建设银行2025年汕头市数据分析师笔试题及答案

建设银行2025年汕头市数据分析师笔试题及答案一、基础理论题（每题5分，共25分）1.某支行2024年1-6月个人存款余额分别为（单位：亿元）：12.3、13.1、14.2、15.5、16.8、18.2。请计算该序列的移动平均（窗口=3）和指数平滑值（α=0.3，初始值取前3期均值），并说明两种方法在趋势预测中的差异。答案：移动平均（窗口=3）计算如下：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指数平滑值（α=0.3，初始值S₀=(12.3+13.1+14.2)/3=13.20）：S₁=0.3×12.3+0.7×13.20=12.93S₂=0.3×13.1+0.7×12.93=12.98S₃=0.3×14.2+0.7×12.98=13.33S₄=0.3×15.5+0.7×13.33=14.03S₅=0.3×16.8+0.7×14.03=14.98S₆=0.3×18.2+0.7×14.98=16.05差异：移动平均对近期数据等权处理，适用于平稳序列；指数平滑通过α赋予近期数据更高权重，对趋势变化响应更灵敏，适合存在缓慢趋势的序列。2.某信用卡中心抽取1000名客户，其中逾期客户200名。在逾期客户中，60%使用过分期业务；非逾期客户中，40%使用过分期业务。请构建混淆矩阵并计算精确率（Precision）和召回率（Recall）。答案：混淆矩阵：实际逾期（正类）：200人，其中预测正确（TP）=200×60%=120人，预测错误（FN）=200-120=80人实际非逾期（负类）：800人，其中预测错误（FP）=800×40%=320人，预测正确（TN）=800-320=480人精确率=TP/(TP+FP)=120/(120+320)=27.27%召回率=TP/(TP+FN)=120/(120+80)=60%3.某分行开展“新客户首年资产达标”活动，随机抽取A、B两个网点各100名客户，A网点达标率35%，B网点达标率42%。请用Z检验判断两网点达标率是否存在显著差异（α=0.05）。答案：H₀：p₁=p₂；H₁：p₁≠p₂合并达标率p=(35+42)/(100+100)=38.5%标准误SE=√[p(1-p)(1/n₁+1/n₂)]=√[0.385×0.615×(2/100)]≈0.0687Z=(0.35-0.42)/0.0687≈-1.02|Z|=1.02<1.96（α=0.05双侧临界值），不拒绝原假设，两网点达标率无显著差异。4.解释“辛普森悖论”在银行数据中的典型表现，并举例说明。答案：辛普森悖论指分组数据与整体数据趋势相反的现象。例如，某分行按客户类型分组：高净值客户中，A产品渗透率（40%）低于B产品（50%）；普通客户中，A产品渗透率（30%）也低于B产品（35%）。但整体数据中，因高净值客户占比更高（60%），A产品整体渗透率=40%×60%+30%×40%=36%，B产品=50%×60%+35%×40%=44%，趋势一致；若调整占比（高净值客户占比20%），A产品=40%×20%+30%×80%=32%，B产品=50%×20%+35%×80%=38%，仍一致。若某场景下分组趋势与整体相反（如A产品分组均低，但整体更高），即出现辛普森悖论，需警惕数据分组方式对结论的影响。5.简述时间序列分解中“季节调整”的核心步骤，并说明其对银行信贷预测的意义。答案：核心步骤：①确定季节周期（如12个月）；②计算各期季节指数（如移动平均比率法）；③用原始序列除以季节指数得到季节调整后序列；④对调整后序列建模预测；⑤乘以对应季节指数得到最终预测。意义：银行信贷需求受季度性因素（如春节前企业备货、年末冲刺）影响显著，季节调整可分离趋势和随机波动，提升预测模型对长期趋势的捕捉能力，避免误将季节性波动判断为趋势变化。二、数据分析工具题（每题8分，共24分）6.某分行客户表（ccb_customer）包含字段：客户ID（cust_id）、注册时间（reg_time）、所属支行（branch）、月均AUM（aum）、是否为代发工资户（is_payroll，0/1）。请用SQL写出：统计2024年各支行（branch）代发工资户的数量、代发工资户的AUM总和，以及代发工资户AUM占该支行总AUM的比例（保留2位小数）。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列是客户姓名（可能重复），B列是产品购买时间（格式：2024-03-1514:30:00），C列是产品类型（信用卡/理财/贷款）。需统计“2024年每个季度，每个客户首次购买的产品类型”。请写出操作步骤（函数或数据透视表均可）。答案：步骤1：在D列提取购买季度：=IF(MONTH(B2)<=3,"Q1",IF(MONTH(B2)<=6,"Q2",IF(MONTH(B2)<=9,"Q3","Q4")))步骤2：按客户姓名（A列）和季度（D列）排序，保持产品购买时间（B列）升序；步骤3：在E列标记首次购买：=IF(A2=A1且D2=D1,"重复","首次")（需调整为精确公式：=IF(COUNTIFS(A$2:A2,A2,D$2:D2,D2)=1,"首次","重复")）；步骤4：筛选E列为“首次”的记录，数据透视表行标签选“客户姓名”和“季度”，值字段选“产品类型”（显示方式为“最大值”或“最小值”，因已排序，首次记录在最前）；或使用PowerQuery：按客户和季度分组，按时间升序排序后取第一条记录。8.某支行用Python分析客户流失数据，数据集包含10000条记录，其中“月活跃天数”（active_days）字段有15%的缺失值。请设计至少3种处理缺失值的方法，并说明在银行场景下的适用性。答案：方法1：均值/中位数填充。计算非缺失值的均值（如22天）或中位数（20天）填充。适用于缺失值无特殊业务含义（如系统记录错误），且变量分布接近正态时。方法2：分组填充。按客户类型（如代发工资户/非代发）分组，计算各组均值填充。银行客户行为差异大，分组填充可保留群体特征（如代发户月活跃天数通常更高）。方法3：模型预测填充。以“月活跃天数”为目标变量，其他变量（如AUM、交易笔数）为特征，训练回归模型预测缺失值。适用于缺失值与其他变量存在显著相关性（如高AUM客户活跃天数可能更多），需确保模型精度。方法4：删除缺失行。若缺失率<5%可直接删除，但本题缺失率15%，删除会损失较多信息，不建议。三、业务场景分析题（每题12分，共36分）9.建设银行汕头分行拟对零售客户进行分层经营，现有数据包括：年龄、月收入、AUM、近1年信用卡消费额、房贷余额、是否持有理财/基金/保险产品。请设计客户分层指标体系，并说明各层的运营策略。答案：分层指标体系：（1）基础维度：AUM（核心指标），分为私行客户（AUM≥800万）、财富客户（300万≤AUM<800万）、潜力客户（50万≤AUM<300万）、大众客户（AUM<50万）。（2）行为维度：近1年信用卡消费额（高/中/低）、持有产品数量（综合金融覆盖度）。（3）风险维度：房贷余额占收入比（≤50%为低负债，>50%为高负债）。运营策略：私行客户：提供专属客户经理、家族信托、海外资产配置等定制化服务，重点维护高净值关系；财富客户：推送私募股权、高端保险等产品，组织企业家沙龙拓展交叉销售；潜力客户：通过基金定投、短期理财培养理财习惯，提升AUM；大众客户：优化手机银行体验，推广小额信用贷、快捷支付，提高活跃度；高消费低AUM客户（如年轻白领）：推荐分期业务、消费贷，挖掘增长潜力；高负债客户：提示财务健康度，推荐债务重组方案，防范逾期风险。10.某支行信用卡逾期率（逾期>30天）较年初上升2个百分点，需通过数据分析定位原因。请列出至少5个分析维度，并说明每个维度的具体分析方法。答案：维度1：客群结构变化。对比年初与当前新发卡客户的年龄分布（如25岁以下占比是否上升）、职业类型（自由职业者占比）、征信评分分布（低评分客户占比），使用卡方检验判断客群差异是否显著。维度2：产品政策调整。分析是否放宽进件门槛（如降低收入证明要求）、提额策略变化（大额临时额度占比），计算不同产品（标准卡/车主卡）的逾期率变化。维度3：外部环境影响。关联汕头地区GDP增速、失业率数据，分析逾期率与宏观经济的相关性；结合本地台风、疫情等事件，查看受影响区域客户的逾期率是否异常。维度4：还款渠道问题。统计手机银行还款成功率（如系统升级导致失败率上升）、自动扣款签约率（未签约客户逾期率是否更高），对比不同渠道的还款及时性。维度5：催收策略效果。分析催收响应率（联系上客户的比例）、首催回收率（首次催收后还款金额），若响应率下降可能因客户联系方式变更，回收率下降可能需调整话术。11.建设银行汕头分行计划为小微企业提供“科创贷”产品，需建立贷款违约预测模型。现有数据包括：企业成立年限、注册资本、年营收、研发投入占比、专利数量、实际控制人征信评分、是否为高新技术企业、近1年纳税额。请设计特征工程步骤，并说明选择模型时需考虑的业务约束。答案：特征工程步骤：（1）数据清洗：处理异常值（如注册资本为0，可能为录入错误）、缺失值（研发投入占比缺失可填充行业均值）；（2）特征构造：计算“研发投入/年营收”（创新强度）、“专利数量/成立年限”（年均专利产出）、“纳税额/年营收”（税负率）；（3）特征分箱：将成立年限分为<3年（高风险）、3-5年（中风险）、>5年（低风险）；注册资本按行业分位数分箱（如低于行业25%为低资本）；（4）特征筛选：用IV值（信息价值）评估变量预测能力（如实际控制人征信评分IV>0.3为强预测变量），删除多重共线性变量（如年营收与纳税额相关系数>0.8时保留其一）。业务约束：（1）可解释性：银行需向监管和客户说明拒贷原因，优先选择逻辑回归、决策树等可解释模型，避免黑箱模型（如深度神经网络）；（2）稳定性：模型需适应小微企业数据波动（如年营收受订单影响大），需测试跨时间验证（OOT测试），确保不同时间段表现一致；（3）政策导向：高新技术企业可能有政策倾斜，模型需设置政策权重（如高新技术企业违约概率阈值可放宽5%）；（4）计算效率：小微企业数量多，模型需支持批量快速预测，避免计算复杂度高的模型（如随机森林深度不宜过深）。四、编程实操题（25分）12.用Python完成以下任务（数据路径：./ccb_data.csv，字段：cust_id,age,income,aum,credit_loan_balance,deposit_balance,is_default（0/1））：（1）读取数据并查看缺失值分布，对“income”字段缺失值用随机森林回归填充；（2）计算“aum/deposit_balance”（若deposit_balance=0则置为0），并将“credit_loan_balance”按分位数分为低/中/高3组；（3）构建逻辑回归模型预测is_default，要求：划分训练集（70%）和测试集（30%），标准化连续变量，输出混淆矩阵和F1分数；（4）解释模型中“age”变量的系数含义，并提出优化模型的2个方法。答案：（1）缺失值处理代码：```pythonimportpandasaspdfromsklearn.ensembleimportRandomForestRegressordata=pd.read_csv('./ccb_data.csv')print("缺失值分布：\n",data.isnull().sum())分离income缺失和非缺失数据missing=data[data['income'].isnull()]non_missing=data[data['income'].notnull()]特征选择（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]训练随机森林回归模型rf=RandomForestRegressor(n_estimators=100,random_state=42)rf.fit(X_train,y_train)missing['income']=rf.predict(X_test)合并数据data_filled=pd.concat([non_missing,missing],axis=0)```（2）特征工程代码：```python计算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）模型构建代码：```pythonfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardScalerfromsklearn.linear_modelimportLogisticRegressionfromsklearn.metricsimportconfusion_matrix,f1_score选择特征（排除cust_id和loan_group字符串类型）X=data_filled[['age','income','aum','credit_loan_balance','deposit_balance','aum_deposit_