩(wěn)定性：模型需適應(yīng)小微企業(yè)數(shù)據(jù)波動（如年營收受訂單影響大），需測試跨時間驗(yàn)證（OOT測試），確保不同時間段表現(xiàn)一致；（3）政策導(dǎo)向：高新技術(shù)企業(yè)可能有政策傾斜，模型需設(shè)置政策權(quán)重（如高新技術(shù)企業(yè)違約概率閾值可放寬5%）；（4）計算效率：小微企業(yè)數(shù)量多，模型需支持批量快速預(yù)測，避免計算復(fù)雜度高的模型（如隨機(jī)森林深度不宜過深）。四、編程實(shí)操題（25分）12.用Python完成以下任務(wù)（數(shù)據(jù)路徑：./ccb_data.csv，字段：cust_id,age,income,aum,credit_loan_balance,deposit_balance,is_default（0/1））：（1）讀取數(shù)據(jù)并查看缺失值分布，對“income”字段缺失值用隨機(jī)森林回歸填充；（2）計算“aum/deposit_balance”（若deposit_balance=0則置為0），并將“credit_loan_balance”按分位數(shù)分為低/中/高3組；（3）構(gòu)建邏輯回歸模型預(yù)測is_default，要求：劃分訓(xùn)練集（70%）和測試集（30%），標(biāo)準(zhǔn)化連續(xù)變量，輸出混淆矩陣和F1分?jǐn)?shù)；（4）解釋模型中“age”變量的系數(shù)含義，并提出優(yōu)化模型的2個方法。答案：（1）缺失值處理代碼：```pythonimportpandasaspdfromsklearn.ensembleimportRandomForestRegressordata=pd.read_csv('./ccb_data.csv')print("缺失值分布：\n",data.isnull().sum())分離income缺失和非缺失數(shù)據(jù)missing=data[data['income'].isnull()]non_missing=data[data['income'].notnull()]特征選擇（排除cust_id和is_default）features=['age','aum','credit_loan_balance','deposit_balance']X_train=non_missing[features]y_train=non_missing['income']X_test=missing[features]訓(xùn)練隨機(jī)森林回歸模型rf=RandomForestRegressor(n_estimators=100,random_state=42)rf.fit(X_train,y_train)missing['income']=rf.predict(X_test)合并數(shù)據(jù)data_filled=pd.concat([non_missing,missing],axis=0)```（2）特征工程代碼：```python計算aum/deposit_balancedata_filled['aum_deposit_ratio']=data_filled.apply(lambdarow:row['aum']/row['deposit_balance']ifrow['deposit_balance']!=0else0,axis=1)分箱credit_loan_balancedata_filled['loan_group']=pd.qcut(data_filled['credit_loan_balance'],q=3,labels=['低','中','高'])```（3）模型構(gòu)建代碼：```pythonfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardScalerfromsklearn.linear_modelimportLogisticRegressionfromsklearn.metricsimportconfusion_matrix,f1_score選擇特征（排除cust_id和loan_group字符串類型）X=data_filled[['age','income','aum','credit_loan_balance','deposit_balance','aum_deposit_