2026年银行数据分析师招聘考试笔试试题(含答案)

2026年银行数据分析师招聘考试笔试试题(含答案)一、单项选择题（每题2分，共20分）1.在假设检验中，若原假设为H₀:μ=μ₀，备择假设为H₁:μ≠μ₀，当实际μ=μ₀但拒绝H₀时，发生的错误是（）A.第一类错误（α错误）B.第二类错误（β错误）C.无错误D.无法判断答案：A2.以下哪种数据类型属于有序型变量？（）A.客户性别（男/女）B.信用卡等级（普卡/金卡/白金卡）C.客户IDD.存款金额（万元）答案：B3.某银行客户交易数据中，“交易时间”字段格式为“2025-12-0314:35:20”，若需提取该字段中的小时数（如14），SQL中应使用（）函数。A.DATEPART(hour,交易时间)B.EXTRACT(HOURFROM交易时间)C.HOUR(交易时间)D.SUBSTRING(交易时间,12,2)答案：B（注：不同数据库函数可能有差异，此处以标准SQL为例）4.某数据集存在严重的类别不平衡（正类占比5%），以下哪种评估指标最不适合用于模型效果判断？（）A.准确率（Accuracy）B.召回率（Recall）C.F1分数D.AUC-ROC答案：A5.若需分析客户年龄与月均消费金额的相关性，且年龄为连续变量、月均消费金额为连续变量，应选择（）A.卡方检验B.Pearson相关系数C.斯皮尔曼相关系数D.独立样本t检验答案：B6.以下哪项不是数据清洗的常见操作？（）A.处理缺失值B.消除重复记录C.特征标准化D.修正逻辑错误（如年龄为-5）答案：C（特征标准化属于特征工程，非清洗）7.某银行信贷数据中，“逾期次数”字段存在大量0值（无逾期）和少量1-5次值，该变量的分布最可能是（）A.正态分布B.泊松分布C.右偏分布D.左偏分布答案：C（大部分值集中在左侧，右侧有长尾）8.在SQL中，若要查询2025年1月1日至2025年12月31日期间，交易金额大于1000元且交易类型为“转账”的客户ID，正确的WHERE子句是（）A.交易时间BETWEEN'2025-01-01'AND'2025-12-31'AND交易金额>1000OR交易类型='转账'B.交易时间BETWEEN'2025-01-01'AND'2025-12-31'AND(交易金额>1000AND交易类型='转账')C.交易时间IN('2025-01-01','2025-12-31')AND交易金额>1000AND交易类型='转账'D.交易时间>='2025-01-01'OR交易时间<='2025-12-31'AND交易金额>1000AND交易类型='转账'答案：B9.某模型预测客户流失的混淆矩阵如下：真阳性（TP）=80，假阳性（FP）=20，真阴性（TN）=180，假阴性（FN）=20。该模型的精确率（Precision）为（）A.80/(80+20)=0.8B.80/(80+20)=0.8C.180/(180+20)=0.9D.80/(80+20)=0.8（注：精确率=TP/(TP+FP)）答案：A10.以下哪种场景最适合使用决策树模型？（）A.预测客户未来6个月的存款增量（连续值）B.识别欺诈交易（高维稀疏数据）C.分析客户年龄与信用卡额度的非线性关系D.处理大规模实时数据流答案：C（决策树擅长捕捉非线性关系）二、简答题（每题8分，共40分）1.简述数据清洗中处理缺失值的常用方法，并说明每种方法的适用场景。答案：（1）删除法：包括删除含缺失值的记录或变量。适用于缺失比例极低（如<5%）且缺失无特殊含义的情况；（2）均值/中位数/众数填充：数值型变量用均值（数据分布接近正态）或中位数（存在异常值），分类型变量用众数。适用于缺失值与其他变量无显著关联时；（3）插值法（如线性插值、KNN插值）：根据变量间相关性，用相似样本的取值填充。适用于数据存在时间或空间相关性时；（4）模型预测填充：用其他变量作为特征训练模型（如回归、随机森林）预测缺失值。适用于缺失值与其他变量有较强关联且缺失比例较高时；（5）视为特殊类别：分类型变量可新增“缺失”类别。适用于缺失本身可能隐含业务意义（如客户拒绝填写职业）时。2.解释A/B测试中“统计显著性”的含义，并说明如何确定测试所需的最小样本量。答案：统计显著性指通过假设检验，拒绝原假设（两组无差异）的把握程度，通常以p值<0.05（α=0.05）为标准，即结论错误的概率不超过5%。确定最小样本量需考虑：（1）预期的效应量（如两组转化率差异）；（2）显著性水平α（通常0.05）；（3）检验效能1-β（通常0.8）；（4）数据方差（方差越大，所需样本量越大）。可通过公式计算（如均值检验用n=(Zα/2+Zβ)²(σ²)/d²，d为预期差异）或使用统计软件（如GPower）辅助。确定最小样本量需考虑：（1）预期的效应量（如两组转化率差异）；（2）显著性水平α（通常0.05）；（3）检验效能1-β（通常0.8）；（4）数据方差（方差越大，所需样本量越大）。可通过公式计算（如均值检验用n=(Zα/2+Zβ)²(σ²)/d²，d为预期差异）或使用统计软件（如GPower）辅助。3.请说明在银行客户分群分析中，选择K-means算法时需要注意的关键问题及解决方法。答案：关键问题及解决方法：（1）特征选择：需选择与业务目标相关的特征（如资产规模、交易频率、产品持有数），避免无关特征干扰。可通过相关性分析或业务经验筛选；（2）数据标准化：K-means对量纲敏感（如资产规模以万元计，交易频率以次计），需用Z-score或最小-最大标准化消除量纲影响；（3）K值确定：需结合业务理解（如银行希望分为高/中/低价值客户）和统计方法（如手肘法、轮廓系数法）确定最优K值；（4）异常值影响：异常值可能导致聚类中心偏移，需在预处理阶段通过IQR或Z-score识别并处理（删除或修正）；（5）结果解释：聚类后需结合业务场景解读各群体特征（如高价值客户的年龄、存款期限等），避免仅依赖统计指标。4.简述银行零售业务中“客户生命周期价值（CLV）”的计算逻辑，并列举至少3个影响CLV的关键因素。答案：CLV计算逻辑：通常为客户在生命周期内为银行带来的净收益现值，公式为CLV=∑(各期收入-成本)/(1+r)^t，其中r为贴现率，t为时间周期。简化模型可表示为CLV=平均月收入×客户留存月数×毛利率-获客成本。关键因素：（1）客户留存率（留存越久，CLV越高）；（2）交叉销售能力（购买更多产品，收入增加）；（3）服务成本（高净值客户可能享受高成本服务，影响净收益）；（4）利率/费率水平（如信用卡分期手续费率）；（5）客户活跃度（交易频率影响收入）。5.某银行信用卡交易数据中存在“交易金额”字段，部分记录显示为0元（如积分兑换），部分为负数（如退款）。请设计数据预处理步骤，确保后续建模时该字段的有效性。答案：预处理步骤：（1）识别异常值：检查是否存在交易金额为负数且无对应正向交易的记录（可能为系统错误），需与业务部门确认后修正或删除；（2）分类处理：将交易分为正向交易（金额>0）、退款（金额<0）、积分兑换（金额=0），分别标记为不同类型字段（如新增“交易类型”变量）；（3）计算有效交易额：对建模目标（如预测客户消费能力），可保留正向交易金额，退款作为负向调整（如计算“净交易金额=正向金额+退款金额”）；（4）处理0值：若0元交易有业务意义（如积分兑换），可保留并在特征工程中单独编码（如是否发生过0元交易）；（5）标准化或分箱：根据模型需求，对处理后的交易金额进行标准化（如Z-score）或分箱（如低/中/高消费区间），避免极端值影响模型。三、编程题（每题15分，共30分）1.（SQL）某银行客户交易表（transaction）结构如下：字段名类型说明customer_idVARCHAR(20)客户IDtrans_dateDATE交易日期（格式：YYYY-MM-DD）trans_amountDECIMAL(10,2)交易金额（正数为消费，负数为退款）请编写SQL语句，查询2025年每个客户的“总消费金额”（仅计算消费交易，即trans_amount>0）、“总退款金额”（仅计算退款交易，即trans_amount<0，取绝对值），并按总消费金额降序排序。答案：SELECTcustomer_id,SUM(CASEWHENtrans_amount>0THENtrans_amountELSE0END)AS总消费金额,SUM(CASEWHENtrans_amount<0THENABS(trans_amount)ELSE0END)AS总退款金额FROMtransactionWHEREtrans_dateBETWEEN'2025-01-01'AND'2025-12-31'GROUPBYcustomer_idORDERBY总消费金额DESC;2.（Python）某银行客户信用评分数据（credit_data.csv）包含以下字段：age（年龄）、occupation（职业，分类型）、income（月收入，万元）、credit_score（信用评分，0-1000）、is_default（是否违约，1=是，0=否）。其中，income字段存在5%的缺失值，且缺失值集中在“学生”职业群体中。请用Pandas完成以下操作：（1）处理income字段的缺失值（要求：学生群体用学生income的中位数填充，非学生用全体非学生income的均值填充）；（2）计算不同职业群体的平均信用评分（credit_score），并按评分从高到低排序；（3）筛选信用评分>750且未违约（is_default=0）的客户，输出其age、occupation、income字段的前5条记录。答案：importpandasaspd读取数据df=pd.read_csv('credit_data.csv')（1）处理income缺失值student_mask=df['occupation']=='学生'non_student_mask=~student_mask学生群体用中位数填充df.loc[student_mask,'income']=df.loc[student_mask,'income'].fillna(df.loc[student_mask,'income'].median())非学生群体用均值填充df.loc[non_student_mask,'income']=df.loc[non_student_mask,'income'].fillna(df.loc[non_student_mask,'income'].mean())（2）计算不同职业的平均信用评分并排序avg_credit=df.groupby('occupation')['credit_score'].mean().reset_index()avg_credit_sorted=avg_credit.sort_values(by='credit_score',ascending=False)（3）筛选信用评分>750且未违约的客户，输出前5条filtered_df=df[(df['credit_score']>750)&(df['is_default']==0)][['age','occupation','income']]result=filtered_df.head(5)四、案例分析题（共10分）某银行个人手机银行用户流失率连续3个月上升（从2.1%升至3.5%），现需通过数据分析定位流失原因并提出优化建议。假设你是数据分析师，已获取以下数据：用户基本信息（年龄、性别、注册时长）、行为数据（月登录次数、功能使用次数：转账/理财/缴费）、交易数据（月均交易额）、流失标签（1=流失，0=未流失）。请设计分析思路，并说明关键分析步骤及可能的结论方向。答案：分析思路：从“用户特征-行为表现-流失关联”三方面切入，通过描述性统计、相关性分析、模型预测定位关键因素。关键步骤及结论方向：1.流失用户画像分析：步骤：对比流失与未流失用户的基本信息（如年龄分布、注册时长），计算各特征的流失率（如注册时长<3个月的用户流失率是否更高）。结论方向：可能发现新用户（注册时长短）或老年用户流失率高，需关注新手引导或适老化功能体验。2.行为差异分析：步骤：统计不同功能使用频率的流失率（如每月登录<2次的用户流失率），计算行为指标与流失的相关系数（如月登录次数与流失负相关）。结论方向：可能发现低活跃用户（登录少、仅使用基础功能如缴费）流失率高，需提升用户粘性（如增加签到激励、理财功能推荐）。3.交易相关性分析：步骤