2026年太平洋保险招聘数据分析岗专业笔试SQL与Python基础

2026年太平洋保险招聘数据分析岗专业笔试（SQL与Python基础）一、SQL查询题（共5题，每题8分，总分40分）1.查询客户续保情况假设太平洋保险有表`policy`（保单表），包含字段：`policy_id`（保单号）、`customer_id`（客户号）、`policy_type`（保单类型）、`start_date`（生效日期）、`end_date`（到期日期）、`is_renewed`（是否续保）。请查询2025年12月31日前到期的所有保单中，未续保的客户数量。2.查询高价值客户假设有表`customer`（客户表），包含字段：`customer_id`（客户号）、`name`（姓名）、`age`（年龄）、`reg_date`（注册日期）、`total_spent`（累计保费支出）。请查询2020年1月1日之后注册，且累计保费支出超过10万元的客户名单，按`total_spent`降序排列。3.查询保单分布情况假设有表`policy`（保单表）和`region`（区域表），`policy`表包含`region_id`（区域ID），`region`表包含`region_id`（区域ID）、`region_name`（区域名称）。请查询每个区域的保单数量，并按保单数量降序排列。4.查询保单延期情况假设`policy`表包含`policy_id`（保单号）、`end_date`（到期日期）、`actual_end_date`（实际到期日期）。请查询所有实际到期日期晚于理论到期日期的保单，并统计这类保单的数量。5.查询客户保单类型占比假设`policy`表包含`customer_id`（客户号）、`policy_type`（保单类型）。请查询每个客户的保单类型数量占比，结果保留两位小数。二、Python编程题（共4题，每题10分，总分40分）1.数据清洗假设有一份太平洋保险的保单数据，存储在CSV文件`policy_data.csv`中，字段包括：`policy_id`（保单号）、`customer_id`（客户号）、`policy_type`（保单类型）、`start_date`（生效日期）、`end_date`（到期日期）。请用Python读取该文件，并将`start_date`和`end_date`转换为`datetime`格式，同时处理缺失值（用`None`填充）。最终输出处理后的DataFrame。2.数据分析假设有一份太平洋保险的客户数据，存储在CSV文件`customer_data.csv`中，字段包括：`customer_id`（客户号）、`age`（年龄）、`policy_count`（保单数量）、`last_purchase_date`（最近购买日期）。请用Python分析：（1）计算每个客户的保单数量中位数。（2）找出最近一年内未购买保单的客户（`last_purchase_date`为空或早于2025年1月1日），并统计这类客户的数量。3.生成统计报告假设有一份太平洋保险的理赔数据，存储在CSV文件`claim_data.csv`中，字段包括：`claim_id`（理赔号）、`policy_id`（保单号）、`claim_amount`（理赔金额）、`claim_date`（理赔日期）。请用Python生成一个统计报告：（1）按月统计理赔金额总和。（2）找出理赔金额超过5万元的理赔记录，并按`claim_date`升序排列。4.机器学习基础假设有一份太平洋保险的客户数据，存储在CSV文件`customer_data.csv`中，字段包括：`customer_id`（客户号）、`age`（年龄）、`policy_count`（保单数量）、`churn`（是否流失，1为流失，0为未流失）。请用Python：（1）用`train_test_split`将数据随机分成训练集和测试集（8:2）。（2）用逻辑回归模型预测客户是否流失，并输出模型准确率。三、综合应用题（共1题，20分）1.保单分析项目假设太平洋保险希望分析保单续保的影响因素，你有一份数据集，包含以下表格：-`policy`（保单表）：`policy_id`、`customer_id`、`policy_type`、`start_date`、`end_date`、`is_renewed`-`customer`（客户表）：`customer_id`、`age`、`region`、`reg_date`-`transaction`（交易表）：`transaction_id`、`policy_id`、`amount`、`date`请用SQL和Python完成以下任务：（1）用SQL查询2024年续保率最高的保单类型。（2）用Python分析不同年龄段的续保率差异，并绘制柱状图。（3）结合交易数据，找出续保客户的平均交易金额，并与未续保客户进行比较。答案与解析一、SQL查询题1.答案：sqlSELECTCOUNT()ASunrenewed_countFROMpolicyWHEREend_date<='2025-12-31'ANDis_renewed='No';解析：-`end_date<='2025-12-31'`：筛选2025年12月31日前到期的保单。-`is_renewed='No'`：筛选未续保的保单。-`COUNT()`：统计未续保保单数量。2.答案：sqlSELECTcustomer_id,name,total_spentFROMcustomerWHEREreg_date>'2020-01-01'ANDtotal_spent>100000ORDERBYtotal_spentDESC;解析：-`reg_date>'2020-01-01'`：筛选2020年1月1日后注册的客户。-`total_spent>100000`：筛选累计保费支出超过10万元客户。-`ORDERBYtotal_spentDESC`：按保费降序排列。3.答案：sqlSELECTr.region_name,COUNT(p.policy_id)ASpolicy_countFROMpolicypJOINregionrONp.region_id=r.region_idGROUPBYr.region_nameORDERBYpolicy_countDESC;解析：-`JOIN`：连接`policy`和`region`表。-`GROUPBYr.region_name`：按区域分组统计保单数量。-`ORDERBYpolicy_countDESC`：按数量降序排列。4.答案：sqlSELECTCOUNT()ASdelayed_countFROMpolicyWHEREactual_end_date>end_date;解析：-`actual_end_date>end_date`：筛选实际到期日期晚于理论日期的保单。-`COUNT()`：统计这类保单数量。5.答案：sqlSELECTcustomer_id,policy_type,COUNT(policy_type)100.0/SUM(COUNT(policy_type))OVER(PARTITIONBYcustomer_id)ASpercentageFROMpolicyGROUPBYcustomer_id,policy_type;解析：-`COUNT(policy_type)`：统计每个客户的保单类型数量。-`SUM(COUNT(policy_type))OVER(PARTITIONBYcustomer_id)`：计算每个客户的总保单数量。-`percentage`：计算占比并保留两位小数。二、Python编程题1.答案：pythonimportpandasaspddf=pd.read_csv('policy_data.csv')df['start_date']=pd.to_datetime(df['start_date'],errors='coerce')df['end_date']=pd.to_datetime(df['end_date'],errors='coerce')df.fillna({'start_date':None,'end_date':None},inplace=True)print(df)解析：-`pd.to_datetime`：将日期字符串转换为`datetime`格式，`errors='coerce'`将无效日期转为`NaT`。-`fillna`：用`None`填充缺失值。2.答案：pythonimportpandasaspddf=pd.read_csv('customer_data.csv')df['last_purchase_date']=pd.to_datetime(df['last_purchase_date'],errors='coerce')计算中位数median_policy_count=df['policy_count'].median()print(f"保单数量中位数：{median_policy_count}")找出最近一年内未购买客户unpurchased_customers=df[(df['last_purchase_date'].isna())|(df['last_purchase_date']<'2024-01-01')]print(f"未购买客户数量：{len(unpurchased_customers)}")解析：-`median_policy_count`：计算保单数量的中位数。-`unpurchased_customers`：筛选最近一年内未购买保单的客户。3.答案：pythonimportpandasaspddf=pd.read_csv('claim_data.csv')df['claim_date']=pd.to_datetime(df['claim_date'],errors='coerce')按月统计理赔金额总和df['month']=df['claim_date'].dt.to_period('M')monthly_claims=df.groupby('month')['claim_amount'].sum()print(monthly_claims)理赔金额超过5万元的记录high_value_claims=df[df['claim_amount']>50000].sort_values('claim_date')print(high_value_claims)解析：-`to_period('M')`：将日期转换为月份。-`groupby`：按月份统计理赔金额总和。4.答案：pythonfromsklearn.model_selectionimporttrain_test_splitfromsklearn.linear_modelimportLogisticRegressionfromsklearn.metricsimportaccuracy_scoredf=pd.read_csv('customer_data.csv')df['last_purchase_date']=pd.to_datetime(df['last_purchase_date'],errors='coerce')划分训练集和测试集X=df[['age','policy_count']]y=df['churn']X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)逻辑回归模型model=LogisticRegression()model.fit(X_train,y_train)predictions=model.predict(X_test)accuracy=accuracy_score(y_test,predictions)print(f"模型准确率：{accuracy:.2f}")解析：-`train_test_split`：随机划分训练集和测试集。-`LogisticRegression`：构建逻辑回归模型并预测。三、综合应用题答案：sql--(1)续保率最高的保单类型SELECTpolicy_type,COUNT()100.0/SUM(COUNT())OVER()ASrenewal_rateFROMpolicyWHEREis_renewed='Yes'GROUPBYpolicy_typeORDERBYrenewal_rateDESCLIMIT1;--(2)续保率与年龄关系（Python）importpandasaspdimportmatplotlib.pyplotaspltdf_policy=pd.read_sql_query("SELECTFROMpolicy",connection)df_customer=pd.read_sql_query("SELECTFROMcustomer",connection)df=pd.merge(df_policy,df_customer,on='customer_id')按年龄段分组df['age_group']=pd.cut(df['age'],bins=[0,30,40,50,60,100],labels=['0-30','31-40','41-50','51-60','60+'])ren