2025年建设银行新余市数据分析师笔试题及答案

2025年建设银行新余市数据分析师笔试题及答案本文基于近年相关经典题库，通过专业模型学习创作而成，力求帮助考生深入理解题型，提升应试能力。#2025年建设银行新余市数据分析师笔试题及答案一、选择题（共10题，每题2分，合计20分）题目1.以下哪个指标不属于银行客户流失预警模型的常用评估指标？-A.AUC（AreaUndertheCurve）-B.F1-score-C.LogLoss-D.客户留存率2.新余市某商圈的商户消费数据显示，2024年第一季度与去年同期相比有明显下滑，但二季度迅速反弹。造成这种现象的可能原因是：-A.春节假期导致消费集中释放-B.商圈进行大规模促销活动-C.新余市产业结构调整导致居民收入下降-D.以上都是3.建设银行新余分行的信贷数据中，客户年龄分布呈现右偏态分布，最适合的描述性统计量是：-A.均值-B.中位数-C.众数-D.标准差4.以下哪种数据预处理方法适用于处理缺失值比例较高的数据集？-A.删除含有缺失值的行-B.使用均值/中位数/众数填充-C.KNN填充-D.以上都是5.在进行银行客户信用评分建模时，以下哪个变量属于典型的非线性关系变量？-A.客户年龄-B.账户余额-C.婚姻状况-D.信用历史长度6.新余市建设银行某网点发现，周末的交易量显著高于工作日。如果要对这一现象进行归因分析，以下哪种方法最合适？-A.留存分析-B.用户画像分析-C.A/B测试-D.因果推断7.以下哪个SQL语句可以正确统计新余市建设银行2024年每个月的贷款审批通过率？sqlSELECTMONTH(apply_date)ASmonth,ROUND(COUNT(accepted_loans)*1.0/COUNT(apply_loans),4)ASapproval_rateFROMloanApplicationsWHEREprovince='江西'ANDcity='新余'ANDYEAR(apply_date)=2024GROUPBYmonthORDERBYmonth;8.在银行数据仓库中，以下哪个概念描述的是将多个业务系统的数据整合到统一的数据存储中？-A.数据挖掘-B.数据湖-C.数据集成-D.数据清洗9.新余市建设银行发现某类信用卡用户的逾期率突然上升，为了分析原因，最适合采用的分析方法是什么？-A.描述性统计分析-B.关联规则挖掘-C.时间序列分析-D.聚类分析10.在进行银行客户细分时，以下哪种算法不属于非监督学习方法？-A.K-Means聚类-B.DBSCAN聚类-C.决策树分类-D.层次聚类答案1.D2.D3.B4.D5.B6.B7.SQL语句语法有误，正确的写法应为：sqlSELECTEXTRACT(MONTHFROMapply_date)ASmonth,ROUND(COUNT(CASEWHENstatus='approved'THEN1END)*1.0/COUNT(*)ASapproval_rate)FROMloan_applicationsWHEREprovince='江西'ANDcity='新余'ANDEXTRACT(YEARFROMapply_date)=2024GROUPBYmonthORDERBYmonth;答案：SQL语句需修改8.C9.C10.C二、填空题（共5题，每题2分，合计10分）题目1.在进行银行客户流失预测时，如果模型的预测结果与实际结果存在系统性偏差，说明模型存在__________问题。2.新余市建设银行某网点2024年第一季度信用卡交易量环比下降15%，二季度环比上升20%，其季度环比增长率分别为__________和__________。3.银行数据仓库中，ODS（OperationalDataStore）层通常存放的是__________数据。4.在进行银行客户信用评分时，常用的评分卡模型中，分数与信用风险呈__________关系。5.如果某银行客户在2024年1月、3月和5月都办理了贷款，但在2月和4月没有办理贷款，那么其贷款办理的频率为__________次/月。答案1.偏差2.-15%，20%3.原始业务4.负相关5.1三、简答题（共3题，每题10分，合计30分）题目1.简述银行客户流失预警模型的建设流程，并说明每个阶段的关键步骤。2.在分析新余市建设银行某类信用卡用户的消费行为时，如何通过SQL查询获取用户的月均消费金额、消费频率（每月消费次数）和最高消费金额？3.银行数据仓库中，DW（DataWarehouse）层和DM（DataMart）层的区别是什么？在新余市建设银行的数据分析实践中，如何应用这两个层次？答案1.银行客户流失预警模型的建设流程及关键步骤（1）需求分析与数据准备阶段-关键步骤：-与业务部门沟通，明确流失预警的目标（如流失定义、预警时间窗口等）-收集相关数据（客户基本信息、交易数据、行为数据等）-进行数据清洗和预处理（处理缺失值、异常值，统一数据格式等）-初步探索性分析（描述性统计、相关性分析等）（2）特征工程阶段-关键步骤：-根据业务知识和数据分析结果，构建潜在的特征变量-特征筛选（使用统计方法或模型选择特征）-特征转换（如标准化、归一化、离散化等）-特征降维（如PCA、LDA等方法）（3）模型选择与训练阶段-关键步骤：-选择合适的分类算法（如逻辑回归、决策树、XGBoost等）-划分训练集和测试集-使用训练集训练模型-调整模型参数（如网格搜索、贝叶斯优化等）（4）模型评估与优化阶段-关键步骤：-使用测试集评估模型性能（AUC、F1-score、Precision等）-分析模型偏差和方差-回归特征重要性-根据评估结果调整模型或特征（5）模型部署与监控阶段-关键步骤：-将模型部署到生产环境-建立模型监控机制（定期评估模型性能，及时发现模型衰减）-根据业务变化调整模型2.SQL查询获取用户月均消费金额、消费频率和最高消费金额sqlSELECTuser_id,EXTRACT(YEARFROMtransaction_date)ASyear,EXTRACT(MONTHFROMtransaction_date)ASmonth,ROUND(SUM(transaction_amount)/NULLIF(COUNT(transaction_id),0),2)ASavg_monthly_consumption,COUNT(transaction_id)ASconsumption_frequency,MAX(transaction_amount)ASmax_consumptionFROMcredit_card_transactionsWHEREuser_idISNOTNULLANDtransaction_dateBETWEEN'2024-01-01'AND'2024-12-31'GROUPBYuser_id,year,monthORDERBYuser_id,year,month;解析：-`SUM(transaction_amount)`：计算每月总消费金额-`COUNT(transaction_id)`：计算每月消费次数-`ROUND(SUM(transaction_amount)/NULLIF(COUNT(transaction_id),0),2)`：计算月均消费金额（处理消费次数为0的情况）-`MAX(transaction_amount)`：计算每月最高消费金额-`GROUPBYuser_id,year,month`：按用户ID和月份分组3.银行数据仓库中DW层和DM层的区别及新余市建设银行的应用DW（DataWarehouse）层和DM（DataMart）层的区别：-DW（数据仓库）层：-功能：存储整合自多个业务系统的数据，进行全局性分析。数据是主题化的，面向整个企业。-特点：数据量大、粒度较粗、更新频率较低（通常为每天或每周）。-新余市建设银行应用：可用于全局客户分析、市场趋势分析、风险监控等。-DM（数据集市）层：-功能：针对特定业务部门或主题的细分数据集合，方便部门级分析。-特点：数据量相对较小、粒度较细、更新频率较高（实时或近实时）。-新余市建设银行应用：可用于信用卡部门分析用户消费行为、信贷部门分析客户信用风险、个人金融部门分析客户理财需求等。新余市建设银行的应用场景：-DW层：用于存储全行交易数据、客户基础数据等，支持跨部门、跨业务线的综合分析。例如，通过DW层数据可以分析新余市不同区域的客户分布特征。-DM层：用于支持具体业务部门的分析需求。例如，信用卡数据集市可以快速响应新余市信用卡营销活动的效果分析。四、综合分析题（共1题，20分）题目新余市建设银行某网点2024年信用卡业务数据显示，年轻客户（年龄≤30岁）的逾期率显著高于中年客户（31≤年龄≤50岁）和老客户（年龄>50岁）。请设计一个分析方案，解释这一现象的可能原因，并提出相应的业务建议。要求：1.分析可能的影响因素（至少列出5个）2.设计SQL查询获取相关数据3.提出至少3条业务建议答案1.可能的影响因素-收入稳定性：年轻客户收入水平相对较低，且职业发展处于不稳定阶段，抗风险能力较弱。-消费习惯：年轻客户更倾向于超前消费，且对信用卡的还款规则了解不够充分。-信用意识：年轻客户信用意识相对薄弱，对逾期后果的重视程度较低。-教育水平：教育水平与信用风险呈负相关，年轻客户的教育水平可能相对较低。-家庭负担：年轻客户可能处于恋爱、购房等阶段，家庭负担较重，还款压力较大。2.SQL查询获取相关数据sqlSELECTCASEWHENage<=30THEN'年轻客户'WHENageBETWEEN31AND50THEN'中年客户'ELSE'老客户'ENDAScustomer_age_group,COUNT(*)AStotal_customers,SUM(CASEWHENstatus='delinquent'THEN1ELSE0END)ASdelinquent_customers,ROUND(SUM(CASEWHENstatus='delinquent'THEN1ELSE0END)*1.0/COUNT(*)*100,2)ASdelinquency_rate,AVG(credit_limit)ASavg_credit_limit,AVG(balance)ASavg_balance,AVG(annual_income)ASavg_annual_incomeFROMcredit_card_customersWHEREapply_dateBETWEEN'2020-01-01'AND'2024-12-31'GROUPBYcustomer_age_groupORDERBYdelinquency_rateDESC;解析：-`CASEWHENage<=30THEN'年轻客户'...ELSE'老客户'END`：将客户按年龄分组-`SUM(CASEWHENstatus='delinquent'THEN1ELSE0END)`：计算每组客户的逾期人数-`AVG(credit_limit)`、`AVG(balance)`、`AVG(annual_income)`：计算每组客户的平均信用额度、平均账户余额和平均年收入3.业务建议-加强年轻客户信用教育：通过线上线下渠道，向年轻客户普及信用卡使用