2025年农信社数据分析岗招聘考试真题附答案

2025年农信社数据分析岗招聘考试练习题附答案一、单项选择题（共10题，每题2分，共20分）1.农信社开展农户信贷违约风险分析时，下列变量中属于有序分类变量的是（）A.农户性别（男/女）B.农户信用等级（AAA/AA/A/BBB及以下）C.农户经营类型（种植/养殖/加工）D.农户家庭年收入答案：B解析：有序分类变量是指各类别之间存在顺序等级关系的分类变量。A、C为无序分类变量，D为连续数值型变量，只有B选项信用等级存在明确的高低等级顺序，因此选B。2.某农信社2024年全省120家支行小微企业贷款不良率的均值为2.1%，中位数为1.8%，标准差为0.9%，该数据分布的偏态是（）A.左偏B.右偏C.对称D.无法判断答案：B解析：当均值大于中位数时，数据分布存在极大值拉低右侧长尾，呈现右偏分布；本题均值2.1%>中位数1.8%，因此为右偏，选B。3.在多元线性回归模型中，若自变量之间存在高度多重共线性，会导致（）A.参数估计量的方差缩小B.显著性t检验结果失效C.模型拟合优度R²显著降低D.参数估计值保持稳定答案：B解析：多重共线性会使得参数估计量的方差增大，估计值不稳定，t检验中标准误过大导致t统计量偏小，原本显著的变量变得不显著，因此显著性t检验失效，选B；多重共线性不改变模型对样本数据的拟合，R²不会显著降低。4.农信社要预测下一季度个人储蓄存款规模，适合时间序列分解的前提是存款序列呈现明显的（）A.异方差性B.非线性相关性C.长期趋势和季节变动D.自相关性答案：C解析：时间序列分解法适用于同时包含长期趋势、季节变动、循环变动和不规则变动的序列，预测存款规模时核心依赖长期趋势和季节变动规律，因此选C。5.根据《商业银行数据治理指引》，农信社数据分析工作中，下列不属于数据质量核心要求的是（）A.准确性B.保密性C.完整性D.一致性答案：B解析：《商业银行数据治理指引》明确数据质量的核心要求为准确性、完整性、一致性、及时性，保密性属于数据安全管理要求，不属于数据质量要求，因此选B。6.现有1000笔农户贷款样本，其中违约样本90笔，正常样本910笔，用逻辑回归模型建立违约预测模型后，模型将80笔违约样本判定为违约，790笔正常样本判定为正常，该模型的准确率是（）A.87%B.88%C.89%D.90%答案：A解析：准确率=（正确分类样本数）/总样本数=（80+790）/1000=870/1000=87%，因此选A。7.SQL语句中，要查询某农信社2024年发放的所有贷款中，金额排名前10%的贷款记录，正确的关键字是（）A.TOP10PERCENTB.LIMIT10%C.ROWNUM<=10D.TOP10答案：A解析：SQLServer中获取前N%记录使用TOPNPERCENT语法；MySQL中用LIMIT需配合排序获取指定行数，不支持直接百分比写法，因此选A。8.农信社开展客户分层经营，将客户按资产规模分为高净值、中净值、低净值三类，适合用来可视化展示三类客户对总利润贡献占比的图形是（）A.折线图B.箱线图C.饼图D.散点图答案：C解析：饼图适用于展示各部分占总体的比例关系，因此选C；折线图用于展示趋势，箱线图展示分布，散点图展示两个变量的相关性。9.在假设检验中，农信社要验证新推出的信贷产品平均利率是否显著低于旧产品，原假设和备择假设应为（）A.H₀:μ₁≥μ₂，H₁:μ₁<μ₂B.H₀:μ₁≤μ₂，H₁:μ₁>μ₂C.H₀:μ₁=μ₂，H₁:μ₁≠μ₂D.H₀:μ₁≠μ₂，H₁:μ₁=μ₂答案：A解析：原假设通常包含等号，且待验证的结论放在备择假设。本题要验证新产品平均利率μ₁是否显著低于旧产品μ₂，因此备择假设为μ₁<μ₂，原假设为μ₁≥μ₂，选A。10.某农信社银行卡业务日交易笔数服从泊松分布，已知日均交易笔数为1200笔，则日交易笔数的标准差为（）A.√1200≈34.64B.1200C.1200²D.34.64²答案：A解析：泊松分布的均值和方差相等，标准差等于方差的平方根，因此标准差为√1200≈34.64，选A。二、多项选择题（共5题，每题4分，共20分）1.农信社构建客户信用风险评价模型时，下列属于降维处理方法的有（）A.主成分分析B.因子分析C.逐步回归D.决策树特征重要性筛选答案：ABCD解析：降维是指通过减少无关、冗余变量降低数据维度的处理方法。主成分分析、因子分析是经典的线性降维方法；逐步回归通过筛选显著性变量实现降维；基于特征重要性的变量筛选也属于降维处理，因此全选。2.农信社零售业务数据分析中，常用RFM模型对客户价值进行分类，RFM三个指标分别指（）A.最近一次消费时间间隔（Recency）B.消费频率（Frequency）C.消费金额（Monetary）D.客户留存时长（Retention）答案：ABC解析：RFM模型的三个核心指标为：最近一次消费时间间隔R、消费频率F、消费金额M，因此选ABC。3.根据农信社风险管理要求，数据分析过程中需要遵循个人金融信息保护规定，下列属于敏感个人金融信息的有（）A.客户银行卡号B.客户交易密码C.客户身份证号D.客户家庭住址答案：ABCD解析：根据《个人信息保护法》《金融数据安全数据安全分级指南》，银行卡号、交易密码、身份证号、家庭住址均属于可识别客户身份且涉及财产安全的敏感个人金融信息，因此全选。4.下列关于决策树和随机森林模型的描述，正确的有（）A.单棵决策树容易出现过拟合B.随机森林通过多棵决策树集成降低过拟合风险C.随机森林无法输出特征重要性排序D.决策树可以处理非线性关系答案：ABD解析：单棵决策树对样本拟合能力过强，容易过拟合；随机森林通过bootstrap抽样、随机特征选择生成多棵决策树集成，降低方差，减少过拟合；随机森林可以基于基尼系数或袋外数据输出各特征的重要性排序，C错误；决策树通过分裂节点可以天然处理自变量和因变量之间的非线性关系，因此选ABD。5.下列指标中，可用于评价农信社信贷投放对乡村振兴支持效果的有（）A.涉农贷款余额占比B.普惠型小微企业贷款不良率C.新型农业经营主体贷款增速D.农户信用贷款发放户数答案：ACD解析：涉农贷款占比、新型农业经营主体贷款增速、农户信用贷款发放户数直接反映涉农信贷投放的规模和覆盖度，可评价乡村振兴支持效果；普惠型小微企业贷款不良率反映信贷风险水平，不属于支持效果的评价指标，因此选ACD。三、简答题（共2题，每题10分，共20分）1.某农信社计划开展新用户首贷转化率影响因素分析，请说明你将开展分析的完整步骤。参考答案：分析步骤分为以下六个阶段：（1）需求定义与业务沟通：明确业务目标——识别哪些因素显著影响新用户首贷转化，确定“首贷转化率”的业务定义：统计周期内完成注册并成功发放首笔贷款的新用户占所有注册新用户的比例，确定分析周期、新用户范围，同步明确需要输出的结论方向（如获客渠道、用户画像、产品匹配等维度的影响）。（2）数据采集与清洗：从核心业务系统、用户管理系统提取数据，变量包括：因变量（新用户是否完成首贷，0-1变量），自变量分为四类：用户基础属性（年龄、地域、职业、收入水平）、获客渠道（线下网点、线上小程序、第三方合作引流）、产品匹配（额度、利率、期限匹配度）、行为数据（注册前浏览时长、是否查看利率说明、是否完成实名认证）。数据清洗环节处理：删除重复样本、填补缺失值（连续变量用中位数填补，分类变量用众数填补）、处理异常值（如收入大于1000万的极端值按离群值处理剔除）、统一编码格式。（3）探索性数据分析：通过描述统计分析不同维度转化率的差异：比如计算不同获客渠道的转化率，绘制箱线图对比转化与未转化用户的收入分布，计算各变量与转化率的相关系数，初步识别相关性较强的影响因素。（4）模型构建与验证：选择逻辑回归模型或随机森林模型拟合变量关系，将样本按7:2:1分为训练集、验证集、测试集，训练模型后验证模型AUC、准确率等指标，确定模型有效性。（5）结果解读与显著性检验：识别通过显著性检验的核心影响因素，区分正向影响因素（如线上实名认证完成、县域种植户身份）和负向影响因素（如利率预期不匹配、异地用户），结合业务逻辑解释影响机制。（6）输出actionable结论与建议：针对高转化渠道加大投放、针对低转化群体优化产品匹配方案、针对转化流程断点提出优化建议，形成可落地的业务改进方案。2.简述农信社数据分析工作中，如何处理样本不平衡问题（以违约风险预测模型为例）。参考答案：农户信贷违约预测中通常违约样本占比仅5%-10%，属于典型的样本不平衡问题，会导致模型偏向多数类（正常样本），少数类（违约样本）识别准确率低，可从数据层面和算法层面分别处理：（1）数据层面处理：①过采样：对少数类违约样本进行重复采样或SMOTE合成新的违约样本，增加违约样本占比，避免模型忽略违约样本特征；②欠采样：对多数类正常样本进行随机欠采样，减少正常样本数量，平衡两类样本比例，需要注意多次欠采样多次建模集成避免信息损失；③分层抽样：训练集、验证集、测试集划分时采用分层抽样，保证各集合中违约样本占比和总体一致，避免样本分布偏差。（2）算法层面处理：①调整类别权重：给少数类违约样本设置更高的分类错误惩罚权重，让模型更重视违约样本的分类正确，比如逻辑回归中设置class_weight='balanced'，随机森林中调整min_samples_leaf参数；②改用适合不平衡样本的评价指标：不使用整体准确率作为评价标准，改用AUC-ROC、F1值、召回率（违约样本的召回率）作为模型评价指标，更准确反映模型对少数类的识别能力；③采用异常检测算法：将违约样本看作异常点，改用One-ClassSVM、孤立森林等无监督异常检测模型，不需要平衡样本即可识别少数异常样本。四、综合应用题（共1题，40分）某省级农信社2022-2024年个人消费贷款业务数据如下：指标\年份2022年2023年2024年个人消费贷款余额（亿元）125015301840当年新增发放笔数（万笔）32.541.248.6当年新增发放金额（亿元）420535660不良贷款余额（亿元）18.7525.9036.80平均贷款期限（年）2.12.32.5加权平均利率（%）6.25.85.51.计算2022-2024年该农信社个人消费贷款的不良率、户均新增贷款金额、三年复合增长率（贷款余额），列出计算过程（15分）2.分析该农信社个人消费贷款业务近几年的发展趋势和存在的风险问题（15分）3.针对发现的问题提出数据分析层面的改进建议（10分）参考答案：1.指标计算过程（1）不良率=不良贷款余额/个人消费贷款余额×100%：2022年不良率：18.75/1250×100%=1.50%2023年不良率：25.90/1530×100%≈1.69%2024年不良率：36.80/1840×100%=2.00%（2）户均新增贷款金额=当年新增发放金额/当年新增发放笔数：2022年：420亿元/32.5万笔≈12.92万元/笔2023年：535亿元/41.2万笔≈12.99万元/笔2024年：660亿元/48.6万笔≈13.58万元/笔（3）贷款余额三年复合增长率r，公式为：期末余额=期初余额×(1+r)³，因此r=(期末/期初)^(1/3)-1：代入数据：期末余额2024年为1840亿元，期初2022年为1250亿元，因此：1840/1250=1.472，对1.472开三次方得∛1.472≈1.138，因此复合增长率r≈1.138-1=13.8%。2.发展趋势与风险分析发展趋势：①业务规模持续快速扩张：2022-2024年个人消费贷款余额从1250亿元增长到1840亿元，复合增长率达到13.8%，新增发放笔数从32.5万笔增长到48.6万笔，年复合增长率达到22.3%，说明该农信社个人消费贷款业务获客规模扩张速度快，是业务增长的核心板块；②户均贷款规模逐步提升，贷款期限不断拉长：户均贷款从12.92万元提升到13.58万元，平均期限从2.1年提升到2.5年，反映出居民消费升级对中长期大额消费贷款的需求提升，也符合农信社下沉服务县域消费市场的定位；③利率持续下行：加权平均利率从6.2%下降到5.5%，反映出市场利率下行周期下，农信社响应政策降低消费融资成本，通过利率优惠抢占市场份额的策略。存在的风险问题：①信用风险持续上升：不良率从2022年的1.50%快速上升到2024年的2.00%，两年上升0.5个百分点，不良余额从18.75亿元增长到36.80亿元，涨幅接近100%，不良增长速度远快于贷款余额增长速度（贷款余额增长47.2%，不良余额增长96.3%），信用风险暴露速度加快；②利率下行加大净息差压力：加权平均利率三年下降0.7个百分点，而农信社资金成本下降幅度远低于贷款利率下降幅度，会挤压净息差，降低业务盈利水平；③大额化、长期化趋势放大风险敞口：户均贷款提升、期限拉长意味着单一客户风险敞口扩大，中长期贷款的风险不确定性更高，在经济下行周期下，未来不良率可能进一步上升。3.数据分析层面改进建议①建立动态不良风险监测模型：基于客户申请信息、征信信息、行为数据构建实时预警模型，按季度监测不同区域、不同客群的不良率变动，