2026年财税大数据应用职业技能模拟试题及答案

2026年财税大数据应用职业技能模拟试题及答案一、单项选择题（本大题共20小题，每小题1分，共20分。在每小题列出的四个选项中，只有一个是符合题目要求的，请将正确选项的字母填在题后的括号内）1.财税大数据应用中，数据清洗的主要目的是什么？A.提高数据存储效率B.增强数据传输速度C.识别并纠正错误或不一致的数据D.扩大数据分析范围解析：数据清洗是财税大数据应用的基础环节，其核心目的是通过识别和纠正错误、缺失或不一致的数据，确保数据质量，为后续分析提供可靠依据。选项A和B属于数据存储和传输的优化范畴，与清洗目的不符；选项D描述的是数据扩展，而非清洗功能。正确答案是C。2.在财税大数据分析中，哪种统计方法最适合用于检测异常交易？A.线性回归分析B.聚类分析C.空间自相关分析D.离群值检测解析：异常交易检测的核心是识别与大多数数据显著偏离的观测值，离群值检测（OutlierDetection）通过统计或机器学习方法识别异常点，直接适用于此类场景。线性回归分析用于预测关系，聚类分析用于分组，空间自相关分析用于地理数据关联，均不直接针对异常检测。正确答案是D。3.财税大数据平台中，ETL流程的顺序通常是什么？A.提取-转换-加载B.加载-提取-转换C.转换-提取-加载D.加载-转换-提取解析：ETL（Extract-Transform-Load）是数据仓库和大数据应用的标准流程。首先从源系统提取数据（Extract），然后进行清洗、转换（Transform），最后将处理后的数据加载到目标系统（Load）。选项B、C、D的顺序均违反了标准流程。正确答案是A。4.在使用Python进行财税大数据分析时，Pandas库最常用于什么任务？A.图形可视化B.机器学习建模C.数据操作和分析D.网络爬虫解析：Pandas是Python中专门用于数据分析和操作的库，提供DataFrame等结构化数据类型，支持数据清洗、筛选、聚合等操作，是财税大数据处理的核心工具。Matplotlib/Seaborn用于可视化，Scikit-learn用于机器学习，Requests用于网络爬虫，均非Pandas的主要功能。正确答案是C。5.财税大数据应用中，哪种数据库最适合存储结构化财务数据？A.NoSQL数据库B.NewSQL数据库C.图数据库D.关系型数据库解析：结构化财务数据（如会计凭证、报表）具有明确的字段和关系，关系型数据库（如MySQL、PostgreSQL）通过SQL语言支持事务处理和复杂查询，最适合此类数据。NoSQL适用于非结构化数据，NewSQL是混合型，图数据库用于关系网络分析。正确答案是D。6.在进行财税大数据可视化时，哪种图表最适合展示时间序列趋势？A.饼图B.散点图C.折线图D.热力图解析：时间序列分析需要展示数据随时间的变化趋势，折线图通过连续的线段直观呈现数值变化，是最佳选择。饼图用于占比，散点图用于相关性，热力图用于二维数据密度。正确答案是C。7.财税大数据应用中，数据隐私保护的主要手段是什么？A.数据加密B.数据匿名化C.数据压缩D.数据备份解析：数据隐私保护的核心是防止敏感信息泄露，数据匿名化通过删除或替换个人标识符（如姓名、身份证号）实现，是财税领域（如个税、企业财报）的合规要求。加密保护传输和存储安全，压缩减少存储空间，备份用于灾难恢复，均非直接隐私保护手段。正确答案是B。8.在使用机器学习预测企业税务风险时，哪种特征工程方法最有效？A.特征选择B.特征缩放C.特征编码D.特征交互解析：税务风险评估需要综合多维度数据，特征交互（FeatureInteraction）通过组合原始特征生成新特征，能捕捉复杂非线性关系，提升模型预测能力。特征选择用于减少维度，缩放用于统一量纲，编码用于分类变量，均不如交互有效。正确答案是D。9.财税大数据平台中，哪种技术最适合实现实时数据流处理？A.HadoopMapReduceB.ApacheSparkStreamingC.MongoDBD.Redis解析：实时数据流处理要求低延迟和高吞吐量，SparkStreaming基于Spark框架，支持微批处理，适用于财税领域（如实时税务稽查）的流数据。MapReduce是批处理，MongoDB是文档数据库，Redis是内存数据库，均不擅长流处理。正确答案是B。10.在进行财税大数据分析时，哪种指标最适合衡量模型预测精度？A.相关系数B.均方误差（MSE）C.准确率D.AUC值解析：预测精度需量化误差，均方误差（MSE）通过平方差计算模型与实际值的偏离程度，是回归问题常用指标。相关系数衡量线性关系，准确率用于分类，AUC值评估ROC曲线下面积，均不直接反映误差大小。正确答案是B。11.财税大数据应用中，哪种算法最适合进行税务稽查异常模式识别？A.决策树B.K-Means聚类C.逻辑回归D.Apriori关联规则解析：异常模式识别需要发现反常模式，K-Means通过聚类中心识别偏离群体数据，适用于发现异常交易群体。决策树用于分类，逻辑回归用于预测，Apriori用于购物篮分析，均不直接针对异常模式。正确答案是B。12.在使用SQL进行财税大数据查询时，哪种函数最适合计算移动平均？A.SUM()B.AVG()OVER()C.COUNT()D.MAX()解析：移动平均需要计算滑动窗口内的平均值，SQL窗口函数AVG()OVER()通过定义OVER()子句的PARTITIONBY和ORDERBY实现。SUM()计算总和，COUNT()统计数量，MAX()求最大值，均不满足移动平均需求。正确答案是B。13.财税大数据平台中，哪种技术最适合实现跨部门数据共享？A.数据湖B.数据孤岛C.数据仓库D.数据网格解析：跨部门数据共享需要集中管理和访问，数据网格（DataMesh）通过分布式自治和联邦计算实现数据所有权和共享，是现代大数据架构趋势。数据湖是原始数据存储，数据孤岛是部门壁垒，数据仓库是主题聚合，均不直接解决共享问题。正确答案是D。14.在进行企业税务风险评估时，哪种财务指标最敏感？A.资产负债率B.息税前利润率C.现金流量比率D.营业收入增长率解析：税务风险与现金流直接相关，现金流量比率（经营活动现金流量/流动负债）反映短期偿债能力，异常值可能暗示税务问题（如虚增收入、隐瞒利润）。其他指标相对间接。正确答案是C。15.财税大数据应用中，哪种工具最适合进行数据质量评估？A.TableauB.TalendC.GreatExpectationsD.PowerBI解析：数据质量评估需要定义规则并自动检测偏差，GreatExpectations是专门的数据质量工具，支持期望定义、验证和报告，适用于财税领域（如财报数据合规性）。Tableau/PowerBI是可视化，Talend是ETL工具，均不直接支持质量评估。正确答案是C。16.在使用Python进行财税大数据分析时，哪种库最适合进行文本挖掘？A.NumPyB.MatplotlibC.NLTKD.Scikit-learn解析：文本挖掘需要处理非结构化文本，NLTK（NaturalLanguageToolkit）是Python标准文本处理库，支持分词、词性标注、情感分析等。NumPy用于数值计算，Matplotlib用于可视化，Scikit-learn是机器学习，均不直接支持文本挖掘。正确答案是C。17.财税大数据平台中，哪种技术最适合实现数据联邦？A.数据同步B.数据分区C.数据加密D.数据虚拟化解析：数据联邦允许跨源联合分析而不共享原始数据，数据虚拟化通过逻辑连接实现数据透明访问，是联邦计算的典型技术。数据同步是实时同步，数据分区是物理隔离，数据加密是安全措施，均不满足联邦需求。正确答案是D。18.在进行税务大数据建模时，哪种模型最适合处理非线性关系？A.线性回归B.逻辑回归C.支持向量机D.决策树解析：非线性关系需要非线性模型，支持向量机（SVM）通过核函数映射高维空间，能有效处理复杂非线性分类和回归问题。线性回归和逻辑回归假设线性关系，决策树虽能处理非线性但易过拟合。正确答案是C。19.财税大数据应用中，哪种指标最适合衡量模型泛化能力？A.过拟合率B.AUC值C.变量重要性D.正则化系数解析：泛化能力指模型对未知数据的预测性能，AUC值通过ROC曲线评估分类模型在不同阈值下的综合性能，是衡量泛化能力的标准指标。过拟合率是过拟合程度，变量重要性是特征贡献，正则化系数是控制过拟合参数。正确答案是B。20.在使用大数据技术处理海量财税数据时，哪种架构最适合？A.单机批处理B.分布式批处理C.单机流处理D.分布式流处理解析：财税大数据量巨大，需要分布式架构提升处理能力，分布式流处理（如Flink、Kafka）同时支持实时分析和历史数据回溯，最适合动态税务监控。单机处理能力有限，批处理和流处理单一场景适用性不足。正确答案是D。二、多项选择题（本大题共10小题，每小题2分，共20分。在每小题列出的五个选项中，有多项符合题目要求。请将正确选项的字母填在题后的括号内。多选、错选、漏选均不得分）1.财税大数据应用中，数据清洗的主要步骤包括哪些？A.缺失值处理B.数据标准化C.异常值检测D.数据去重E.数据类型转换解析：数据清洗是财税大数据应用的基础，完整步骤包括：缺失值处理（填充或删除）、异常值检测（识别并修正）、数据去重（消除重复记录）、数据标准化（统一格式）、数据类型转换（修正错误类型）。正确答案是A、B、C、D、E。2.在使用机器学习进行税务风险评估时，哪些特征工程方法常用？A.特征选择B.特征缩放C.特征编码D.特征交互E.特征衍生解析：税务风险评估的特征工程需综合多种方法：特征选择（降维）、特征缩放（如归一化）、特征编码（如独热编码）、特征交互（组合特征）、特征衍生（生成新指标）。所有选项均适用。正确答案是A、B、C、D、E。3.财税大数据平台中，哪些技术支持实时数据处理？A.ApacheKafkaB.ApacheFlinkC.ApacheSparkStreamingD.ApacheStormE.HadoopMapReduce解析：实时数据处理需要低延迟技术：ApacheKafka是分布式流平台，ApacheFlink是流处理引擎，ApacheSparkStreaming基于Spark的流处理，ApacheStorm是早期流计算框架，HadoopMapReduce是批处理。正确答案是A、B、C、D。E错误。4.在进行财税大数据可视化时，哪些图表适合展示多维数据？A.散点图矩阵B.平行坐标图C.热力图D.聚类图E.饼图解析：多维数据可视化需要专门图表：散点图矩阵（多变量散点图组合）、平行坐标图（有序数据多维度）、热力图（二维数值密度）、聚类图（分组展示）。饼图仅适合单一维度占比。正确答案是A、B、C、D。E错误。5.财税大数据应用中，哪些指标用于评估模型性能？A.准确率B.召回率C.F1分数D.AUC值E.均方误差（MSE）解析：模型性能评估指标需覆盖分类和回归：准确率（分类）、召回率（分类）、F1分数（分类）、AUC值（分类）、均方误差（回归）。所有选项均适用。正确答案是A、B、C、D、E。6.在使用SQL进行财税大数据查询时，哪些窗口函数常用？A.SUM()OVER()B.AVG()OVER()C.COUNT()OVER()D.MAX()OVER()E.FIRST_VALUE()OVER()解析：SQL窗口函数用于分析数据片段：SUM()OVER()（聚合）、AVG()OVER()（平均）、COUNT()OVER()（计数）、MAX()OVER()（最大值）、FIRST_VALUE()OVER()（首值）。所有选项均适用。正确答案是A、B、C、D、E。7.财税大数据平台中，哪些技术支持数据安全？A.数据加密B.访问控制C.数据脱敏D.数据备份E.数据水印解析：数据安全技术包括：数据加密（传输/存储）、访问控制（权限管理）、数据脱敏（匿名化）、数据水印（溯源）、数据备份（容灾）。所有选项均适用。正确答案是A、B、C、D、E。8.在进行企业税务风险评估时，哪些财务指标相关？A.资产负债率B.息税前利润率C.现金流量比率D.营业收入增长率E.应收账款周转率解析：税务风险评估关注财务健康和异常信号：资产负债率（偿债能力）、息税前利润率（盈利能力）、现金流量比率（现金流）、营业收入增长率（增长趋势）、应收账款周转率（营运效率）。所有选项均适用。正确答案是A、B、C、D、E。9.财税大数据应用中，哪些场景适合使用机器学习？A.税务稽查异常识别B.企业税务风险预测C.财务报表自动生成D.税收政策影响评估E.税务合规性检测解析：机器学习在财税领域应用广泛：税务稽查异常识别（分类）、企业税务风险预测（回归）、财务报表自动生成（序列模型）、税收政策影响评估（因果推断）、税务合规性检测（规则学习）。所有选项均适用。正确答案是A、B、C、D、E。10.在使用Python进行财税大数据分析时，哪些库常用？A.PandasB.NumPyC.MatplotlibD.Scikit-learnE.TensorFlow解析：Python财税大数据分析库组合：Pandas（数据处理）、NumPy（数值计算）、Matplotlib（可视化）、Scikit-learn（机器学习）、TensorFlow（深度学习）。所有选项均适用。正确答案是A、B、C、D、E。三、判断题（本大题共10小题，每小题2分，共20分。请判断下列各题的正误，正确的填“√”，错误的填“×”）1.财税大数据应用中，数据清洗的唯一目的是提高数据存储效率。×解析：数据清洗的主要目的是确保数据质量（准确性、一致性、完整性），为后续分析提供可靠基础，而非单纯提高存储效率。该说法错误。2.在使用机器学习进行税务风险评估时，模型越复杂越好。×解析：模型复杂度需平衡性能和可解释性，过拟合会导致泛化能力下降，并非越复杂越好。应选择最优复杂度的模型。该说法错误。3.财税大数据平台中，数据湖是结构化数据的存储仓库。×解析：数据湖存储原始、未处理的数据（结构化/半结构化/非结构化），数据仓库才是结构化数据的主题聚合。该说法错误。4.在进行财税大数据可视化时，饼图最适合展示时间序列数据。×解析：饼图展示占比，不适合时间序列的动态变化，折线图或面积图更合适。该说法错误。5.财税大数据应用中，数据隐私保护的主要手段是数据加密。×解析：数据加密保护数据安全，但隐私保护的核心是数据匿名化或去标识化，防止个人身份泄露。该说法错误。6.在使用SQL进行财税大数据查询时，GROUPBY子句必须与HAVING子句配合使用。×解析：GROUPBY用于分组，HAVING用于过滤分组后的结果，但GROUPBY可独立使用（无聚合函数）。该说法错误。7.财税大数据平台中，分布式计算架构的唯一优势是处理速度快。×解析：分布式架构的优势包括：高吞吐量、可扩展性、容错性、并行处理，而不仅仅是速度快。该说法错误。8.在进行企业税务风险评估时，财务指标越敏感越好。×解析：敏感指标可能误报，需结合业务逻辑综合判断，并非越敏感越好。该说法错误。9.财税大数据应用中，数据质量评估不需要定义规则。×解析：数据质量评估必须先定义质量规则（如完整性、一致性），再进行检测。该说法错误。10.在使用Python进行财税大数据分析时，NumPy库最适合进行数据可视化。×解析：NumPy用于数值计算，Matplotlib/Seaborn才是数据可视化库。该说法错误。四、简答题（本大题共8小题，每小题2分，共16分。请根据题目要求作答）1.简述财税大数据应用中数据清洗的主要步骤及其目的。答：数据清洗主要步骤包括：（1）缺失值处理：通过填充（均值/中位数/众数）或删除缺失值，确保数据完整性；（2）异常值检测：识别并修正偏离正常范围的数据（如使用3σ法则或箱线图），提高数据准确性；（3）数据去重：消除重复记录，避免分析偏差；（4）数据标准化：统一格式（如日期格式、数值单位），确保数据一致性；（5）数据类型转换：修正错误类型（如将文本转换为数值），保证数据有效性。目的：为后续分析提供高质量、可靠的数据基础。2.解释什么是数据联邦，及其在财税大数据应用中的优势。答：数据联邦是一种分布式数据协作技术，允许不同部门或系统在共享原始数据的同时进行联合分析，通过逻辑连接实现数据透明访问，而无需物理迁移数据。优势：（1）保护数据隐私（不共享原始数据）；（2）提高数据利用率（整合多源数据）；（3）降低数据传输成本（避免大量数据流动）；（4）增强数据安全（控制访问权限）。在财税领域，适用于跨部门（如税务与财政）联合稽查或政策分析。3.描述机器学习在税务风险评估中的应用场景及常用模型。答：应用场景：（1）税务稽查异常识别：通过分类模型（如SVM、随机森林）识别可疑交易；（2）企业税务风险预测：使用回归模型（如梯度提升树）预测风险得分；（3）税务合规性检测：基于规则学习或深度学习检测合规问题。常用模型：（1）分类：逻辑回归、决策树、支持向量机；（2）回归：线性回归、岭回归、梯度提升树；（3）异常检测：孤立森林、One-ClassSVM。4.说明财税大数据平台中，分布式计算架构（如Hadoop/Spark）的核心优势。答：核心优势：（1）高吞吐量：通过并行处理海量数据，满足财税领域（如财报分析）的批处理需求；（2）可扩展性：通过增加节点动态扩展计算资源，适应数据增长；（3）容错性：数据冗余存储和任务重试机制，保证系统稳定运行；（4）成本效益：利用廉价的商用硬件，降低大规模计算成本。Hadoop（MapReduce）和Spark（RDD）是典型代表。5.解释什么是特征工程，及其在财税大数据建模中的重要性。答：特征工程是通过对原始特征进行转换、组合、选择等操作，生成新的、更具预测能力的特征集的过程。重要性：（1）提升模型性能：有效特征能显著提高预测精度；（2）降低数据维度：减少噪声和冗余，避免过拟合；（3）增强模型可解释性：通过特征衍生揭示业务规律。在财税领域，如从财务报表衍生“现金流比率”等指标，能捕捉税务风险特征。6.描述财税大数据应用中，数据可视化常用的图表类型及其适用场景。答：常用图表类型及场景：（1）折线图：展示时间序列趋势（如税收收入变化）；（2）柱状图：比较不同类别数据（如企业税负对比）；（3）散点图：分析变量相关性（如利润与销售额关系）；（4）饼图：展示占比（如税种结构）；（5）热力图：展示二维数值密度（如区域税务稽查热点）；（6）平行坐标图：展示多维数据（如企业多维度财务指标）。选择图表需根据数据类型和分析目标。7.说明财税大数据应用中，数据隐私保护的主要法律法规要求。答：主要法律法规要求：（1）《网络安全法》：要求数据分类分级保护，防止泄露；（2）《数据安全法》：规范数据处理活动，明确跨境传输规则；（3）《个人信息保护法》：对个人税务信息（如身份证号）进行严格保护，需去标识化处理；（4）《税收征管法》：要求税务数据保密，禁止非法使用。企业需建立合规的数据治理体系。8.描述财税大数据平台中，数据集成的主要挑战及解决方案。答：主要挑战：（1）数据异构性：不同系统数据格式、标准不一；（2）数据不一致性：同一指标在不同系统定义不同；（3）数据孤岛：部门间数据不共享，形成壁垒；（4）数据实时性要求：税务监控需要低延迟集成。解决方案：（1）ETL工具（如Talend）进行数据清洗和转换；（2）数据标准化规范；（3）数据网格（DataMesh）架构实现联邦集成；（4）流处理技术（如Flink）支持实时集成。五、应用题（本大题共8小题，每小题4分，共32分。请根据题目要求作答）1.某税务稽查部门需要分析企业税务风险，收集了以下财务数据：营业收入（万元）、成本费用（万元）、资产负债率（%）、现金流比率（次）。假设已建立逻辑回归模型，预测企业是否高风险（1=是，0=否），模型公式为：Risk=0.5Logit(0.3Revenue-0.7Cost+1.2Leverage-0.4CashFlowRatio+1.5)其中Logit为逻辑函数。现有一企业数据为：营业收入2000万元，成本费用1500万元，资产负债率60%，现金流比率1.5次。计算该企业风险评分，并判断是否高风险。答：（1）计算风险评分：Risk=0.5Logit(0.32000-0.71500+1.260-0.41.5+1.5)=0.5Logit(600-1050+72-0.6+1.5)=0.5Logit(-323.1)≈0.5(-∞)≈-∞（2）判断是否高风险：Logit函数输出为0-1之间，-∞表示极低概率，即P(Risk=1)≈0。结论：该企业风险评分极低，不属于高风险企业。2.某企业2020-2025年税收缴纳数据如下表，请使用折线图展示税收趋势，并分析其变化规律。年份|税收（万元）---|---2020|5002021|5502022|4802023|6002024|6202025|700答：（1）折线图绘制：（假设绘制图形如下）```700+-------------------+|650+|||600+||||550+||||500+--------------+|202020212022202320242025```（2）变化规律分析：-2020-2021年：税收增长10%（经济复苏带动）；-2021-2022年：下降13.6%（可能受政策调整影响）；-2022-2023年：增长25%（强劲反弹）；-2023-2024年：增长3.3%（平稳增长）；-2024-2025年：增长13.2%（持续扩张）。总体呈波动增长趋势，2022年出现异常下降，需进一步调查原因。3.某税务大数据平台使用ApacheSpark进行实时数据处理，假设需要计算每分钟的企业交易流水总额，请写出SparkSQL代码实现。答：```sqlCREATETEMPORARYTABLEtransactionsASSELECTcompany_idINT,amountDECIMAL(10,2),timestampTIMESTAMPFROMKafkaTopic;SELECTFLOOR(timestamp/INTERVAL'1'MINUTE)ASminute,SUM(amount)AStotal_amountFROMtransactionsGROUPBYminute;```说明：-使用Kafka读取交易数据；-通过FLOOR(timestamp/INTERVAL'1'MINUTE)实现按分钟分组；-SUM(amount)计算每分钟总额。4.某企业财务报表数据如下表，请计算其流动比率和速动比率。资产|金额（万元）负债|金额（万元）---|---现金|200应收账款|300存货|400流动负债|500非流动资产|1000非流动负债|800答：（1）流动比率：流动资产/流动负债流动资产=现金+应收账款+存货=200+300+400=900流动比率=900/500=1.8（2）速动比率：速动资产/流动负债速动资产=流动资产-存货=900-400=500速动比率=500/500=1.0结论：流动比率1.8（良好），速动比率1.0（正常）。5.某税务稽查部门需要分析企业发票数据，发现部分发票金额存在异常，假设已使用3σ法则检测异常值，规则为：异常发票=|发票金额-平均金额|>3标准差现有一组发票金额：[100,200,300,400,500,600,700,800,900,10000]，计算异常发票数量。答：（1）计算统计量：平均金额=(100+200+...+10000)/10=11500标准差=sqrt(((100-1150)²+...+(10000-1150)²)/10)≈3316.4（2）检测异常：最大正常金额=1150+33316.4≈14449.2只有10000<14449.2，但10000与平均值差距仍巨大，需进一步确认。结论：按严格标准，仅10000为异常（需结合业务判断是否误报）。6.某企业2023年财务报表数据如下，请计算其资产负债率、权益乘数和净资产收益率（假设税后利润率10%）。资产总额|2000万元负债总额|800万元销售收入|1500万元答：（1）资产负债率：负债总额/资产总额=800/2000=40%（2）权益乘数：资产总额/股东权益=2000/(2000-800)=2（3）净资产收益率：ROE=净利润/股东权益=税后利润率销售收入权益乘数=10%15002=300万元ROE=300/(2000-800)=300/1200=25%结论：资产负债率40%，权益乘数2，净资产收益率25%。7.某税务大数据平台使用PythonPandas处理数据，假设已加载企业数据到DataFrame`df`，其中包含“收入”、“成本”、“利润”三列，请写出代码计算每企业的利润率（利润/收入）。答：```pythondf['利润率']=df['利润']/df['收入']处理收入为0的情况df['利润率']=df.apply(lambdarow:0ifrow['收入']==0elserow['利润']/row['收入'],axis=1)```说明：-首先计算利润率；-通过apply处理收入为0的除零问题，返回0。8.某税务稽查部门需要分析企业发票数据，假设已使用K-Means聚类将发票分为三类，请描述如何解释聚类结果。答：（1）计算各簇中心点（平均值）：-簇1：金额集中在[100-300]区间（正常发票）；-簇2：金额集中在[500-700]区间（大额发票）；-簇3：金额集中在[1000-2000]区间（异常发票）。（2）业务解释：-簇1代表常规业务；-簇2可能为采购或投资；-簇3需重点审查，可能涉及虚开发票或偷税。（3）进一步分析：-检查簇内离散度（标准差）；-结合发票类型（增值税/普通）进行细分；-对异常簇进行人工复核。【标准答案及解析】一、单项选择题答案1.C2.D3.A4.C5.D6.C7.B8.D9.B10.B2.B12.C13.D