建设银行遂宁市数据分析师笔试题及答案.docxVIP

第PAGE页共NUMPAGES页

建设银行遂宁市数据分析师笔试题及答案

试题部分

一、选择题（共5题，每题2分，合计10分）

1.遂宁市近年来经济结构转型，重点发展电子信息产业和现代农业。若需分析电子信息产业对当地GDP的贡献率，最适合使用的分析方法是？

A.相关性分析

B.回归分析

C.聚类分析

D.时间序列分析

2.建设银行遂宁分行某季度信用卡逾期数据如下：逾期金额分布极不均衡，部分客户逾期金额远超均值。这种数据分布特征最可能体现的统计问题是？

A.离散性

B.偏态性

C.方差增大

D.正态分布

3.在建行遂宁某社区网点，客户流失率较高。若需分析流失客户的主要特征，最适合采用的数据挖掘技术是？

A.决策树分析

B.主成分分析

C.聚类分析

D.关联规则挖掘

4.遂宁市某企业贷款还款数据中，存在大量异常值（如还款突然中断）。这类数据问题可能导致的后果是？

A.模型偏差增大

B.数据完整性下降

C.预测准确率提升

D.数据标准化失效

5.若需分析遂宁市不同区域（如船山区、安居区）的房贷审批通过率差异，最适合使用的可视化图表是？

A.散点图

B.箱线图

C.饼图

D.热力图

二、填空题（共5题，每题2分，合计10分）

1.在分析遂宁市居民消费信贷数据时，若需衡量不同年龄段（20-30岁、30-40岁）客户贷款金额的差异，应优先采用__________检验。

2.建设银行遂宁分行信贷数据中，某客户的“历史逾期次数”与“当前贷款余额”之间存在正相关关系，这体现了数据中的__________特征。

3.若需评估遂宁市某商圈的商户信贷风险，应构建__________模型，并重点考虑商户的流水波动性指标。

4.在处理遂宁市小微企业贷款数据时，若发现部分企业名称存在“XX贸易公司”与“XX贸易有限责任公司”的重复记录，应采用__________方法进行清洗。

5.分析遂宁市信用卡用户消费行为时，若需发现用户常购商品类别与职业类型的关联关系，应使用__________算法。

三、简答题（共3题，每题10分，合计30分）

1.简述在分析遂宁市房贷业务时，如何通过数据清洗提升模型准确性？（需结合实际业务场景说明）

2.若需分析遂宁市建行网点客户排队时间与时段的关系，应设计哪些数据采集指标？如何通过数据分析优化排队流程？

3.结合遂宁市农业发展特点，说明在分析农村信贷业务时，如何通过特征工程提升模型对农户的还款能力评估效果？

四、论述题（1题，20分）

分析遂宁市建行某县域支行业务数据中，信贷产品渗透率较低的原因，并提出至少3条数据驱动改进措施。

答案及解析部分

一、选择题答案及解析

1.答案：B

解析：分析产业对GDP贡献率需量化各产业对总量的拉动作用，回归分析可通过建立数学模型（如GDP=β0+β1×电子信息产业增加值+ε）量化贡献度。相关性分析仅判断关系，聚类分析用于分组，时间序列分析用于趋势预测，均不适用。

2.答案：B

解析：数据分布极不均衡（长尾特征）是典型偏态性表现，此时均值易受极端值影响。离散性关注数据分散程度，方差增大是数值表现，正态分布则要求对称分布，均不符合题意。

3.答案：A

解析：流失客户分析需识别特征差异，决策树能通过递归划分找出关键影响因子（如收入、年龄、逾期次数）。主成分分析用于降维，聚类分析用于客户分群，关联规则挖掘用于发现项集关系，均不直接解决分类问题。

4.答案：A

解析：异常值会扭曲统计指标（如均值、方差）和模型参数，导致回归系数、分类阈值偏离真实关系，即模型偏差增大。数据完整性下降是数据缺失问题，异常值未必影响完整性；异常值处理不当反而降低准确率；标准化失效是技术问题而非后果。

5.答案：B

解析：箱线图能直观展示不同区域房贷审批通过率的中位数、四分位数及异常值，适合比较离散数据。散点图用于数值关系，饼图展示占比，热力图适合矩阵数据，均不适用。

二、填空题答案及解析

1.答案：t（t检验）

解析：两组均值比较需检验方差齐性，若样本量小（30）或方差不等，应使用t检验。方差分析（ANOVA）适用于多组比较。

2.答案：共线性

解析：正相关关系是共线性典型表现，会导致模型系数不稳定、解释力下降。需通过方差膨胀因子（VIF）等方法检测。

3.答案：逻辑回归

解析：信贷风险属于分类问题，逻辑回归能输出审批概率，并可通过特征重要性分析（如L1正则）识别关键指标（如流水增长率）。

4.答案：文本分词与规则匹配

解析：通过“公司”“有限责任公司”等关键词分词后标准化（如统一为“XX贸易”），适用于名称格式差异的场景。

5.答案：Apriori

解析：Apriori算法通过频繁项集挖掘发现关联规则，如“教师职业”客户常购买“