大数据分析师（金融行业）岗位招聘考试试卷及答案.docVIP

大数据分析师（金融行业）岗位招聘考试试卷及答案

填空题（10题，1分/题）

1.金融行业常用的关系型数据库之一是______

2.Python中用于数据清洗的核心库是______

3.金融风控衡量模型区分度的关键指标是______

4.大数据离线计算的核心框架是______

5.GDPR适用于处理______地区用户数据的企业

6.用于文本分析的Python库是______

7.ARIMA模型的全称是______

8.分布式大数据存储的核心系统是______

9.金融反欺诈中，衡量模型准确率的指标之一是______

10.金融大数据可视化常用工具是______

答案

1.Oracle（或MySQL）

2.Pandas

3.AUC

4.Hadoop

5.欧盟及欧洲经济区

6.NLTK（或jieba）

7.自回归积分滑动平均模型

8.HDFS

9.精确率（或召回率）

10.Tableau

单项选择题（10题，2分/题）

1.以下不属于金融大数据特征的是？

A.高价值密度B.海量性C.高速性D.多样性

2.金融风控中，VIF用于检测模型的？

A.共线性B.异常值C.缺失值D.过拟合

3.以下属于实时计算框架的是？

A.SparkStreamingB.HadoopC.MapReduceD.Hive

4.金融行业KYC的全称是？

A.了解你的客户B.客户身份验证C.风险评估D.反洗钱

5.数据建模常用的Python库是？

A.Scikit-learnB.PandasC.NumpyD.Matplotlib

6.时间序列平稳性检验常用？

A.ADF检验B.T检验C.F检验D.卡方检验

7.以下属于非结构化金融数据的是？

A.客户投诉文本B.股票价格C.交易流水D.存款余额

8.ETL流程中，“L”代表？

A.加载B.提取C.转换D.存储

9.金融反欺诈常用的图算法是？

A.社区发现B.线性回归C.决策树D.KNN

10.我国金融数据合规核心法规是？

A.个人信息保护法（PIPL）B.PythonC.HadoopD.Spark

答案

1.A2.A3.A4.A5.A6.A7.A8.A9.A10.A

多项选择题（10题，2分/题，多选/少选不得分）

1.金融大数据分析常用工具包括？

A.SparkB.HadoopC.TableauD.Excel

2.金融风控模型常用算法有？

A.逻辑回归B.随机森林C.神经网络D.KNN

3.金融数据合规法规包括？

A.PIPLB.GDPRC.PCIDSSD.无

4.大数据处理阶段包括？

A.数据采集B.清洗C.建模D.可视化

5.金融非结构化数据类型有？

A.投诉录音B.社交媒体文本C.股票K线图D.交易日志

6.时间序列分析模型有？

A.ARIMAB.GARCHC.LSTMD.Prophet

7.数据清洗操作包括？

A.缺失值处理B.异常值处理C.数据转换D.聚合

8.金融大数据应用场景包括？

A.风控B.营销C.反欺诈D.投研

9.分布式计算框架包括？

A.SparkB.HadoopC.FlinkD.Storm

10.模型性能指标包括？

A.AUCB.精确率C.召回率D.F1值

答案

1.ABC2.ABCD3.ABC4.ABCD5.AB6.ABCD7.ABCD8.ABCD9.ABCD10.ABCD

判断题（10题，2分/题，对√错×）

1.金融大数据价值密度比普通大数据高。（）

2.Spark仅支持离线计算。（）

3.GDPR仅适用于欧盟企业。（）

4.逻辑回归可用于二分类和多分类。（）

5.HDFS是分布式文件系统。（）

6.时间序列分析无需平稳性检验。（）

7.KYC是反洗钱的基础。（）

8.Pandas只能处理结构化数据。（）

9.决策树可解释性强。（）

10.数据可视化工具只有Tableau。（）

答案

1.√2.×3.×4.√5.√6.×7.√8.×9.√10.×

简答题（4题，5分/题）

1.简述金融大数据分析的核心流程。

答案：金融大数据分析核心流程分五步：①数据采集：从交易系统、CRM、社交媒体等多源采集结构化（交易流水）、半结构化（日志）、非结构化（文本）数据；②数据清洗：处理缺失值、异常值，统一格式；③数据存储：用HDFS存海量数据，关系型数据库存结构化数据；④建模分析：用Spark计算，逻辑回归、随机森林等建模，时间序列分析做预测；⑤可视化应用：用Tableau展示，支撑风控、营销、投研等场景，辅助决策。

2.金融风控中AUC指标的含义及作用是什么？

答案：AUC是ROC曲线下的面积，衡量模型区分正负样本的能力。ROC横轴是假阳性率（FPR），纵轴是真阳性率（TPR）。AUC范围0-1，越近1区分度越好（1=完美区分，0.5=随机）。金融风控中，AUC用于评估信用评分、反欺诈模型有效性