交通银行广元市数据分析师笔试题及答案.docxVIP

第PAGE页共NUMPAGES页

交通银行广元市数据分析师笔试题及答案

一、选择题（共5题，每题2分，共10分）

1.在数据分析中，以下哪种方法最适合处理缺失值？（）

A.删除含有缺失值的样本

B.填充均值或中位数

C.使用机器学习模型预测缺失值

D.以上皆可

2.广元市某商场2023年销售额数据如下：1月10万、2月12万、3月15万、4月14万。若采用移动平均法预测5月销售额，使用3个月移动平均，则预测值约为多少？（）

A.13万

B.14万

C.15万

D.16万

3.在银行业客户流失分析中，以下哪个指标最能反映客户活跃度？（）

A.账户余额

B.交易频率

C.贷款金额

D.客户年龄

4.广元市某银行信用卡用户行为数据显示，用户A每月消费金额标准差为200元，用户B每月消费金额标准差为300元。若两者的平均消费金额相同，则谁的消费波动更大？（）

A.用户A

B.用户B

C.两者相同

D.无法判断

5.在进行客户细分时，以下哪种方法最适合基于交易行为数据？（）

A.K-means聚类

B.决策树分类

C.逻辑回归

D.线性回归

二、填空题（共5题，每空1分，共10分）

1.在Python中，用于处理数据的常用库是________和________。

2.广元市2023年人均GDP约为________万元，略高于四川省平均水平。

3.银行客户满意度调查中，常用的量化指标是________分数。

4.数据分析中的“漏斗模型”常用于分析用户________和________的转化过程。

5.信用卡欺诈检测中，常用的异常检测算法包括________和________。

三、简答题（共3题，每题10分，共30分）

1.简述银行业客户流失预警模型的构建步骤。

2.结合广元市消费市场特点，分析影响信用卡用户活跃度的关键因素。

3.解释什么是“数据清洗”，并列举至少三种常见的数据清洗方法。

四、计算题（共2题，每题15分，共30分）

1.某银行广元分行2023年第一季度存款数据如下表：

|月份|存款金额（万元）|

|||

|1月|500|

|2月|550|

|3月|580|

要求：

（1）计算1月、2月、3月的环比增长率；

（2）若采用指数平滑法（α=0.3）预测4月存款，则预测值约为多少？

2.某银行广元分行信用卡用户2023年12月交易数据如下：

-平均交易金额：2000元

-标准差：500元

-样本量：1000户

要求：

（1）若某用户12月交易金额为2500元，其离群值Z分数是多少？

（2）若该分行希望将高价值用户定义为Z分数绝对值＞2的用户，则高价值用户占比约为多少？（假设交易金额服从正态分布）

五、论述题（1题，20分）

结合广元市经济特点和交通银行业务现状，论述如何利用数据分析提升信用卡业务竞争力。

答案及解析

一、选择题

1.B

-解析：填充均值或中位数适用于缺失值较多但分布均匀的情况，删除样本可能丢失信息，机器学习预测适用于缺失值稀疏且需复杂关系建模的场景。

2.A

-解析：3个月移动平均=(15+14+14)/3=13万。

3.B

-解析：交易频率直接反映客户使用信用卡的活跃度，账户余额、贷款金额更多体现客户财富，年龄与活跃度关联较弱。

4.B

-解析：标准差越大，数据波动越大，用户B的消费波动更大。

5.A

-解析：K-means聚类适用于无标签数据聚类，适合基于交易行为进行客户细分。

二、填空题

1.Pandas，NumPy

-解析：Pandas用于数据操作，NumPy用于数值计算。

2.8.5

-解析：根据近年广元市统计数据。

3.NetPromoterScore(NPS)

-解析：银行常用NPS衡量客户满意度。

4.注册，转化

-解析：漏斗模型分析用户从注册到转化的流失环节。

5.IsolationForest，LocalOutlierFactor(LOF)

-解析：信用卡欺诈检测常用异常检测算法。

三、简答题

1.客户流失预警模型构建步骤：

-数据收集：整合客户基本信息、交易记录、行为数据等；

-数据预处理：清洗缺失值、异常值，特征工程（如创建“近期交易频率”等指标）；

-模型选择：常用逻辑回归、决策树或XGBoost；

-模型评估：使用AUC、准确率等指标；

-实时监控：部署模型预测潜在流失客户，制定挽留策略。

2.广元市信用卡用户活跃度影响因素：

-地域消费习惯：广元本地消费场景（如旅游、餐饮）影响交易频率；

-银行营销活动