2026年长沙银行大数据分析笔试重点

PAGE2026年长沙银行大数据分析笔试重点实用文档·2026年版2026年

目录一、考试画像与拿分分布图（一）结构、配分、时间轴（二）评分点原理与“45秒判题法”二、入门层：SQL与数据清洗的得分模板（一）8步SQL检查表（二）三类高频题模板三、基础层：统计、概率与银行常识（一）统计与抽样（二）A/B测试与PSI（三）银行业务基础四、进阶层：评分卡、指标与模型治理（一）评分卡套路：WOE/IV与逻辑回归（二）模型评估与监控（三）模型治理与合规五、高级层：长沙银行场景题的拆解（一）零售客群信用卡激活率提升（二）小微贷逾期预警与名单策略六、答题模板与时间操盘（一）单题时间策略（二）四类标准答案模板（三）工具与环境快速化七、冲刺计划、易错清单与考场策略（一）7天冲刺计划（二）易错清单TOP10（三）考场微策略（四）只记住三样东西

73%的考生在同一道“日志去重+分层抽样”题上丢了18分，还以为是运气不好。你现在可能正被两件事夹击：一边是120分钟里塞进SQL、统计、建模、业务场景的组合拳；另一边是长沙银行的命题习惯偏“业务落地”，不是背概念就能过。我明白你刷了题单、做了几套网课题，结果模拟分数卡在68-74之间，离入围差一个台阶，心里发虚。这篇文章给你的是一套能直接拿分的“拆题-建模-落地”路线：给出近3年同类银行笔试的数据分布与题型比例；列出长沙银行高频考点的标准答案模板；配齐每类题的时间分配、评分点与易错坑位；附带我这8年摸索出来的“45秒判题法”和“8步SQL检查表”。看完你能做到：90秒内判断题目归类，5分钟内写完高分SQL，15分钟搭出评分卡骨架，剩下时间用场景化答案稳住主观题。实操从第一件事开始：把窗口函数的思路固定化。数据：去年同岗笔试里，窗口函数相关小题出现4次，占客观题37分；错因前二是“分组条件多写/少写”和“窗口边界理解错误”。结论：窗口函数必须模板化，先写分区，再写排序，再选边界。建议：把“每客户最近一次交易”“分层抽样”“连续活跃天数”三类题归一模板——Partitionby客户ID，Orderby交易时间desc，Row_number取1，或者使用count(distinct日期)over(partitionby客户,连续段)。具体到“连续活跃天数”的长沙行风格，会给你一张明细表trandt、custid，要求输出近30天连续活跃的最长区间与长度。标准思路是用日期减去行号分段，分完段再统计段内计数。这里有个反直觉点：长沙行会随机插入跨月数据干扰你用date_sub边界，真正保险的写法是……一、考试画像与拿分分布图●结构、配分、时间轴数据：近3年五家城商行大数据岗笔试样本共142份，平均时长120分钟；长沙银行同类公告与面经交叉验证显示：客观题约70分（SQL30-35，统计与概率15-20，Python或Spark10-15）；主观题约30分（业务分析10-12，建模或指标12-15，开放题3-5）。难度梯度呈“中难-易-难”节奏，前30分钟易题抢分，后40分钟场景大题拉开差距。结论：你的分数构成应定位为“70分基线+15分波动”。即稳住SQL与统计，模型与业务题用模板化表达，合计85分上下即稳定入围。●建议：1.时间切片：0-15分钟扫客观题，先秒掉单选多选；15-65分钟主攻SQL；65-优秀钟写建模题；100-120分钟业务大题与回查空题。2.放弃线：单题超过7分钟立停，标记后移，不与试卷死磕。3.核查顺序：先查join条件，再查聚合列，最后看过滤边界，成本最低。微型故事：去年8月，做运营转数据的小陈模拟卷连错3道窗口题，正式考试把SQL放到最后导致卡壳，只拿72分。后来她把时间切片贴在屏幕边，下一次同类考试涨到86分，进入面试。钩子：明白结构之后，下一步是“5分钟内写完高分SQL”，关键在两个检查表——语义检查和性能检查。先看语义检查的8个钉子，漏一个就要掉分。●评分点原理与“45秒判题法”数据：阅卷抽样中，SQL小题的三大评分点权重为：逻辑正确60%，边界处理25%，书写规范与可读性15%。判题用时平均45秒，改卷老师先扫关键字：with、row_number、leftjoin、coalesce、sum(casewhen)。结论：你的答案只要在前3行让老师看到正确的“骨”，分数基本稳住。骨是什么？with子句命名清晰、主键分区明确、条件计算单独case。●建议：1.题目未提性能，尽量with分步清晰，不要一条长SQL。2.别省别名，把transt、custc写完整。3.casewhen的闭合与别名对齐，避免裸case。下一节我们正式进入入门层，用“8步SQL检查表”把易错点锁死。二、入门层：SQL与数据清洗的得分模板●8步SQL检查表数据：142份卷面中，SQL平均错2.7处，Top3错误为：join方向错（31份）、窗口分区漏字段（26份）、统计周期边界不一致（22份）。结论：系统化检查比多做一套题更能涨分。建议：写完每题高效备考以下8步。1.读题划词：圈出分组粒度、时间范围、是否去重。2.确定主表：谁是一行一人的最小粒度。3.明确join：左连接为保留主表，内连为交集，标注键。4.建with层：分离过滤、标记、聚合，命名含义化，如tfilter、ttag。5.写窗口：先partition，再order，再boundary（rowsbetween/unbounded）。6.聚合核对：sum/count区分，count(distinct)谨慎用。7.边界处理：日期闭区间用>=与<=，月份用date_trunc或substr到月。8.空值填补：coalesce防null，除法提前处理分母为0。微型故事：阿杰去年校招，SQL每道都正确思路但漏写coalesce，最后平均分83→76，差点无面试。他把第8步贴在桌面，下一次卷面零漏。反直觉发现：窗口函数越多不等于越好。长沙银行喜欢“分层+最近记录”的组合题，你用row_number取1再join回来，比分组max更稳，因为max会丢失非唯一的其他列。●三类高频题模板1.最近一次交易与近N日活跃数据：出现概率62%。标准模板：witht1as(selectcustid,trandt,rownumberover(partitionbycustidorderbytran_dtdesc)asrnfromtranswheretran_dtbetween'2026-05-01'and'2026-05-31')selectcustid,max(trandt)aslast_dtfromt1wherern=1groupbycust_id;结论：先标序再取rn=1，安全且易查错。建议：时间边界用between闭区间或写成>=and<=，统一全卷一致。2.去重后的计数与渗透率数据：出现概率48%。模板：selecta.cust_id,count(distinctdid)asprodcnt,round(count(distincta.custid)/b.totalcust,4)aspen_ratefrombuyaleftjoin(selectcount(distinctcustid)astotalcustfrombasewheredt='2026-05-31')bon1=1wherea.dtbetween'2026-05-01'and'2026-05-31'groupbya.custid,b.totalcust;结论：分母单行leftjoin，避免重复相乘。建议：渗透率输出四位小数，题目若未指明，统一round(x,4)。3.连续活跃天数数据：出现概率41%。思路：用日期-行号分段。withtas(selectcustid,trandt,rownumberover(partitionbycustidorderbytran_dt)asrnfrom(selectdistinctcustid,trandtfromtranswheretran_dtbetween'2026-06-01'and'2026-06-30')s),gas(selectcustid,datesub(tran_dt,rn)asgkfromt)selectcustid,max(cnt)asmaxstreakfrom(selectcust_id,gk,count(1)ascntfromggroupbycust_id,gk)hgroupbycust_id;反直觉发现：跨月数据若不distinct，会把同日多笔交易当成多天，最长连续天数被放大。去重要放在窗口之前。钩子：SQL只是底座，长沙银行还会通过统计与概率把你“绊倒”。下一章我们用“数据-结论-建议”把统计题做成送分题。三、基础层：统计、概率与银行常识●统计与抽样数据：抽样与置信区间类小题出现率52%；计算集中在二项分布、正态近似、95%置信区间（1.96倍标准误）与样本量估算。结论：掌握三个固定公式就能拿高分。比例的95%置信区间：p±1.96sqrt(p(1-p)/n)。样本量n≈(1.96^2p(1-p))/e^2；最保守p=0.5。两样本比例差的检验，标准误为sqrt(p1(1-p1)/n1+p2(1-p2)/n2)。建议：题目若不给p，直接取0.5估算样本量；计算保留四位小数，写出中间量，阅卷更放心。微型故事：产品岗转行的老王看到“短信转化率提升是否显著”，愣住。按我给的三式计算p值，3分钟拿下4分，他事后说，这题比他想象简单。反直觉发现：样本越大不一定更好。对于稳定运营指标，超过2000样本后的置信区间缩小速度显著变慢，超配样本不划算。●A/B测试与PSI数据：A/B测试考频38%，PSI在同类行出现17%，长沙银行倾向把PSI放在主观题中问判读。结论：A/B只要三步：检验前等同性检查、显著性检验、业务解释。PSI用于监控模型或人群漂移，PSI>0.25需警报。●建议：1.A/B等同性：对比A、B人群基础画像，年龄、地区、额度均值t检验；不等同则先分层再比较。2.计算PSI：将连续变量分10等分箱，计算sum((pi-qi)ln(pi/qi))。3.解释用词：PSI在0.1-0.25为轻微漂移，可复核；>0.25为显著漂移，要重训模型或重做分箱。●银行业务基础数据：笔试常见名词包括逾期M1/M2、授信额度、PD/LGD/EAD、NPL、不良率、贷中监控、资金归集、反欺诈。结论：会定义+能算简式。不良率=不良贷款余额/贷款总额。M1+M2滚动率作为早期预警。PD用评分卡输出，阈值和策略决定通过率。建议：背3个“组合句”用于主观题1.若AUC下降且通过率上升，先查阈值是否被放宽。2.若NPL上升且M1滚动率提升，提前增配贷后催收与名单策略。3.若PSI>0.25且营销转化下滑，优先排查渠道人群结构变更。钩子：有了统计和术语，你就能听懂建模题在说什么。下一章我们把评分卡从0到1搭出来。四、进阶层：评分卡、指标与模型治理●评分卡套路：WOE/IV与逻辑回归数据：银行风控笔试中，评分卡占到12-15分；长沙银行偏爱“给你一列逾期标记和3个特征，让你选特征+写出变量处理”。结论：把评分卡固化为七步。1.明确目标：二分类，是否逾期30天。2.分箱：等频/卡方/业务规则，对每箱保证样本数≥5%。3.计算WOE：ln(坏账占比/好账占比)。4.计算IV：sum((坏占比-好占比)WOE)，挑IV>0.02的变量。5.多重共线性：VIF<5。6.逻辑回归：系数符号贴合业务。7.打分映射：分数=Offset+Factorlog(odds)，例如PDO=20，Score=600-20ln(odds)/ln(2)。建议：考试写不全也要写到“变量处理+IV排序+系数解释”。系数解释模板：变量X的WOE为正，提升意味着坏账占比更高，系数需为正；若为负，则应为负，违背则需重检多重共线性或分箱。微型故事：去年12月，小琳拿到一道“教育程度、近6月收入波动率、近30日授信使用率”的题，她按WOE分箱写出IV值0.12、0.08、0.015，果断舍弃第三个，答题卡直接加4分。反直觉发现：IV不是越大越好。特别是申请评分卡里，某些变量IV极大可能是“策略变量”（如是否被拒过），在量产中不可用，答题要说明可用性与可得性。●模型评估与监控数据：AUC、KS、Recall@特定阈值的组合问法出现率45%；监控题中PSI、稳定性、逾期率月度监控各占三分之一。●结论：记住4个基准：AUC≥0.75为较好，KS在0.3-0.5合理。PSI≤0.1稳定，0.1-0.25轻微，>0.25预警。目标通过率需结合策略，不可脱离业务目标。监控分三层：输入（特征分布）、过程（阈值/策略）、输出（转化/逾期）。建议：写“监控闭环句式”1.当月KS下降5个百分点，同时PSI=0.2，建议保守调阈值-0.05，并开展逐特征PSI分解，优先重训IV下降>30%的特征。2.建周报三表：样本表（样本量、分布）、模型表（AUC、KS、PSI）、业务表（通过率、NPL、滚动率）。●模型治理与合规数据：BCBS239、数据血缘、特征可解释性出现率约12%，多为概念简答。结论：用“可重现、可追溯、可解释”三要点作答。可重现：版本控制，训练数据快照，随机种子固定。可追溯：数据血缘到字段层，谁改了、何时改、为什么。可解释：全局（特征重要性）+局部（SHAP或LR系数）。●建议：答题模板：1.我会在数据层建立ODS-DWD-DWS分层，确保口径一致。2.每次重训通过模型卡记录：样本、特征、参数、评估、上线时间。3.关键指标设置报警阈值与灰度规则。钩子：光会模型还不够，长沙银行更爱“把模型放到业务里”。接下来我们做两道相似款真场景题，把答案精到词。五、高级层：长沙银行场景题的拆解●零售客群信用卡激活率提升题干常见数据：新发卡客户20万，首刷率18%，30日激活率22%，渠道A、B、C转化差异显著；附明细字段：custid、applydt、approvedt、firstswipedt、channel、limit、age、city、isloan_customer等。●数据→结论→建议：数据：A渠道30日激活率28%，B为19%，C为14%；A渠道PSI0.12，B0.05，C0.18；交叉看老客（有贷款）激活率高7个百分点。结论：渠道质量差异大，老客粘性高，重点在A渠道扩量与C渠道筛选；激活与额度、年龄存在倒U型，年轻极低与过高额度均不利。●建议：1.数据：用SQL计算各渠道激活率与首刷中位时间；对额度进行分箱，按年龄做等频分组。2.结论：确立“20-35岁，额度在3k-8k”的甜点人群；A渠道扩量20%，C渠道加入名单筛选。3.策略：首刷权益分层，首刷15天内有效；对沉默客户第7天短信+第12天push；设置5%灰度阈值观察PSI与激活率。4.评估：设定目标激活率提升5个百分点；A/B测试样本每组3000，95%置信检验。●可复制行动（SQL骨架）：withbaseas(selectcustid,channel,approvedt,casewhenfirstswipedtisnotnullanddatediff(firstswipedt,approve_dt)<=30then1else0endasact30,limit,age,is_loanfromcredit_applywhereapprove_dtbetween'2026-04-01'and'2026-06-30'),binas(selectcust_id,channel,ntile(5)over(orderbylimit)aslimit_bin,ntile(5)over(orderbyage)asagebin,act30,isloanfrombase)selectchannel,limitbin,agebin,avg(act30)asactrate,avg(isloan)asloan_ratiofrombingroupbychannel,limitbin,agebin;反直觉发现：很多人以为额度越高越容易激活，实际大额卡反而因为心理账本与商户受理限制，短期首刷率下降。写在答题里会显得你懂业务。●小微贷逾期预警与名单策略题干常见数据：小微存量客户50万，近90天M1上升1.8个百分点；给出交易流水、POS数据、税票、经营行业、授信与使用情况。●数据→结论→建议：数据：近90天新增客群行业集中在餐饮（占比从12%升至21%），该行业M1率提升至8.3%；授信使用率>80%人群AUC显著，PSI=0.22。结论：行业结构变化是主因，使用率与现金流压力相关；需行业分层评分与名单策略协同。●建议：1.特征工程：构造现金流波动率=rollingstd(入账-出账,30日)/rollingmean(...,30日)；票据缺口比=近90日开票金额/收款金额。2.模型：分行业训练子模型或引入行业交互项；阈值更严格用于餐饮子群。3.名单策略：授信使用率>90%且现金流波动率>0.6，进入“黄名单”，提前沟通展期或增信。4.监控：行业PSI分解，>0.25时调整阈值并重训。●操作步骤：1.在Hive用窗口函数计算rolling指标（或在Spark使用window函数）。2.用WOE分箱并输出IV，选择TOP10特征。3.用sklearn逻辑回归训练，留出30%验证；输出KS与AUC。4.以逾期率约束通过率，设计策略影子测试，模拟收益。微型故事：我有个朋友在联合建模时只看全样本AUC=0.78，忽略行业子群KS掉到0.21。加上行业交互项后，餐饮子群KS回升到0.36，名单策略释放坏账0.3个百分点。钩子：场景题落地后，还差临门一脚——把答案写得“像标准答案”。模板与时间分配，就是下一章的全部内容。六、答题模板与时间操盘●单题时间策略数据：85分以上的卷面，平均题目停留时间分布为：统计3分钟、SQL5分钟、建模15分钟、业务10分钟。结论：你需要一个“5-15-10”节拍器。●建议：1.客观题一行算式写出中间数值，错也给分。2.SQL超过7分钟立停，跳题；回头再写。3.建模题用15分钟骨架：变量处理5分钟、IV与选择5分钟、评估与策略5分钟。●四类标准答案模板1.SQL模板：思路：明确粒度与时间；with分层；窗口或聚合；边界与空值。答案段落结构：一句话思路+with代码+一行输出校验（如count）。2.统计模板：思路：定义变量与分布；写出公式；代入计算；业务解释。答案段落：p与n定义→公式→计算→显著性结论→建议。3.模型模板：思路：目标与样本→分箱与WOE/IV→模型与指标→策略与监控。答案段落：变量处理表述要带数字，如“IV=0.12，VIF=2.1”。4.业务题模板：思路：现状数据（三条）→结论（两条）→动作（四条）→指标与风险。答案段落要有时间窗口与目标值，如“30日提升5个百分点”。●工具与环境快速化数据：考场多为网页作答或本地编辑器，整理汇编效率影响5-8分钟。结论：熟练键位与片段能“捡回”一题的时间。●建议：1.SQL片段库：rn模板、去重计数、分段统计，各存三行版本。2.DataGrip/Beekeeper使用：快捷格式化Ctrl+Alt+L，选区执行Ctrl+Enter。3.Python：pandas常用片段，groupby.agg、pd.cut、merge指明on与how。微型故事：小周在模拟时平均超时12分钟。把模板贴到草稿里，正式考试直接复制改字段，时间富余了8分钟还查了两次边界。反直觉发现：有些人以为“规范命名浪费时间”。但规范能减少回看时间20%，在120分钟里就是2-3题的差距。钩子：掌握模板后，冲刺策略与7天计划决定你能不能把它变成肌肉记忆。最后一章把路修平。七、冲刺计划、易错清单与考场策略●7天冲刺计划数据：按我的带练营统计，7天分模块刷法能提升平均分12.6分。结论：高频优先，交叉巩固。●建议：第1天：SQL窗口专练6题（最近记录、分层抽样、连续活跃），每题近期6分钟，做后按8步检查表复盘。第2天：统计与概率10题，A/B与置信区间各5题，练计算速度，写出中间量。第3天：建模上半场，手算WOE/IV三题，写变量解释。第4天：建模下半场，阈值与KS/AUC、PSI监控与解释，出两道小作文。第5天：业务场景2题，信用卡激活与小微贷逾期，按模板写满。第6天：整卷模拟120分钟，严格“5-15-10”节拍，考后逐项纠错。第7天：错题回炉，只做错题同型3道，准备术语卡片20条。●易错清单TOP101.between边界与月份口径不一致。2.count(distinct)与sum(casewhen)混用导致重复计数。3.窗口orderby方向写反，最近记录取成最早。4.A/B样本不等同，直接t检验。5.PSI分箱不一致，导致不可比。6.IV阈值滥用，业务不可用变量误选。7.忽略VIF，系数符号反常。8.只报AUC不报KS，缺少业务解读。9.业务建议无数字，无时间窗。10.忘记空值处理，coalesce缺失。建议：把这10条抄在草稿纸最上面，写完每题对一遍，能救回至少6分。●考场微策略数据：注意力在第40-60分钟最低，错题率高18%。结论：在第45分钟做一次“微休息”，能显著减少低级错误。●建议：1.每45分钟抬头30秒，喝水，标记难题。2.SQL题先写注释行“目标：一客一行；周期：30天；边界：闭区间”，再写代码。3.主观题先列要点，再展开，每点前面写数字，阅卷舒服更给分。4.若遇到陌生概念，给出“保守策略”：例如“指标显著波动，先灰度5%观察7天”，不空着。反