{"name":"金融大数据处理职业技能等级证书题库","level":"初级 / 中级 / 高级","org":"人力资源和社会保障部门备案评价机构","count":300,"questions":[{"id":1,"type":"single","stem":"在金融数据采集环节，从券商接口拉取日行情数据时发现某只股票当日成交量为0但收盘价非0，最合理的处置是","options":["将该记录标记为停牌并保留其余字段","直接删除该记录避免污染后续分析","用前一交易日成交量填充该字段","将成交量改为收盘价的十分之一估算"],"answer":[0],"explanation":"知识点是金融数据异常值识别与停牌标记。成交量为0且价格非0通常对应停牌，正确做法是标记停牌而非删改；删除记录会丢失停牌信息，用前值填充会伪造交易，按价格估算成交量没有任何业务依据。","tier":"挑战"},{"id":2,"type":"single","stem":"对银行流水做清洗时，发现同一客户存在两条金额、日期、对手方完全相同但流水号不同的记录，正确的处理方式是","options":["按流水号去重并保留一条记录","判定为重复交易直接删除其中一条","保留两条并在备注中标注疑似重复","合并两条记录金额后生成一条新记录"],"answer":[2],"explanation":"知识点是重复记录的识别与处置。流水号不同说明可能是两笔真实交易（如批量代扣），正确做法是保留并标注待人工确认；按流水号去重无法识别同号情况，直接删除会误删真实交易，合并金额会凭空放大交易额。","tier":"进阶"},{"id":3,"type":"single","stem":"在计算某基金近一年收益率时，原始净值序列存在两个缺失交易日，且缺失日前后净值差异较大，最稳妥的插值方式是","options":["用前后两个有效净值的线性插值填充","用该基金近一年净值均值填充","用缺失日当天沪深300涨跌幅反推填充","用最近一个有效净值向前填充"],"answer":[0],"explanation":"知识点是时间序列缺失值插值方法。净值连续变化，线性插值能较好还原变化趋势；均值填充会抹平波动，用指数涨跌幅反推引入外部假设，前向填充在缺失日前后差异大时会产生阶梯偏差。","tier":"基础"},{"id":4,"type":"single","stem":"将多个渠道采集的客户身份证号合并入统一表时，发现部分记录为15位、部分为18位，正确的标准化做法是","options":["将15位统一转换为18位并校验校验位","保留原样并在字段后加一列标注位数","只保留18位记录并删除15位记录","将15位记录按出生日期补全为18位"],"answer":[0],"explanation":"知识点是金融主数据标准化。身份证号需统一为18位并做校验位验证；仅标注位数不利于后续关联，删除15位记录会丢失客户，只补出生日期不校验校验位仍可能产生非法号码。","tier":"挑战"},{"id":5,"type":"single","stem":"用Python的pandas读取一份GBK编码的银行对账单CSV时出现乱码，且文件首行并非列名，正确的读取参数组合是","options":["encoding='gbk', header=None, skiprows=1","encoding='utf-8', header=0, skiprows=0","encoding='gbk', header=0, skiprows=None","encoding='latin-1', header=None, skiprows=0"],"answer":[0],"explanation":"知识点是CSV编码与表头处理。GBK编码需显式指定，首行非列名应header=None并跳过首行；用utf-8会继续乱码，header=0会把数据行当列名，latin-1虽不报错但中文仍乱码。","tier":"进阶"},{"id":6,"type":"single","stem":"在可视化某银行各分行不良贷款率时，为准确比较不同规模分行的风险水平，最合适的图表是","options":["以分行为横轴的不良率柱状图","以分行为横轴的不良贷款额饼图","以贷款余额为横轴的不良额散点图","以时间为横轴的不良率折线图"],"answer":[0],"explanation":"知识点是金融指标可视化选型。不良贷款率是比率指标，用柱状图按分行对比最直观；饼图适合构成占比而非比率对比，散点图混淆了规模与风险，折线图适合时间趋势而非机构横向比较。","tier":"进阶"},{"id":7,"type":"single","stem":"对信用卡交易数据做分箱后计算WOE时，若某个箱内同时包含好客户和坏客户且坏客户数为0，正确的处理是","options":["对该箱坏客户数加0.5做平滑后再计算","直接将该箱WOE设为0并保留","删除该箱内全部样本后重算","将该箱与相邻箱合并后不再平滑"],"answer":[0],"explanation":"知识点是WOE计算中的零值处理。坏客户为0会导致对数无定义，标准做法是对好坏客户数各加0.5平滑；设WOE为0会引入偏差，删除样本损失信息，合并后若仍为0问题依旧存在。","tier":"基础"},{"id":8,"type":"single","stem":"在采集上市公司公告文本时，需要按公告类型统计数量，但同一公告在多个来源重复出现，正确的去重键应优先选择","options":["公告标题加发布时间加公司代码","公告正文的MD5哈希值","公告来源网站加抓取时间","公告标题加来源网站名称"],"answer":[0],"explanation":"知识点是文本数据去重键设计。标题、时间、公司代码组合能稳定标识同一公告；正文MD5会因格式差异失效，来源加抓取时间无法跨源去重，标题加来源网站不能识别同一公告的多源转载。","tier":"基础"},{"id":9,"type":"single","stem":"某分析师用收盘价直接计算股票日收益率，发现除权日出现异常大幅负收益，正确的修正方式是","options":["改用后复权收盘价计算收益率","剔除除权日当天的收益率记录","用前一日收盘价替换除权日收盘价","对收益率序列做3倍标准差截断"],"answer":[0],"explanation":"知识点是复权处理对收益率计算的影响。除权导致价格跳空，应用后复权价消除除权影响；剔除当天会丢失真实信息，替换价格会扭曲收益，截断异常值掩盖了除权这一系统性原因。","tier":"进阶"},{"id":10,"type":"single","stem":"在构建客户风险画像时，发现某字段缺失率高达85%，且缺失样本的违约率显著高于非缺失样本，正确的处置思路是","options":["保留该字段并额外生成缺失指示变量","直接删除该字段以避免缺失干扰","用均值填充缺失值后正常入模","删除全部缺失样本保证数据完整"],"answer":[0],"explanation":"知识点是缺失值机制识别与特征工程。缺失本身携带信息（非随机缺失），应保留并加缺失指示变量；删除字段丢失信息，均值填充抹平缺失与违约的关联，删除缺失样本会造成选择性偏差。","tier":"挑战"},{"id":11,"type":"single","stem":"某金融科技公司需将生产环境客户交易明细导入分析沙箱做建模，下列做法中符合数据安全与合规要求的是","options":["对身份证号与卡号做脱敏后导入沙箱","将原始明细加密压缩后直接导入沙箱","仅导入交易金额与时间字段并保留客户姓名","将明细导出为Excel后通过邮件发送至沙箱"],"answer":[0],"explanation":"知识点是金融数据脱敏与最小必要原则。建模沙箱应使用脱敏数据；加密压缩不改变明文可用性，保留姓名仍属敏感信息，邮件传输明文文件违反数据外发管控要求。","tier":"挑战"},{"id":12,"type":"multi","stem":"在金融数据清洗中，下列哪些操作属于可能导致信息损失的过度清洗行为","options":["将超过3倍标准差的收益率直接删除","对全部缺失值统一用0填充","将不同来源的客户ID强制映射为同一ID","对金额字段做单位统一后再入模","对日期字段统一为YYYY-MM-DD格式"],"answer":[0,1,2],"explanation":"知识点是过度清洗的识别。直接删除极端收益率可能删掉真实市场事件，全用0填充会掩盖缺失机制，强制映射不同来源ID可能造成错误合并；单位统一和日期格式化属于必要标准化，不会造成信息损失。","tier":"进阶"},{"id":13,"type":"single","stem":"在金融数据采集环节，从券商接口获取的逐笔成交数据需要按时间戳排序后再写入分布式存储，这一步骤主要保障数据的哪项质量维度","options":["完整性","一致性","时序性","唯一性"],"answer":[2],"explanation":"知识点为数据质量维度中的时序性。逐笔成交数据按时间戳排序是保证事件先后顺序正确，属于时序性要求；完整性关注字段是否缺失，一致性关注多源数据是否冲突，唯一性关注是否重复记录，均与排序动作不对应。","tier":"基础"},{"id":14,"type":"single","stem":"某银行在清洗客户地址数据时，将“北京市朝阳区”与“北京朝阳”统一映射为标准行政区划代码，这一操作属于数据清洗中的哪类处理","options":["缺失值填充","异常值检测","标准化映射","去重合并"],"answer":[2],"explanation":"知识点为数据清洗的标准化映射。将不同写法的地址统一映射为标准区划代码属于标准化；缺失值填充处理空值，异常值检测识别离群点，去重合并处理重复记录，均不描述该映射动作。","tier":"基础"},{"id":15,"type":"single","stem":"在金融数据可视化中，展示某只股票近一年每日收盘价随时间的连续变化趋势，最合适的图表类型是","options":["散点图","折线图","饼图","雷达图"],"answer":[1],"explanation":"知识点为图表类型与数据关系匹配。时间序列连续趋势用折线图最直观；散点图适合展示两个变量相关关系，饼图适合部分与整体占比，雷达图适合多维度对比，均不适合连续时间趋势。","tier":"基础"},{"id":16,"type":"single","stem":"使用Python的pandas读取CSV格式的信贷交易数据时，发现某数值列被自动识别为object类型，最可能的原因是","options":["该列存在缺失值","该列混入了非数值字符","该列数值范围过大","该列使用了科学计数法"],"answer":[1],"explanation":"知识点为数据类型推断。pandas将列识别为object通常因为列中混有非数值字符如“未知”“-”等；缺失值本身不会导致object，数值范围过大和科学计数法仍可保持数值类型。","tier":"进阶"},{"id":17,"type":"single","stem":"在金融数据去重时，两条客户记录姓名相同但身份证号一位不同，直接按姓名去重会带来什么主要风险","options":["增加存储成本","误合并不同客户","降低查询速度","丢失时间戳字段"],"answer":[1],"explanation":"知识点为去重键选择。仅按姓名去重可能把同名不同客户错误合并，造成客户信息混淆；存储成本、查询速度、时间戳丢失均不是该做法的主要风险。","tier":"基础"},{"id":18,"type":"single","stem":"某金融科技公司采集App埋点数据时，部分用户未授权定位权限导致地域字段为空，清洗时最合理的处理方式是","options":["用全国平均值填充","标记为未知并单独统计","直接删除该用户全部记录","用相邻用户位置填充"],"answer":[1],"explanation":"知识点为缺失值处理策略。未授权导致的地域缺失应标记为未知并单独统计，保留记录其他信息；均值填充对类别字段无意义，删除全部记录会损失有效数据，用他人位置填充涉及数据伦理与准确性问题。","tier":"进阶"},{"id":19,"type":"single","stem":"在制作金融监管报表的可视化看板时，需要同时展示各业务条线不良贷款率的对比以及整体趋势，下列组合最合理的是","options":["饼图加散点图","柱状图加折线图","雷达图加饼图","热力图加箱线图"],"answer":[1],"explanation":"知识点为组合图表选择。柱状图适合条线间对比，折线图适合整体趋势；饼图、散点图、雷达图、热力图、箱线图均不能同时满足条线对比与时间趋势两个需求。","tier":"进阶"},{"id":20,"type":"single","stem":"某分析师对交易金额字段做异常值检测，发现少数记录金额为负数，结合业务判断这些记录最可能是","options":["数据采集延迟","退款或冲正交易","汇率换算误差","字段类型错误"],"answer":[1],"explanation":"知识点为金融交易异常值业务解释。交易金额为负通常对应退款或冲正；采集延迟影响时间不影响符号，汇率换算误差不会产生负值，字段类型错误会表现为无法计算而非负值。","tier":"进阶"},{"id":21,"type":"single","stem":"在金融数据管道中，将原始交易数据经过清洗后写入数据仓库前，增加一步校验记录数与金额汇总是否与源系统一致，这一步的主要作用是","options":["提升查询性能","保障数据完整性","压缩存储空间","加密敏感字段"],"answer":[1],"explanation":"知识点为数据管道校验。记录数与金额汇总比对用于确认数据未在传输清洗中丢失，属于完整性保障；查询性能、存储压缩、字段加密与该校验目的无关。","tier":"基础"},{"id":22,"type":"single","stem":"从券商交易流水接口采集数据时，某字段返回值为空字符串而并非报错，清洗阶段最合理的首个处置动作是","options":["将该空值字段替换为0后直接入库","标记为缺失值并统计该字段缺失比例","丢弃整条交易流水记录以保证完整","用上一条成功的记录值向前填充"],"answer":[1],"explanation":"知识点是缺失值识别与统计。空字符串属于隐性缺失，先标记并统计缺失比例，才能判断后续填充或删除策略。替换为0会把缺失与真实零值混淆；整条丢弃会损失其他有效字段信息；向前填充在交易流水中会产生不存在的交易值。","tier":"进阶"},{"id":23,"type":"single","stem":"对两份来自不同系统的客户表做合并前，发现同一客户在一张表中姓名带全角空格、另一张为半角空格，应优先执行的处理是","options":["直接按客户编号做内连接合并","统一去除首尾空白并规范全半角后再匹配","保留两份姓名并新增来源标识列","按姓名相似度做模糊匹配合并"],"answer":[1],"explanation":"知识点是文本清洗与主键匹配。空白与全半角差异会干扰非编号字段的比对，先做规范化再匹配才可靠。直接按编号连接虽可行但未处理文本隐患，本题问的是优先处理文本差异；保留两份姓名不解决匹配问题；模糊匹配是姓名无法对齐时的兜底，不是首选。","tier":"进阶"},{"id":24,"type":"single","stem":"在监控每日新增信贷申请量时，发现某日数据量骤降为平日的三成，排查后确认采集任务成功且无报错，下一步最应优先检查的是","options":["申请量是否因营销活动结束而真实下降","数据仓库的分区字段是否写错日期","可视化图表的纵轴是否被截断","历史同期的申请量均值是否本身偏低"],"answer":[1],"explanation":"知识点是数据异常排查顺序。任务成功但量骤降，优先怀疑分区或日期字段写错导致数据落到其他分区。营销活动结束属业务原因，应在排除技术问题后再看；图表截断只影响展示不影响数据量；历史均值偏低不能解释突降。","tier":"挑战"},{"id":25,"type":"single","stem":"使用Python的pandas读取一份含中文列名的CSV时出现乱码，在不确定文件编码的情况下，较稳妥的做法是","options":["用默认编码读取后对列名做字符串替换","依次尝试常见编码并检查列名是否正常","把文件另存为xlsx格式后再读取","用二进制方式读取并逐字节解码列名"],"answer":[1],"explanation":"知识点是文件编码识别。依次尝试常见编码并验证列名可读性，能定位正确编码且成本低。默认编码读取后再替换无法还原已损坏字符；另存为xlsx只是回避问题；逐字节解码列名复杂且易出错。","tier":"进阶"},{"id":26,"type":"single","stem":"某字段记录客户风险等级，取值出现“高”“高风险”“HIGH”三种写法，清洗时最恰当的处理是","options":["按出现频次保留最高频的写法","建立映射字典统一为标准等级值","新增一列记录原始写法供查询","将三种写法分别编码为三个整数"],"answer":[1],"explanation":"知识点是分类值标准化。建立映射字典能把同义异形值统一为标准等级，便于后续统计与建模。按频次保留会丢失语义；新增原始列可用于审计但未解决统一问题；分别编码会把同一等级拆成三类。","tier":"进阶"},{"id":27,"type":"single","stem":"在制作月度不良贷款率趋势图时，为准确反映比率随时间的相对变化，较合适的图表选择是","options":["堆积柱状图叠加各分行不良余额","折线图以月份为横轴展示不良率","饼图展示各分行不良余额占比","散点图以贷款余额为横轴展示不良率"],"answer":[1],"explanation":"知识点是时间序列比率可视化。折线图适合展示比率随时间的趋势。堆积柱状图展示的是余额构成而非比率趋势；饼图适合构成占比不适合时间趋势；散点图适合两变量关系而非时间序列。","tier":"基础"},{"id":28,"type":"single","stem":"某分析师将客户年龄字段中出现的“-1”直接参与均值计算，导致均值明显偏低，正确的处理思路是","options":["把-1当作缺失值处理后再计算均值","将-1替换为年龄字段的中位数","把-1替换为0以保留记录数量","删除年龄字段后改用其他字段分析"],"answer":[0],"explanation":"知识点是异常值与缺失值识别。年龄中的-1通常是缺失占位符，应作缺失处理再统计。替换为中位数属于填充策略而非识别；替换为0会把无效值引入计算；删除字段会放弃该维度分析。","tier":"基础"},{"id":29,"type":"single","stem":"对交易金额字段做分布可视化时，发现少数超大额交易使直方图几乎无法观察主体分布，较合理的处理是","options":["直接删除所有超大额交易记录","对金额取对数后再绘制分布","将金额单位从元改为万元","改用饼图展示金额构成"],"answer":[1],"explanation":"知识点是数据分布可视化与量纲处理。取对数可压缩极端值影响，保留全部样本观察主体分布。删除超大额交易会丢失真实信息；改单位只改变刻度不改变偏态；饼图不适合展示连续金额分布。","tier":"挑战"},{"id":30,"type":"single","stem":"在ETL流程中，从源系统抽取的客户手机号出现“138-1234-5678”和“13812345678”两种格式，为保证后续按手机号关联，应在哪一环节处理","options":["抽取环节直接过滤掉带横线的记录","转换环节统一去除分隔符并校验长度","加载环节在目标表中新增格式列","分析环节在查询时用函数临时转换"],"answer":[1],"explanation":"知识点是ETL各环节职责。格式规范属于转换环节的清洗职责，应在入库前统一。抽取环节过滤会丢数据；加载环节新增列不解决关联问题；分析环节临时转换会导致每次查询重复处理且难以保证一致。","tier":"基础"},{"id":31,"type":"single","stem":"某团队用柱状图对比不同分行的贷款余额，因分行数量较多导致横轴标签重叠，最符合可视化规范的做法是","options":["将柱状图改为横向条形图并排序","缩小字体使所有标签挤在一行","删除部分分行只保留前几名","把分行名称改为编号后展示"],"answer":[0],"explanation":"知识点是分类较多时的图表选择。横向条形图能容纳较长类别名并可按数值排序，便于比较。缩小字体会影响可读性；删除分行会丢失信息；改为编号会降低可读性且需对照。","tier":"基础"},{"id":32,"type":"single","stem":"在核对两张表的客户编号时，发现左表有而右表没有的编号，若要保留左表全部记录并查看右表匹配情况，应使用的连接方式是","options":["内连接","左连接","右连接","全外连接"],"answer":[1],"explanation":"知识点是SQL连接类型语义。左连接保留左表全部记录，右表无匹配处为空，便于查看匹配情况。内连接只保留匹配记录；右连接保留右表全部记录；全外连接保留两表全部记录，范围超出需求。","tier":"进阶"},{"id":33,"type":"single","stem":"某金融科技公司需要将交易系统导出的CSV文件中形如“2024/03/07”的日期字段统一转换为“2024-03-07”格式，为避免逐行手工改写，最合适的处理方式是","options":["用文本编辑器逐条查找替换斜杠为短横线","在数据库中用日期格式化函数批量转换该列","用截图工具记录原格式后人工录入新格式","把文件后缀由csv直接改成xlsx后保存"],"answer":[1],"explanation":"知识点是结构化数据的批量格式转换。数据库日期函数可对整列做确定性转换且可复现，正确。逐条替换在数据量大时易漏改且无审计；截图加人工录入效率极低且引入录入错误；改后缀不改变内容格式，日期仍是斜杠。","tier":"进阶"},{"id":34,"type":"single","stem":"采集某银行APP埋点日志时发现同一用户在一次会话中被重复上报了多条完全相同的事件记录，清洗阶段应优先采取的措施是","options":["按事件ID和用户ID去重保留一条记录","把重复记录全部删除且不保留任何备份","将重复记录的时间戳统一改为当天零点","只对金额字段做去重而保留其他字段"],"answer":[0],"explanation":"知识点是重复数据清洗。按业务主键去重保留一条可保证数据唯一性且可追溯，正确。全部删除不备份会丢失可核查依据；改时间戳会篡改原始事实；只对金额去重无法消除整行重复。","tier":"挑战"},{"id":35,"type":"single","stem":"某数据分析师在清洗客户年龄字段时，发现少量记录的值为“-5”“999”这类明显超出合理范围的数字，正确的处置方式是","options":["按业务规则判定为异常值并标记或修正后再分析","直接把这些记录整体删除且不做任何记录","把异常值统一替换为字段的平均值后继续","忽略该字段异常，直接进入建模环节"],"answer":[0],"explanation":"知识点是异常值识别与处置。依据业务合理范围标记或修正，既保留可追溯性又保证质量，正确。整体删除不记录会丢失审计线索；统一替换为均值会扭曲分布；忽略异常会把错误带入模型。","tier":"挑战"},{"id":36,"type":"single","stem":"将多个来源的客户信息表合并时，A表用“客户编号”标识客户，B表用“证件号码”标识客户，正确的合并思路是","options":["先建立两套标识的映射关系再按统一主键合并","直接按两张表的行号顺序逐行拼接","把两张表所有字段全部相加得到新表","只保留A表字段并丢弃B表全部字段"],"answer":[0],"explanation":"知识点是多源数据的主键对齐。建立标识映射后按统一主键关联，才能保证同一客户正确匹配，正确。按行号拼接会错配客户；字段相加没有业务含义；丢弃B表字段会损失信息且未解决匹配问题。","tier":"进阶"},{"id":37,"type":"single","stem":"某公司要求对每日交易流水做数据质量监控，下列指标中最能直接反映“数据完整性”的是","options":["必填字段的空值率","数值字段的均值","文本字段的平均长度","日期字段的最大值"],"answer":[0],"explanation":"知识点是数据质量维度。完整性关注记录或字段是否缺失，空值率直接反映缺失程度，正确。均值、平均长度、最大值属于分布或统计特征，不能直接衡量完整性。","tier":"挑战"},{"id":38,"type":"single","stem":"在Python中用pandas读取一个含中文列名的CSV文件时，发现列名出现乱码，最可能的原因是","options":["读取时未指定与文件一致的字符编码","文件路径中包含中文字符","数据行数超过了内存容量","列名中混用了大小写字母"],"answer":[0],"explanation":"知识点是字符编码与文件读取。编码不一致会导致中文乱码，指定正确编码即可解决，正确。路径含中文通常报找不到文件而非乱码；行数超内存会报内存错误；大小写混用不会产生乱码。","tier":"挑战"},{"id":39,"type":"single","stem":"某分析师需要把交易金额字段中带千分位逗号的字符串（如“1,234.56”）转换为可计算的数值，正确的处理步骤是","options":["先去除千分位逗号再转换为浮点数","直接对该字符串做乘法运算","把逗号替换为小数点后再转数值","保留逗号并强制转换为整数类型"],"answer":[0],"explanation":"知识点是数值字段的清洗与类型转换。去除千分位分隔符后再转浮点，才能正确参与计算，正确。带逗号字符串不能直接运算；逗号替换为小数点会改变数值含义；保留逗号无法转成数值类型。","tier":"基础"},{"id":40,"type":"single","stem":"在制作面向管理层的月度经营看板时，把“各业务线收入占比”和“各业务线收入同比增速”放在同一张图里展示，最不合适的做法是","options":["用同一坐标轴把占比和增速画成两条折线","用堆积柱状图展示收入占比结构","用簇状柱状图对比各业务线增速","用组合图让占比用柱、增速用折线"],"answer":[0],"explanation":"知识点是可视化中量纲与语义的匹配。占比与增速量纲和含义不同，共用同一坐标轴折线易造成误读，最不合适。堆积柱适合结构占比；簇状柱适合增速对比；组合图分配合适图形可兼顾两类指标。","tier":"基础"},{"id":41,"type":"single","stem":"某团队从第三方接口采集汇率数据，接口返回的JSON中部分记录缺少“rate”字段，清洗时正确的做法是","options":["标记缺失记录并按业务规则决定补采或剔除","把缺失的rate字段自动填为0后入库","把缺少rate的整条记录直接丢弃不记录","将rate字段缺失的记录时间戳改为空值"],"answer":[0],"explanation":"知识点是接口数据的缺失值处理。先标记再按业务规则处理，保证可追溯与合理决策，正确。自动填0会产生虚假汇率；直接丢弃不记录无法评估影响；改时间戳与缺失字段无关且篡改数据。","tier":"进阶"},{"id":42,"type":"single","stem":"某数据工程师发现上游系统每日凌晨推送的交易文件偶尔延迟到上午才到达，导致当日看板数据不全，正确的应对措施是","options":["设置到达监控与重试机制并标注数据时效状态","把看板刷新时间提前到凌晨以避开延迟","在延迟时用前一日数据直接覆盖当日数据","关闭上游推送改为完全手工导入数据"],"answer":[0],"explanation":"知识点是数据采集的时效性保障。监控到达并重试、同时标注时效，可在不掩盖问题的情况下保证可用性，正确。提前刷新不能解决延迟；用前日数据覆盖会造假；完全手工导入降低效率且未根治。","tier":"挑战"},{"id":43,"type":"multi","stem":"在金融交易数据的清洗流程中，下列做法属于合理数据清洗操作的有","options":["对金额字段按业务精度要求统一保留两位小数","对日期字段按统一时区转换为标准时间格式","对客户性别字段按编码表把“男/女”映射为统一代码","为提升分析速度直接删除所有含缺失值的记录","把不同来源的客户姓名直接拼接成一个新字段"],"answer":[0,1,2],"explanation":"知识点是数据清洗的规范化操作。统一精度、统一时区、按编码表映射都属于标准化清洗，正确。直接删除所有含缺失值记录会大量损失样本且不可追溯；把不同来源姓名直接拼接无业务含义且易造成混淆。","tier":"进阶"},{"id":44,"type":"single","stem":"在金融数据采集环节，从券商接口拉取逐笔成交数据时发现部分记录的时间戳为13位毫秒值、部分为10位秒值，最恰当的首步处理是","options":["统一转换为10位秒级时间戳后再入库","按13位与10位分别建两张表存储","先按位数分组并核对数据源字段定义再统一单位","直接删除10位时间戳的记录以保证一致性"],"answer":[2],"explanation":"知识点是数据采集中的时间戳单位不一致处理。正确项先分组核对源头字段定义，避免误判单位后盲目转换。A项统一转10位会丢失毫秒精度且未核实定义。B项分表存储回避了统一问题，后续关联会出错。D项直接删除会损失有效数据。","tier":"挑战"},{"id":45,"type":"single","stem":"对客户交易流水做缺失值处理时，某字段缺失率约8%且该字段为金额类关键字段，较合理的处置方式是","options":["直接用该字段均值填充缺失位置","按客户维度用其历史同字段中位数填充并标记来源","将缺失记录整行删除以保证数据干净","用相邻记录的值向前填充后不再标记"],"answer":[1],"explanation":"知识点是金融数据清洗中关键金额字段的缺失值处理。正确项按客户维度用历史中位数填充并标记来源，兼顾合理性与可追溯性。A项全局均值会扭曲客户个体特征。C项整行删除会丢失其他有效字段信息。D项前向填充未标记会掩盖数据来源问题。","tier":"进阶"},{"id":46,"type":"single","stem":"在反洗钱场景中统计某账户近30天交易金额的分布，发现存在一笔金额为负数的支出记录，最可能的数据问题是","options":["该记录属于正常退款冲正业务","采集时未区分借貸方向导致符号错误","该账户已被冻结无法交易","统计口径把美元金额按人民币计算"],"answer":[1],"explanation":"知识点是金融交易数据中借贷方向与金额符号的对应关系。正确项指出未区分借贷方向导致符号错误，是常见采集问题。A项退款冲正通常有独立标识，不会表现为普通负数。C项账户冻结与金额符号无关。D项汇率换算不会产生负号。","tier":"挑战"},{"id":47,"type":"single","stem":"用Python的pandas对两份客户信息表按客户号做合并时，发现合并后记录数明显多于左表，最可能的原因是","options":["右表客户号存在重复值导致一对多匹配","左表客户号存在空值被自动过滤","合并时使用了concat而非merge","两份表的列名不一致导致笛卡尔积"],"answer":[0],"explanation":"知识点是数据合并中一对多关系对结果行数的影响。正确项右表客户号重复会造成一对多匹配使行数膨胀。B项空值过滤会使行数减少而非增多。C项concat是纵向拼接不按客户号匹配。D项列名不一致不会必然产生笛卡尔积。","tier":"挑战"},{"id":48,"type":"single","stem":"为监控某理财产品每日申购金额的异常波动，最不适合直接用于判断离群点的方法是","options":["基于均值和标准差的3σ法则","基于四分位距的箱线图法","对原始金额直接做频数直方图观察","基于中位数绝对偏差的稳健方法"],"answer":[2],"explanation":"知识点是金融数据可视化与离群点识别方法的适用性。正确项频数直方图只能看整体分布形态，不能直接判定单点是否为离群点。A项3σ法则可识别偏离均值过大的点。B项箱线图法基于四分位距可标出离群点。D项MAD对极端值更稳健，适合判断离群点。","tier":"基础"},{"id":49,"type":"single","stem":"某分析师把清洗后的交易数据用折线图展示各行业日均交易额对比，发现走势混乱难以解读，最恰当的改进是","options":["改用柱状图展示各行业日均交易额对比","保留折线图但增加更多行业分类","把纵轴改为对数坐标后继续用折线图","在折线图上叠加移动平均线"],"answer":[0],"explanation":"知识点是分类对比数据与图表类型的匹配。正确项行业属于分类维度，柱状图更适合对比各类别数值。B项增加分类会加剧混乱。C项对数坐标不解决分类对比问题。D项移动平均适合时间序列趋势，不适用于行业类别对比。","tier":"挑战"},{"id":50,"type":"multi","stem":"在构建金融数据质量监控规则时，下列哪些校验属于跨字段一致性校验","options":["交易日期不得晚于系统当前日期","成交金额等于成交数量乘以成交单价","客户风险等级与可购买产品风险等级匹配","身份证号长度必须为18位","账户余额等于上期余额加减本期发生额"],"answer":[1,2,4],"explanation":"知识点是数据质量校验中单字段校验与跨字段一致性校验的区分。B项金额与数量单价的关系、C项风险等级匹配、E项余额勾稽都属于多字段间逻辑一致。A项和D项只针对单个字段的取值范围或格式，属于单字段校验。","tier":"进阶"},{"id":51,"type":"single","stem":"某消费金融公司从合作电商平台批量获取用户订单流水，字段中\"order_time\"存在\"2024/3/5 13:20\"与\"2024-03-05 13:20:00\"两种格式，清洗时最合理的统一处理方式是","options":["按首次出现的格式批量替换所有分隔符","用日期解析函数逐条识别后再统一格式输出","用字符串截取前10位再拼上固定时间","按字段长度分组后分别套用对应模板"],"answer":[1],"explanation":"知识点是异构日期格式的标准化清洗。逐条解析能识别多种真实格式并统一输出，容错性最好；A按首次格式替换会破坏另一种格式；C截取固定位数对短格式会丢时间；D分组套模板无法覆盖同组内混合格式。"},{"id":52,"type":"single","stem":"采集银行流水时，某笔交易金额字段出现\"-1,234.50元\"，而其余记录是\"1234.5\"这种纯数字，清洗阶段应先做的操作是","options":["直接按文本存储保留原始符号","剥离千分位与货币单位后转数值型","把负号统一改为正号再入库","按字符长度截取数字部分"],"answer":[1],"explanation":"知识点是数值型字段的清洗规范。先去千分位和单位再转数值，才能保证后续计算正确；A保留文本无法参与聚合；C会丢失支出方向语义；D按长度截取会误伤不同位数金额。"},{"id":53,"type":"single","stem":"用Python的pandas读取一份含客户身份证号的CSV时，发现后几位变成科学计数法，正确的处理方式是","options":["读取时用dtype把该列指定为字符串","读取后用astype转成整数再输出","读取后对列做四舍五入保留两位","读取时设置encoding为utf-8-sig"],"answer":[0],"explanation":"知识点是长数字标识字段的类型控制。身份证号是标识而非数值，读取时指定字符串可避免精度丢失；B转整数仍会丢位；C四舍五入改变原值；D只影响中文编码与数字精度无关。"},{"id":54,"type":"single","stem":"某信贷数据表中\"月收入\"字段有大量空值，业务确认这些客户确实未提供收入信息，清洗时较稳妥的做法是","options":["用该列均值直接填充空值","用0填充后照常参与建模","保留空值并新增缺失指示列","用相邻记录的收入值填补"],"answer":[2],"explanation":"知识点是缺失值的语义处理。未提供属于真实缺失，保留并加指示列可让模型区分缺失模式；A均值填充会引入偏差；B用0会被误判为无收入；D相邻填补无业务依据。"},{"id":55,"type":"single","stem":"对交易明细做去重时，同一笔交易因系统重传产生了完全相同的两条记录，但另有一笔真实交易与前者金额、时间均相同仅流水号不同，正确的去重依据是","options":["金额与交易时间两列组合","交易流水号这一唯一标识","客户号与金额两列组合","整行所有字段完全一致"],"answer":[3],"explanation":"知识点是重复记录与相似记录的区分。重传记录整行一致，按全字段去重可只删重复而保留真实相似交易；A、C会误删真实交易；B流水号不同无法识别重传。"},{"id":56,"type":"single","stem":"用箱线图筛查某资产收益率序列的异常值时，若数据本身呈明显右偏，直接按1.5倍四分位距规则标记会","options":["把大量正常的高收益点误判为异常","完全漏掉左侧的极端低值","使箱体宽度自动收缩为零","把中位数错误地移到箱体外"],"answer":[0],"explanation":"知识点是异常值检测方法对分布的敏感性。右偏分布下IQR上界偏窄，会把正常高值误标；B左侧极端值仍会被检出；C箱体宽度由IQR决定不会因偏态归零；D中位数始终在箱体内。"},{"id":57,"type":"single","stem":"在展示某银行各分行不良贷款率的对比且分行数量超过二十个时，为避免横轴标签重叠，较合理的可视化处理是","options":["改用横向条形图并按数值排序","全部标签旋转九十度强行显示","只保留前五名其余合并为其他","把柱形宽度调窄到原来一半"],"answer":[0],"explanation":"知识点是类别过多时的图表可读性优化。横向条形图标签在纵轴便于阅读并可排序；B旋转九十度仍拥挤；C合并会丢失分行信息；D调窄柱形不解决标签重叠。"},{"id":58,"type":"single","stem":"用SQL对交易表按客户分组统计近三十天交易笔数时，若某客户在窗口内无任何交易，业务希望结果中仍列出该客户并显示笔数为零，应使用的连接方式是","options":["内连接","左连接","交叉连接","自连接"],"answer":[1],"explanation":"知识点是连接方式对结果集的影响。左连接以客户表为主表可保留无交易客户并置零；A内连接会过滤掉无交易客户；C交叉连接产生笛卡尔积；D自连接用于同表关联。"},{"id":59,"type":"single","stem":"可视化报告中要同时呈现某产品近三年每月销售额的绝对水平和同比增速，较恰当的组合方式是","options":["用双轴图，柱形表示销售额、折线表示同比增速","用单轴折线图把销售额与增速画在同一刻度","用饼图分别展示各月销售额占比","用散点图把月份与销售额对应打点"],"answer":[0],"explanation":"知识点是量纲不同的多指标可视化。双轴图可让绝对量与比率各用合适刻度；B同刻度会使增速被压缩看不清；C饼图无法体现时间与增速；D散点图不表达时间序列趋势。"},{"id":60,"type":"single","stem":"在金融数据采集环节，从券商接口拉取的逐笔成交数据出现字段缺失，最合理的首要处置方式是","options":["直接丢弃缺失记录后继续入库","按缺失字段比例评估后决定回补或剔除","用上一笔成交价填充所有缺失字段","将缺失字段统一填为零后入库"],"answer":[1],"explanation":"知识点是缺失值处置流程。正确项先评估缺失比例再决定策略，避免信息损失或失真。直接丢弃会损失样本；用上一笔价格填充扭曲成交事实；填零会造成价格异常。"},{"id":61,"type":"single","stem":"清洗银行流水时发现同一笔交易在核心系统与外围报表中金额相差0.01元，最可能的原因是","options":["两端系统使用了不同的货币精度舍入规则","外围报表在夜间批量时漏读了部分字段","核心系统对该笔交易做了重复记账","两侧数据采集时间戳相差超过一天"],"answer":[0],"explanation":"知识点是跨系统金额不一致的常见成因。正确项指向不同系统精度与舍入差异。漏读字段会造成整字段缺失而非小额差；重复记账会金额翻倍；时间戳差异不改变金额。"},{"id":62,"type":"single","stem":"对客户身份证号做脱敏展示时，保留前6位与后4位、中间用星号替换，这种处理主要兼顾了","options":["可逆还原与加密强度","可读性与隐私保护","压缩存储与查询加速","跨库关联与去重需求"],"answer":[1],"explanation":"知识点是脱敏方案取舍。保留部分位便于人工核对与展示，遮蔽中间位降低泄露风险。该方式不可逆还原、不提升加密强度、不用于压缩或关联去重。"},{"id":63,"type":"single","stem":"在Python中用pandas读取一个含中文列名的CSV后列名出现乱码，最应优先检查的参数是","options":["read_csv的encoding参数","read_csv的sep参数","read_csv的dtype参数","read_csv的usecols参数"],"answer":[0],"explanation":"知识点是文件编码与列名乱码。中文乱码通常由编码不匹配导致，应检查encoding。sep影响分列，dtype影响类型，usecols影响列选择，均不直接导致列名乱码。"},{"id":64,"type":"single","stem":"对同一客户在多个产品表中的记录做合并时，发现客户姓名存在同音不同字的情况，最合适的处理方式是","options":["直接按姓名精确匹配合并","按身份证号等唯一标识匹配合并","按手机号末四位匹配合并","按开户日期先后顺序匹配合并"],"answer":[1],"explanation":"知识点是实体对齐。唯一标识可避免姓名同音不同字造成的错配。姓名精确匹配会漏配，手机号末四位不唯一，开户日期不具备唯一性。"},{"id":65,"type":"single","stem":"在可视化看板中展示日交易额趋势，发现周末数据点明显低于工作日，最合理的解释方向是","options":["数据采集在周末中断导致缺失","交易行为本身存在周期性规律","金额单位在周末发生了变更","可视化工具在周末自动降采样"],"answer":[1],"explanation":"知识点是业务周期识别。金融交易常有工作日与周末差异，属于真实周期。采集中断会表现为缺失而非偏低，单位变更与降采样不会只作用于周末。"},{"id":66,"type":"single","stem":"某分析师清洗信用卡账单数据时，将'还款状态'中的未知编码统一映射为'其他'，这一做法的主要风险是","options":["丢失未知编码背后的真实业务含义","导致还款状态字段类型变为数值","使账单金额出现重复计算","让数据行数发生翻倍"],"answer":[0],"explanation":"知识点是未知类别处理。统一归入'其他'会掩盖未知编码可能代表的新业务状态。该操作不改变字段类型、不引发金额重复或行数翻倍。"},{"id":67,"type":"single","stem":"在构建反欺诈特征时，把'近7天夜间交易笔数'与'近7天夜间交易金额'同时加入模型，最需要警惕的问题是","options":["两个特征高度相关带来多重共线性","夜间交易数据无法被采集","金额特征一定是标签泄露","笔数特征不适合做数值特征"],"answer":[0],"explanation":"知识点是特征相关性。笔数与金额在夜间场景下往往高度相关，易引发共线性。夜间数据可采集，金额不一定泄露标签，笔数可作数值特征。"},{"id":68,"type":"multi","stem":"在金融数据可视化报告中，为保证图表结论可靠，下列做法合理的有","options":["坐标轴起点截断时在图中明确标注","用颜色同时区分渠道与产品类型","对缺失数据点在图中留空并说明","为突出趋势把不同量纲指标画在同一坐标轴"],"answer":[0,2],"explanation":"知识点是可视化规范。截断坐标轴需标注，缺失点留空并说明可避免误读。用颜色同时编码两个维度易混淆，混用不同量纲同一坐标轴会误导趋势判断。"},{"id":69,"type":"single","stem":"在金融数据采集环节，把交易日历接口返回的日期字段统一转成ISO 8601格式后再入库，这一操作属于数据处理的哪个阶段","options":["数据抽取","数据清洗","数据转换","数据加载"],"answer":[2],"explanation":"知识点是ETL各阶段职责。日期格式统一属于对已抽取数据做标准化加工，属于数据转换；数据抽取只负责从源端获取原始数据，不改变格式；数据清洗处理的是缺失、重复、异常值，不负责格式标准化；数据加载是把处理结果写入目标库，不负责格式改写。"},{"id":70,"type":"single","stem":"某分析师发现沪深300成分股日行情表中，某只股票某日收盘价缺失但成交量正常，最合理的初步处置是","options":["直接用前一交易日收盘价填充并保留成交量","将该行整条删除以免影响统计","把成交量也置空使该行标记为无效","用该股票全年收盘价均值填充该缺失值"],"answer":[0],"explanation":"知识点是缺失值处理与业务合理性。收盘价缺失而成交量正常，说明该笔记录整体有效，用前值填充可保持时序连续；整行删除会损失有效成交量信息；把成交量置空属于人为扩大缺失；用全年均值填充会引入未来信息且偏离当日价格水平。"},{"id":71,"type":"single","stem":"用Python的pandas读取某券商导出的客户持仓CSV时，发现客户编号列被读成了数值并丢失前导零，正确的处理方式是","options":["读取时用dtype把客户编号指定为字符串类型","读取后再用astype把该列转成字符串补零","读取时用keep_default_na关闭空值识别","读取时用usecols只保留客户编号一列"],"answer":[0],"explanation":"知识点是数据类型推断与标识列处理。前导零丢失源于pandas把编号列推断为数值，读取时指定dtype为字符串可保留原始形态；读后再转字符串时前导零已丢失无法恢复；关闭空值识别与列筛选都不解决类型推断问题。"},{"id":72,"type":"single","stem":"在计算某基金过去一年的日收益率序列时，把无交易日的净值用前值填充后再算收益率，最可能导致的问题是","options":["收益率序列出现大量零值使波动被低估","收益率序列出现负值使波动被高估","净值序列的极差被显著放大","收益率序列的自相关系数被强制归零"],"answer":[0],"explanation":"知识点是金融时间序列填充对波动率的影响。无交易日用前值填充后相邻两日净值相同，收益率算出来为0，会人为压低波动；收益率为0不会造成负值或高估波动；前值填充不会放大净值极差；自相关不会因此被强制归零。"},{"id":73,"type":"single","stem":"对某银行交易流水做去重时，两条记录除交易时间相差1秒外其余字段完全一致，判断为重复记录最应依据的是","options":["交易流水号是否相同","交易金额是否相同","交易对手是否相同","交易渠道是否相同"],"answer":[0],"explanation":"知识点是主键去重原则。交易流水号是交易唯一标识，相同即为同笔交易重复入库；金额、对手、渠道相同不能证明是同一笔交易，现实中存在多笔相似交易；仅凭这些字段去重会误删真实交易。"},{"id":74,"type":"single","stem":"用折线图展示某只股票一年的收盘价走势时，把纵轴起点设为0导致价格波动几乎看不出来，更合适的处理是","options":["纵轴范围按数据最小最大值适当留白","改用饼图展示各月收盘价占比","把日频数据改成年度数据再画线","删除波动最小的若干月份数据"],"answer":[0],"explanation":"知识点是坐标轴设置与可视化表达。价格走势关注相对变化，纵轴按数据范围留白能突出波动；饼图不适合时间序列；改成年度数据会丢失走势细节；删数据属于篡改。"},{"id":75,"type":"single","stem":"某消费金融公司要把逾期客户按逾期天数分为M1、M2、M3等档位并统计各档人数，最合适的可视化方式是","options":["堆叠柱状图展示各档人数及占比","散点图展示逾期天数与金额关系","热力图展示各城市逾期分布","箱线图展示逾期天数离散程度"],"answer":[0],"explanation":"知识点是分类统计的可视化选型。分档人数及占比属于类别构成，堆叠柱状图合适；散点图用于两连续变量关系；热力图用于二维交叉强度；箱线图用于分布离散程度比较。"},{"id":76,"type":"single","stem":"在金融数据清洗中，对某字段设定合理值域并标记超出范围的记录，这一步属于","options":["一致性检查","有效性检查","完整性检查","唯一性检查"],"answer":[1],"explanation":"知识点是数据质量维度辨析。值域检查判断数据是否落在业务合理范围，属于有效性检查；一致性检查关注跨字段或跨表逻辑是否矛盾；完整性检查关注缺失；唯一性检查关注重复。"},{"id":77,"type":"single","stem":"某数据工程师把客户风险评级从低到高映射为1到5的整数后再参与模型训练，这样做的主要理由是","options":["把有序类别转成数值以便算法处理","把无序类别转成数值以消除量纲","把连续变量离散化以降低噪声","把数值变量标准化以加快收敛"],"answer":[0],"explanation":"知识点是特征编码。风险评级是有序类别，映射为有序整数保留顺序信息且便于算法处理；它不是无序类别独热编码场景；也不是连续变量离散化或标准化。"},{"id":78,"type":"single","stem":"某团队用爬虫采集某财经网站公布的上市公司公告标题，发现页面结构在两周内改版导致解析失败，最稳妥的长期应对措施是","options":["把解析规则配置化并加入页面结构监控","把请求频率提高到每小时一次以抢在改版前","改用浏览器模拟点击逐条人工复制","把已采集数据回填到旧结构以维持解析"],"answer":[0],"explanation":"知识点是采集系统的可维护性。解析规则配置化加结构监控能在改版后快速调整并预警；提高频率不解决结构变化；人工复制不可持续；回填旧数据与解析失败无关。"},{"id":79,"type":"single","stem":"某分析师在做月度信贷投放分析时，发现本月放款金额比上月大幅上升，但放款笔数基本持平，最应优先核查的是","options":["是否存在大额单笔放款拉高总额","上月数据是否漏采了部分笔数","本月是否把审批金额记成了放款金额","客户平均年龄是否发生明显变化"],"answer":[2],"explanation":"知识点是业务指标异常归因。笔数持平而金额上升，常见原因是口径错误，比如把审批金额当作放款金额；大额单笔会同时影响笔数结构但需先排除口径；漏采上月数据会使上月偏低而非本月偏高；客户年龄与金额突增无直接因果。"},{"id":80,"type":"single","stem":"在金融数据采集环节，交易系统日志时间戳为UTC时间、业务报表时间为北京时间，为防止后续清洗时区错乱，最合理的处置方式是","options":["在采集入库时统一转换为带时区标识的UTC时间并保留原始时间戳字段","在采集入库时直接转换为北京时间并丢弃原UTC时间戳字段","在采集入库时保留原始时间戳，等分析阶段再按需临时转换","在采集入库时按系统默认时区转换为本地时间并覆盖原字段"],"answer":[0],"explanation":"知识点是时间戳采集的时区一致性原则。正确项在采集时统一为带时区标识的UTC并保留原始字段，可追溯且避免二次转换歧义；错误项B丢弃原字段会丧失可追溯性；错误项C把转换推迟到分析阶段易出现各环节各自转换的不一致；错误项D用系统默认时区覆盖原字段会隐含环境依赖且不可回溯。"},{"id":81,"type":"single","stem":"某消费金融公司清洗用户年龄字段时发现存在“0岁”“199岁”“-5岁”等取值，字段定义为18至70岁，最恰当的处理方式是","options":["将超出18至70范围的取值统一置为空值并记录异常日志","将超出范围的取值截断到18或70边界后保留","将超出范围的取值按均值替换后继续参与建模","将超出范围的取值标记为独立类别供模型自行学习"],"answer":[0],"explanation":"知识点是范围校验与异常值处置。正确项置空并记录异常日志符合数据质量可追溯要求；错误项B截断会凭空制造虚假合法值；错误项C均值替换掩盖异常且年龄分布失真；错误项D将明显错误值当类别会污染特征语义。"},{"id":82,"type":"single","stem":"从第三方渠道获取的征信数据以全角字符和带千分位逗号的字符串形式存储金额，清洗阶段最应先执行的操作是","options":["统一半角化并去除千分位分隔符后再转换为数值类型","直接对字符串做数值类型强转并捕获转换失败记录","先按逗号分列展开为多列再做纵向合并","先对字符串做哈希编码再参与后续计算"],"answer":[0],"explanation":"知识点是字符串型金额的规范化。正确项先统一字符宽度并去分隔符再转数值，是标准清洗顺序；错误项B跳过规范化直接强转会导致大量失败或错值；错误项C按逗号分列会破坏字段语义；错误项D哈希后无法还原数值失去分析意义。"},{"id":83,"type":"single","stem":"在构建客户资产视图时需要将多张表按客户号关联，其中一张表客户号存在前后空格和全角数字，最合理的清洗动作是","options":["对关联键做去空格与全半角统一后再进行关联","对关联键做大小写转换后直接关联","对关联键做哈希后以哈希值关联","对关联键按长度截断后关联"],"answer":[0],"explanation":"知识点是关联键的标准化。正确项去空格并统一全半角能消除隐性不匹配；错误项B大小写转换解决不了空格与全角问题；错误项C哈希会因原始串差异产生不同哈希；错误项D截断会破坏客户号唯一性。"},{"id":84,"type":"single","stem":"对某银行APP埋点数据进行缺失值分析时发现某关键页面曝光字段缺失率约35%，且缺失与机型强相关，最恰当的处理策略是","options":["保留缺失并新增缺失指示特征，同时评估机型维度偏差","直接删除所有含缺失的记录以保证数据完整","用该字段的众数填充后不再做任何标记","用随机值填充以保持字段分布形态"],"answer":[0],"explanation":"知识点是缺失机制判断与处置。正确项识别到非随机缺失，保留并加指示特征可保留信息且提示偏差；错误项B删除会引入选择偏差；错误项C众数填充掩盖机型相关结构；错误项D随机填充制造噪声且破坏相关性。"},{"id":85,"type":"single","stem":"某支付公司需要将清洗后的交易数据按日分区写入数据仓库，为避免重复计算与漏算，分区键选择与写入方式最合理的是","options":["以交易发生日期为分区键并采用按分区覆盖写入","以数据入库日期为分区键并采用追加写入","以交易发生日期为分区键并采用追加写入","以数据入库日期为分区键并采用按分区覆盖写入"],"answer":[0],"explanation":"知识点是分区键与写入语义的匹配。正确项按交易发生日期分区加覆盖写入可保证重跑幂等；错误项B入库日期分区追加会因补数据导致重复；错误项C发生日期分区追加在重跑时产生重复；错误项D入库日期分区覆盖会误删历史补录数据。"},{"id":86,"type":"single","stem":"某风控看板需要同时展示各渠道的通过率与申请量，两者量纲差异大，最合适的图表组合是","options":["通过率用折线配次坐标轴，申请量用柱状","通过率与申请量都用饼图分列展示","通过率用柱状，申请量用折线但不设次坐标轴","通过率与申请量都用堆叠面积图展示"],"answer":[0],"explanation":"知识点是双量纲数据的可视化。正确项用次坐标轴分离量纲可同图对比；错误项B饼图无法表达趋势与量级对比；错误项C不设次坐标轴会导致小量纲被压平；错误项D堆叠面积图会错误表达两者相加关系。"},{"id":87,"type":"single","stem":"在数据清洗流程中，对同一客户存在多条手机号记录且更新时间不同，需要保留最新有效号码，最可靠的处理方式是","options":["按客户号分组后依更新时间倒序取第一条非空号码","按客户号分组后取出现频次最高的号码","按客户号分组后取第一条记录中的号码","按客户号分组后对号码做去重后随机保留一条"],"answer":[0],"explanation":"知识点是去重与时效性规则。正确项按更新时间取最新非空符合业务时效；错误项B频次最高可能是旧号；错误项C第一条不保证最新；错误项D随机保留无法保证有效性。"},{"id":88,"type":"single","stem":"在将清洗后的宽表用于可视化前，发现某分类字段取值存在“北京”“北京市”“京”三种写法，最规范的清洗动作是","options":["建立标准码表并做映射归一到统一标准值","按出现频次最高的写法统一其余写法","保留三种写法并在图例中分别展示","将三种写法合并为“其他”类别"],"answer":[0],"explanation":"知识点是分类字段的标准化。正确项通过标准码表映射保证一致且可审计；错误项B以频次定标准缺乏依据；错误项C保留多写法导致统计割裂；错误项D合并为其他丢失有效信息。"},{"id":89,"type":"single","stem":"在金融数据采集环节，从某银行核心系统导出的客户交易流水缺少“交易对手账号”字段，需从另一个渠道补全，以下做法最符合数据完整性要求的是","options":["用客户手机号作为关联键去关联外部数据","用交易流水号作为关联键回原系统补字段","按交易金额大小排序后手工补录缺失值","用最近一次交易的对手账号填充全部缺失"],"answer":[1],"explanation":"知识点是数据补全的关联键选择。交易流水号是原系统唯一标识，回原系统按此键补字段能保证记录一一对应且不引入错配；用手机号关联会因一人多号或多户共用号码产生错配；按金额排序手工补录无法定位唯一记录且效率低；用最近一次对手账号填充属于用非相关记录覆盖缺失，会制造虚假数据。"},{"id":90,"type":"single","stem":"对某理财产品销售明细做清洗时发现“客户风险等级”列存在“稳健型”“平衡型”“进取型”和“C3”“C4”“C5”混用，正确处理方式是","options":["删除含字母等级的行保留中文等级行","按出现频次保留高频取值删除低频取值","建立等级映射表统一编码后再入库","把字母等级直接改为空值待后续人工填"],"answer":[2],"explanation":"知识点是分类字段的编码统一。同一字段混用两套等级体系，应建立映射关系把两套取值统一到同一编码标准，保留全部有效数据；删除含字母的行会丢失有效客户记录；按频次删低频取值会误删真实等级数据；把字母等级改空值等于人为制造缺失，后续无法还原。"},{"id":91,"type":"single","stem":"某消费金融公司做逾期率月度看板，发现1月逾期率异常升高，排查发现1月放款笔数因系统升级少录入了两周数据，该问题属于","options":["数据重复问题","数据缺失问题","数据一致性问题","数据精度问题"],"answer":[1],"explanation":"知识点是数据质量问题分类。放款笔数少录入两周属于记录缺失，导致分母偏小、逾期率虚高；数据重复指同一记录多次出现；一致性指同一指标在不同表或系统中口径不一致；精度指数值有效位数或舍入问题，均与本题场景不符。"},{"id":92,"type":"single","stem":"对某保险公司理赔数据做异常值检测时，发现“理赔金额”列存在少量极大值，经核实为真实的高额理赔，正确处理方式是","options":["按3σ原则直接剔除这些记录","用均值替换这些极大值","保留记录并在分析中单独标注","对该列做对数变换后删除原值"],"answer":[2],"explanation":"知识点是异常值处理原则。经业务核实为真实的极大值不应剔除或替换，应保留并标注以便分析时区分；3σ剔除会误删真实业务数据；均值替换会扭曲真实分布；对数变换可缓解偏态但不能删除原值，删除原值属于数据篡改。"},{"id":93,"type":"single","stem":"在金融数据采集时，需要从多个分行系统抽取同一张客户表，各分行字段顺序和命名略有差异，最稳妥的整合方式是","options":["按字段位置直接纵向拼接各分行数据","先建立字段映射再按名称对齐拼接","只保留字段名完全相同的分行数据","取各分行字段的并集后按位置填充"],"answer":[1],"explanation":"知识点是多源数据整合。字段顺序和命名有差异时，必须先建立映射再按名称对齐，防止错列；按位置拼接会把不同含义的字段拼到一起；只保留完全相同字段会丢失大量有效数据；按位置填充并集同样会错位。"},{"id":94,"type":"single","stem":"某银行反洗钱监测中，需要统计同一客户在7天内累计转账金额，现有交易流水表按交易时间排序，最适合的实现方式是","options":["按客户分组后对金额列求总和","按客户分组后对时间列做差分再求和","按客户分组后对时间列滚动窗口求和","按客户分组后对金额列求标准差"],"answer":[2],"explanation":"知识点是滚动窗口聚合。7天累计需按客户分组后对时间列开滚动窗口再对金额求和；直接分组求和得到的是全期合计，不是7天；时间列差分得到的是间隔，不是金额累计；求标准差衡量的是波动，不是累计金额。"},{"id":95,"type":"single","stem":"在某基金销售数据看板中，需要同时观察每日申购金额的绝对水平和七日移动平均趋势，且两者量纲一致，最合适的呈现方式是","options":["柱状图叠加折线图共用同一纵轴","双饼图并列对比两指标","两个独立散点图分别展示","堆叠柱状图把两者叠在一起"],"answer":[0],"explanation":"知识点是组合图表的使用。量纲一致的两个指标（日申购额与七日移动平均）可在同一纵轴上用柱状图叠加折线图，兼顾绝对水平与趋势；双饼图适合构成占比；两个散点图无法直接对比时间趋势；堆叠柱状图会让人误读为构成关系，不适合叠加原始值与均值。"},{"id":96,"type":"single","stem":"某支付公司清洗商户信息时发现同一商户存在“经营地址”字段一条为“北京市朝阳区”、另一条为“北京朝阳”，两条记录商户编号相同，正确处理方式是","options":["两条都保留作为不同商户记录","按商户编号去重并保留信息更完整的一条","按地址字段去重只保留一条地址","用两条地址拼接后作为新地址"],"answer":[1],"explanation":"知识点是实体去重。商户编号相同说明是同一实体，应按编号去重并保留信息更完整的记录；保留两条会造成重复计数；按地址去重会误删同址不同商户；地址拼接会产生不存在的地址，破坏数据真实性。"},{"id":97,"type":"single","stem":"某证券公司用可视化看板监控客户交易行为，产品经理要求“一眼看出哪些营业部佣金收入低于目标且差距最大”，最合适的图表设计是","options":["按营业部排列的横向条形图并按差距排序","按时间排列的折线图展示佣金走势","按营业部排列的饼图展示佣金占比","按营业部排列的散点图展示收入与目标"],"answer":[0],"explanation":"知识点是可视化目标与图表选择。要比较各营业部与目标的差距并排序，横向条形图按差距排序最直观；折线图侧重时间趋势；饼图侧重占比而非差距；散点图适合两变量关系，均不如排序条形图直接。"},{"id":98,"type":"multi","stem":"某银行数据团队在将核心系统客户表接入数据分析平台时，发现“客户出生日期”列存在“1990-05-01”“19900501”“1990/5/1”三种格式，以下处置措施合理的有","options":["编写解析函数统一转换为日期类型","对无法解析的值记录日志并人工核查","直接按字符串排序后取最小值作为生日","统一转换为YYYY-MM-DD字符串格式入库","对三种格式分别建三列分别存储"],"answer":[0,1,3],"explanation":"知识点是日期字段清洗。统一转换为日期类型、对无法解析值记录日志人工核查、统一为规范字符串格式入库都是合理做法；按字符串排序取最小值会得到错误日期；分三列存储会造成字段冗余和后续分析口径混乱。"},{"id":99,"type":"single","stem":"在金融数据采集环节，从某银行核心系统批量抽取客户账户余额数据时，发现部分账户余额字段出现负数，而业务规则规定储蓄账户余额不应为负；数据工程师最先应执行的操作是","options":["将该批数据直接用于下游报表并标注异常","核对源系统该字段的取值规则与账户类型映射关系","用零值替换所有负数余额后继续处理","将负数余额账户整行删除以保证数据干净"],"answer":[1],"explanation":"知识点：数据采集后的异常值核查流程。正确项对：先回溯源系统字段定义与账户类型映射，判断负数是否属于透支账户等合法情形，再决定清洗策略。错误项一：未核查就用于报表会把异常带入下游；错误项二：未经判断直接置零会掩盖真实透支业务；错误项三：整行删除会丢失其他有效字段并造成样本偏差。"},{"id":100,"type":"single","stem":"某消费金融公司用Python的pandas读取CSV格式的交易流水文件，发现原本为字符串的商户编号列被自动识别成了整数，导致前导零丢失；在read_csv阶段最合适的处理方式是","options":["读取后对该列做astype(str)转换并补零","读取时用dtype参数将该列指定为str类型","读取时用converters参数把该列转换为float","读取后删除该列再从数据库重新关联"],"answer":[1],"explanation":"知识点：pandas读取时列类型控制。正确项对：在read_csv阶段用dtype指定字符串类型，可在解析时保留前导零，从源头避免信息丢失。错误项一：读取后astype已丢失前导零，补零长度难以确定；错误项二：转float同样丢失前导零且引入小数；错误项三：删列重关联成本高且非必要。"},{"id":101,"type":"single","stem":"在金融数据清洗中处理客户手机号字段，发现存在'138-1234-5678'、'13812345678'、'138 1234 5678'三种写法；下列清洗策略中最能保证号码可唯一匹配的是","options":["统一去除分隔符后校验11位数字格式","保留原格式并建立三种格式的映射表","按出现频率最高的格式统一其余记录","对含分隔符的记录标记为无效并剔除"],"answer":[0],"explanation":"知识点：字符串标准化清洗。正确项对：去除分隔符后校验长度与数字构成，可得到唯一规范形式用于匹配。错误项一：维护多格式映射表仍无法解决格式组合爆炸；错误项二：按频率统一会误改少数但合法的记录；错误项三：直接剔除会丢失有效客户数据。"},{"id":102,"type":"single","stem":"某券商对逐笔成交数据做可视化，需展示一天内每只股票成交量的分布形态并比较不同股票间的离散程度；下列图表选择中最合适的是","options":["用堆叠柱状图展示各股票每分钟成交量","用箱线图展示各股票成交量的分布与离群点","用饼图展示各股票成交量占全市场比例","用折线图展示各股票成交量的时间走势"],"answer":[1],"explanation":"知识点：分布形态与离散程度的可视化选型。正确项对：箱线图能同时呈现中位数、四分位距和离群点，适合比较分布与离散程度。错误项一：堆叠柱状图侧重构成而非分布形态；错误项三：饼图只反映占比不反映离散；错误项四：折线图侧重时间趋势而非分布比较。"},{"id":103,"type":"single","stem":"在反洗钱可疑交易监测的数据预处理中，需将单笔金额按币种折算为人民币后再做阈值判断；若某笔交易币种字段为空但金额非零，正确的处置顺序是","options":["先按美元默认汇率折算再进入阈值判断","先标记该记录为待补全并暂停其阈值判断","先按金额数值直接进入阈值判断再回补币种","先将币种填为人民币再按原金额判断"],"answer":[1],"explanation":"知识点：缺失关键维度时的处理顺序。正确项对：币种是折算的必要维度，缺失时应先标记待补全并暂停判断，避免错误折算。错误项一：默认美元会引入系统性偏差；错误项三：未折算直接判断会使阈值失真；错误项四：擅自填人民币等于篡改数据属性。"},{"id":104,"type":"single","stem":"某支付机构对商户交易数据做异常检测，发现某商户单日交易笔数激增但金额分布与历史一致；若要判断是真实业务增长还是刷单，下一步最应补充分析的是","options":["该商户当日交易对手账户的集中度与重合度","该商户当日交易金额的算术平均值","该商户所在行业的当日平均交易笔数","该商户当日交易的时间戳字段完整性"],"answer":[0],"explanation":"知识点：异常检测中的多维交叉验证。正确项对：刷单常表现为交易对手高度集中或账户重合，分析对手集中度与重合度能有效区分。错误项一：金额均值在分布一致时无区分力；错误项三：行业均值无法定位单户异常；错误项四：时间戳完整性属于数据质量而非业务异常判断。"},{"id":105,"type":"single","stem":"使用SQL对客户表与交易表做关联统计时，发现部分客户因交易表无记录而在结果中消失；若希望保留全部客户并统计其交易情况，应使用的外连接类型是","options":["以客户表为左表的左外连接","以交易表为左表的左外连接","对两表做内连接后取并集","对两表做全外连接后去重"],"answer":[0],"explanation":"知识点：多表关联中连接类型的选择。正确项对：以客户表为左表做左外连接，可保留全部客户并将无交易者计为零。错误项一：以交易表为左表会丢失无交易客户；错误项三：内连接先丢失无交易客户，取并集无法恢复；错误项四：全外连接会引入交易表中无对应客户的记录。"},{"id":106,"type":"single","stem":"在金融数据仓库中，某字段被定义为枚举型'账户状态'，抽取时发现出现'正常''NORMAL''01'三种取值；在ETL清洗阶段最规范的做法是","options":["建立码值映射表统一转换为标准枚举值","按出现次数最多的取值覆盖其余取值","保留原值并在报表端做条件判断展示","将三种取值分别拆成三个布尔字段"],"answer":[0],"explanation":"知识点：枚举字段的码值标准化。正确项对：通过码值映射表统一转换为标准值，可保证语义一致且可追溯。错误项一：按频率覆盖会错误改写合法取值；错误项三：把判断推给报表端会导致口径分散；错误项四：拆成布尔字段会改变模型语义并增加冗余。"},{"id":107,"type":"single","stem":"某基金公司用折线图展示基金净值走势，因纵轴起点设为0导致短期小幅波动被压平难以观察；在不误导读者的前提下，较合适的改进是","options":["将纵轴起点调至数据最小值附近并明确标注","改用饼图展示各阶段净值占比","将纵轴改为对数刻度并去掉网格线","把数据按日重采样为按季度以平滑曲线"],"answer":[0],"explanation":"知识点：坐标轴刻度对趋势呈现的影响。正确项对：纵轴截断可放大波动，但必须明确标注起点以避免误导。错误项一：饼图无法表达时序趋势；错误项三：对数刻度改变波动解读且非针对该问题；错误项四：重采样会掩盖短期波动，与目的相反。"},{"id":108,"type":"single","stem":"在客户风险画像的可视化看板中，需要同时表达客户所属行业类别与其违约率高低；若行业类别超过20种，下列编码方式中最不利于快速识别的是","options":["用不同颜色区分全部行业类别","用位置坐标表示行业并按违约率排序","用颜色深浅表示违约率高低","用分面小图按行业大类分组展示"],"answer":[0],"explanation":"知识点：分类变量可视化的编码容量限制。正确项对：颜色超过约8至12类后难以区分，20种以上颜色不利于识别。错误项二：按违约率排序的位置编码便于比较；错误项三：颜色深浅表达连续量有效；错误项四：分面可降低单图分类数量。"},{"id":109,"type":"single","stem":"某银行在整合来自三个分行的贷款数据时，发现同一客户在各分行系统中的客户编号规则不同；为保证跨分行客户可唯一识别，清洗阶段最应优先完成的工作是","options":["以身份证号等强标识建立跨系统主键映射","将三分行客户编号拼接为复合主键","保留各分行编号并在查询时按分行过滤","对客户姓名做完全匹配后合并记录"],"answer":[0],"explanation":"知识点：多源数据的主数据映射。正确项对：以身份证号等强标识建立统一主键映射，才能实现跨系统唯一识别。错误项一：拼接编号仍是分行内唯一而非全局唯一；错误项三：按分行过滤无法完成跨行合并；错误项四：姓名完全匹配易因重名或异体字出错。"},{"id":110,"type":"single","stem":"在金融数据采集环节，从某银行核心系统批量导出客户交易流水时，为保障后续分析可追溯，字段级元数据中应优先记录的是","options":["数据来源系统名称与抽取时间戳","客户姓名与身份证号明文","交易金额的小数位精度","导出文件的本地存储路径"],"answer":[0],"explanation":"知识点是数据采集的元数据管理。来源系统与抽取时间戳是血缘追踪的核心字段，能支撑后续问题定位；客户姓名与身份证号明文属于敏感信息，不应作为元数据优先记录；小数位精度属于数据格式属性，不能标识来源；本地存储路径随迁移会变，不具备稳定追溯性。"},{"id":111,"type":"single","stem":"对某基金销售平台的客户风险测评问卷数据做清洗时，发现同一客户在同一天提交了两份风险等级不同的问卷，业务上应以哪份为准进行去重","options":["以提交时间最晚的一份为准","以风险等级最高的一份为准","以问卷编号较小的一份为准","以填写用时最短的一份为准"],"answer":[0],"explanation":"知识点是重复记录的去重规则。同一客户同日多次提交，按业务时效应保留最新一次提交结果；取风险等级最高会人为拔高客户风险承受能力；问卷编号大小与提交先后无必然关系；填写用时短不代表有效或最新。"},{"id":112,"type":"single","stem":"某消费金融公司将逾期天数字段从字符串转换为整数时，发现存在“-5”“未知”“30天”三类异常值，正确的批量处理顺序是","options":["先标记异常值再按业务规则分别映射或置空","先将全部异常值统一置为0再继续转换","先删除含异常值的整行记录再转换","先将“未知”替换为平均值再转换其余值"],"answer":[0],"explanation":"知识点是脏数据的分级处理。先标记可保留异常痕迹，再按业务含义分别处理，避免信息丢失；统一置0会把负数和缺失混为正常值；删除整行会损失该客户其他有效字段；用平均值替换“未知”属于无依据插补，会引入偏差。"},{"id":113,"type":"single","stem":"在金融数据可视化中，要展示某只股票近一年每日收盘价的波动趋势并同时标注成交量，最合适的图表组合是","options":["折线图叠加柱状图的双轴图","饼图与环形图的组合图","散点图与雷达图的组合图","堆叠面积图与桑基图的组合图"],"answer":[0],"explanation":"知识点是图表类型与数据关系匹配。收盘价是时间序列趋势，用折线；成交量是同期柱状，双轴可同图对比；饼图/环形图适合占比，无法表达时间趋势；雷达图适合多维度评分；桑基图适合流量流向，均不适用。"},{"id":114,"type":"single","stem":"某金融科技公司用Python的pandas读取一份GBK编码的CSV交易明细时出现中文乱码，在read_csv中应设置的参数是","options":["encoding='gbk'","sep='gbk'","dtype='gbk'","index_col='gbk'"],"answer":[0],"explanation":"知识点是文件编码参数。encoding用于指定字符编码，解决乱码；sep用于指定分隔符；dtype用于指定列数据类型；index_col用于指定索引列，三者均与编码无关。"},{"id":115,"type":"single","stem":"在计算某信贷产品月度不良率时，分母应使用当月应还款的贷款余额而非当月放款金额，这一选择主要避免了","options":["放款与还款时间错配导致的比率失真","利率波动对不良金额的影响","客户提前还款带来的利息损失","担保方式差异对回收率的影响"],"answer":[0],"explanation":"知识点是不良率口径。不良率反映存量资产质量，分母用应还款余额可与逾期分子在时间上匹配；利率波动影响利息收入而非不良率口径；提前还款影响的是收益；担保方式影响回收，不改变分母选择。"},{"id":116,"type":"single","stem":"对某保险公司理赔数据做缺失值处理时，发现“赔付金额”字段缺失比例约12%，且缺失记录集中在某几个分支机构，最稳妥的处置方式是","options":["先核查这些机构的数据报送流程再决定填补策略","直接对全部缺失值用全局均值填补","直接删除所有含缺失值的记录","用相邻记录的赔付金额随机填充"],"answer":[0],"explanation":"知识点是缺失值的机制判断。缺失集中在特定机构说明可能是系统性报送问题，应先查流程；全局均值填补忽略机构差异；直接删除会损失有效样本；随机填充无依据且破坏分布。"},{"id":117,"type":"single","stem":"用SQL对交易表按客户号分组统计时，要排除测试账户且保留无交易客户，应使用的连接方式是","options":["以客户表为主表左连接交易表并过滤测试账户","以交易表为主表左连接客户表并过滤测试账户","以交易表为主表内连接客户表并过滤测试账户","以客户表为主表右连接交易表并过滤测试账户"],"answer":[0],"explanation":"知识点是连接方式与业务口径。要保留无交易客户，须以客户表为主表做左连接；以交易表为主表会丢失无交易客户；内连接只保留有交易客户；右连接以交易表为主表，同样丢失无交易客户。"},{"id":118,"type":"single","stem":"某券商将客户交易数据导出用于可视化看板，看板需按营业部展示资产分布，此时对营业部名称字段最应做的预处理是","options":["统一简称与全称并去除首尾空格","将营业部名称转为数值编码","按名称长度排序后截断","将名称中的数字全部删除"],"answer":[0],"explanation":"知识点是分类字段的标准化。营业部同一实体可能有简称全称混用，统一并去空格才能正确聚合；转数值编码会丢失可读性且不解决不一致；按长度截断会破坏名称；删除数字会误改含数字的真实名称。"},{"id":119,"type":"single","stem":"在制作金融数据仪表盘时，若业务方要求同一页面既能看全行汇总又能下钻到分行明细，最合适的设计是","options":["汇总卡片配合可筛选的分行明细表","仅用一张全行趋势折线图","仅用一组静态饼图展示占比","仅用一张散点图展示两个指标"],"answer":[0],"explanation":"知识点是仪表盘的层级设计。汇总卡片提供总览，可筛选明细表支持下钻，满足两种需求；单张折线图无法下钻到分行；静态饼图不能交互筛选；散点图只展示两指标关系，均不满足。"},{"id":120,"type":"single","stem":"某支付公司分析周末与工作日交易笔数差异，发现周末笔数明显偏低，进一步排查后发现部分周末数据未入库，正确的下一步处置是","options":["先核实数据采集任务在周末是否正常调度","直接按工作日均值补全周末缺失数据","将周末数据整体剔除后只分析工作日","把周末交易合并计入周一统计"],"answer":[0],"explanation":"知识点是异常数据的归因流程。发现周末偏低先查采集任务是否漏跑，属流程核查；按工作日均值补全会掩盖问题；剔除周末会丢失真实业务信息；合并计入周一扭曲时间分布。"},{"id":121,"type":"single","stem":"在采集某银行核心系统的交易流水时，源表用两位字符串存储货币代码，而目标数据仓库要求使用三位 ISO 4217 代码，下列字段映射处理方式中最合理的是","options":["在采集脚本中建立货币代码映射字典，将两位代码转换为三位代码后写入目标表","在目标表旁边新增一列保留两位原始代码，三位代码列暂时留空待人工补录","将两位代码直接写入三位代码列，后续由下游报表按前两位截取使用","把货币代码字段整体删除，改由下游系统按交易账号归属地推断货币"],"answer":[0],"explanation":"知识点：数据采集阶段的字段标准化与代码映射。正确项在采集环节用映射字典完成代码转换，保证目标表字段符合目标标准。错误项B只保留原始值、三位代码留空，会造成下游无法使用；错误项C直接写入长度不符的代码，破坏目标字段规范；错误项D删除字段并用归属地推断货币，会引入错误且丢失真实币种信息。"},{"id":122,"type":"single","stem":"某消费金融公司从App埋点日志中采集用户点击事件，日志中同一用户同一秒内出现多条完全相同的记录，下列清洗处理最恰当的是","options":["按用户ID和事件时间对记录去重，只保留一条相同事件记录","把重复记录全部保留，在报表层按事件条数除以重复系数折算","只删除重复记录中时间戳靠后的那条，保留时间戳靠前的","把重复记录合并为一条并把点击次数累加为重复条数"],"answer":[0],"explanation":"知识点：重复数据识别与去重。正确项按业务主键（用户ID+事件时间）去重，消除完全重复的日志。错误项B保留重复再用系数折算，缺乏依据且会扭曲指标；错误项C只删靠后的记录，无法保证相同秒内重复被清理干净；错误项D把重复条数累加，会把系统重复上报误当成真实多次点击。"},{"id":123,"type":"single","stem":"在清洗信贷申请表中的“月收入”字段时，发现部分记录填写为负数，下列处理方式最符合数据清洗规范的是","options":["将负数记录标记为异常并单独输出异常清单，交由业务方核实后修正","将负数直接取绝对值后写回原字段，保证字段全部为非负数","把负数统一替换为该字段的中位数，保持数据分布不受影响","将负数记录整行删除，不再保留任何异常处理痕迹"],"answer":[0],"explanation":"知识点：异常值识别与处理流程。正确项先标记异常并输出清单交业务核实，保留可追溯性。错误项B取绝对值会改变真实语义，负收入可能代表退款或录入错误；错误项C用中位数替换属于无依据的平滑，掩盖问题；错误项D直接删行会丢失样本且无处理痕迹。"},{"id":124,"type":"single","stem":"某城商行在整合手机银行与柜面两个渠道的客户信息时，发现同一身份证号在两个系统中姓名写法不同，下列主数据匹配处理最合理的是","options":["以身份证号作为主键进行关联，姓名差异输出冲突清单交数据治理岗确认","以姓名完全一致为条件进行关联，姓名不同的记录视为两个不同客户","以手机号作为主键关联，姓名不一致时随机保留其中一个系统的姓名","将两个系统的姓名拼接后写入新字段，作为客户全名使用"],"answer":[0],"explanation":"知识点：多源客户数据的主数据匹配与冲突处理。正确项用身份证号这一强标识关联并输出冲突清单，兼顾匹配与治理。错误项B以姓名一致为关联条件，会漏配同一客户；错误项C用手机号关联且随机保留姓名，可能错配且引入错误值；错误项D拼接姓名会产生无业务含义的字段。"},{"id":125,"type":"single","stem":"在制作银行各分行月度存款余额对比图时，各分行余额差异较大且个别分行数值远高于其他分行，下列可视化方式最便于横向比较各分行规模的是","options":["使用水平条形图并按余额降序排列，坐标轴从零开始","使用饼图展示各分行余额占比，标注百分比保留两位小数","使用折线图按分行编号依次连接各分行余额点","使用雷达图展示各分行余额在多个维度上的分布"],"answer":[0],"explanation":"知识点：分类数据规模对比的图表选择。正确项用水平条形图降序排列、坐标轴从零开始，便于比较各分行规模。错误项B饼图在类别多、差异大时难以精确比较；错误项C折线图用于趋势而非类别规模对比，连接各分行点无业务含义；错误项D雷达图适合多维度评价，不适合单一余额指标的分行对比。"},{"id":126,"type":"single","stem":"某基金公司需要监控旗下各产品每日净值涨跌幅，要求在发现某产品单日跌幅超过阈值时第一时间提示，下列可视化与告警结合方式最合适的是","options":["用折线图展示各产品净值走势，并设置阈值参考线配合条件格式标红","用堆叠柱状图展示各产品每日净值，柱体高度代表当日净值绝对值","用散点图展示产品净值与规模的关系，按涨跌幅大小调整点的大小","用词云图展示各产品名称，字体大小代表当日涨跌幅绝对值"],"answer":[0],"explanation":"知识点：时间序列监控与阈值告警的可视化实现。正确项用折线图看走势、阈值参考线加条件格式标红，能第一时间定位超阈值产品。错误项B堆叠柱状图看绝对值，无法直观反映涨跌幅超限；错误项C散点图适合两变量关系，不便于逐日监控；错误项D词云图无法表达时间趋势和精确阈值。"},{"id":127,"type":"single","stem":"在清洗保险理赔数据中的“出险日期”字段时，发现少量记录的出险日期晚于报案日期，下列处理判断正确的是","options":["出险日期晚于报案日期属于逻辑矛盾，应标记异常并核查是否日期录入颠倒","出险日期晚于报案日期属于正常情况，无需处理直接进入后续分析","出险日期晚于报案日期说明客户延迟报案，应把报案日期改为出险日期","出险日期晚于报案日期只需将两个日期字段互换后即可正常使用"],"answer":[0],"explanation":"知识点：日期字段的逻辑一致性校验。正确项识别出出险不应晚于报案这一业务逻辑矛盾，标记异常并核查。错误项B当作正常情况会放过错误数据；错误项C擅自改报案日期会篡改事实；错误项D一律互换日期过于武断，需先核查而非直接互换。"},{"id":128,"type":"single","stem":"某证券公司需要把逐笔成交明细按分钟聚合成K线数据，聚合前发现部分记录的成交时间戳缺失，下列处理顺序最合理的是","options":["先剔除或修复时间戳缺失记录，再按分钟分组聚合，最后校验聚合后分钟数完整性","先按分钟分组聚合，再把时间戳缺失的记录单独追加到聚合结果末尾","先按成交金额排序，再对缺失时间戳的记录用相邻记录时间填充后聚合","先把缺失时间戳的记录时间统一设为当日零点，再直接参与分钟聚合"],"answer":[0],"explanation":"知识点：时间序列聚合前的数据质量处理。正确项先处理时间戳缺失再聚合、最后校验完整性，保证聚合结果准确。错误项B先聚合再追加缺失记录，会破坏分钟粒度；错误项C用相邻记录填充缺乏依据且排序与时间填充无关；错误项D统一设为零点会把成交错误归入当日首分钟。"},{"id":129,"type":"single","stem":"在反洗钱监测场景中，需要对同一客户短期内多笔接近但低于报告阈值的转账进行识别，下列数据处理思路最恰当的是","options":["按客户和时间窗口对转账金额求和并统计笔数，识别接近阈值的拆分交易模式","只统计单笔转账金额是否超过阈值，未超过阈值的交易全部排除","按收款方账户分组统计转账总金额，忽略付款方是否为同一客户","对每笔转账单独打标签，金额低于阈值的标记为正常交易不再汇总"],"answer":[0],"explanation":"知识点：拆分交易（ structuring）识别中的窗口聚合。正确项按客户和时间窗口汇总金额与笔数，能发现接近阈值的拆分模式。错误项B只看单笔会漏掉拆分行为；错误项C按收款方分组忽略同一付款客户，无法识别同一客户拆分；错误项D逐笔打标签不做汇总，同样无法发现拆分模式。"},{"id":130,"type":"single","stem":"某金融科技公司把生产库中的客户手机号导入分析环境时，需要在保留可分析性的同时降低泄露风险，下列字段处理方式最合适的是","options":["对手机号做不可逆哈希并加盐后存储，分析时使用哈希值关联","把手机号中间四位替换为固定数字，保留前三位和后四位明文","把手机号整体加密后存储，分析时先解密再参与关联计算","把手机号字段直接复制到分析环境，仅通过权限控制访问"],"answer":[0],"explanation":"知识点：敏感字段脱敏与可分析性平衡。正确项用加盐不可逆哈希，既降低泄露风险又能用于关联分析。错误项B掩码保留部分明文仍可被还原或撞库；错误项C加密后需解密再计算，分析环境仍暴露明文；错误项D直接复制明文仅靠权限控制，泄露风险高。"},{"id":131,"type":"single","stem":"在向监管报送系统推送每日信贷余额数据前，发现某分行报送文件中贷款五级分类字段出现空值，下列处置最符合数据报送要求的是","options":["暂停该分行数据推送，回溯源系统补全分类字段并复核后再报送","将该分行空值字段统一填为“正常”，保证报送文件字段完整","先推送其他分行数据，该分行空值字段留空等待下次报送补报","把空值字段替换为上一日该分行的分类值，直接完成当日报送"],"answer":[0],"explanation":"知识点：监管报送前的数据完整性校验与处置。正确项暂停推送并回溯补全、复核后再报送，保证报送质量。错误项B随意填“正常”会掩盖真实风险分类；错误项C留空推送不符合字段完整性要求；错误项D用上一日值替代当日值，可能掩盖分类变化。"},{"id":132,"type":"single","stem":"从券商交易系统导出的逐笔成交表中，用于唯一标识每一笔成交记录的字段通常是哪个","options":["成交编号","证券代码","委托序号","成交日期"],"answer":[0],"explanation":"知识点是金融数据主键识别。成交编号在逐笔成交中唯一标识一笔成交，故正确。证券代码标识标的而非单笔记录；委托序号标识委托单，一笔委托可对应多笔成交；成交日期只到日粒度，无法唯一区分记录。"},{"id":133,"type":"single","stem":"某银行理财登记数据中客户风险等级字段出现大量“C3”与“3”混用，清洗时最合理的处置方式是","options":["建立等级映射字典统一为标准编码","直接删除所有含字母的记录","将字母前缀替换为空字符串","按出现频次保留最高频的写法"],"answer":[0],"explanation":"知识点是枚举值标准化。C3与3是同一风险等级的两种写法，应通过映射字典统一编码，故正确。直接删除会丢失有效客户数据；简单去字母可能误伤其他含字母的合法编码；按频次保留会把少数写法当异常丢弃，未做语义对齐。"},{"id":134,"type":"single","stem":"对基金净值时间序列做缺失值处理时，若缺失原因是非交易日，恰当的做法是","options":["按交易日历剔除非交易日后再处理","用前一日净值直接填充所有空缺","用全样本均值填充缺失净值","对缺失点做线性插值补全"],"answer":[0],"explanation":"知识点是时间序列缺失机制判断。非交易日缺失属于结构性缺失，应先对齐交易日历再处理，故正确。直接前向填充会把非交易日误当缺失日；均值填充忽略时间趋势；线性插值会在非交易日造出虚假净值点。"},{"id":135,"type":"single","stem":"在客户交易数据中发现同一身份证号对应两个不同客户编号，最可能是哪类数据质量问题","options":["实体同一性冲突","字段类型错误","数值精度丢失","时间戳时区不一致"],"answer":[0],"explanation":"知识点是实体识别与主数据质量。同一自然人多编号属于实体同一性冲突，故正确。类型错误、精度丢失、时区问题分别表现为格式、数值、时间偏差，不直接导致一证多号。"},{"id":136,"type":"single","stem":"对某日个股行情做可视化时，要同时展示价格走势与成交量，较合适的图表组合是","options":["价格折线图叠加成交量柱状图","价格饼图叠加成交量折线图","价格散点图叠加成交量饼图","价格箱线图叠加成交量热力图"],"answer":[0],"explanation":"知识点是金融时间序列可视化选型。折线加柱状能共享时间轴分别表达价格与量，故正确。饼图不适合时间序列；散点加饼图无法表达连续走势；箱线图与热力图不匹配日频量价对比。"},{"id":137,"type":"single","stem":"某数据清洗脚本把“-9999”当作有效收益率参与均值计算，导致结果异常，正确处置是","options":["将-9999识别为缺失标记并排除","将-9999截断为-1后计算","对-9999做绝对值处理","保留-9999以反映极端行情"],"answer":[0],"explanation":"知识点是缺失值标记识别。-9999是常见哨兵值，应识别为缺失后排除，故正确。截断、取绝对值都会引入虚假数值；保留会严重拉低均值。"},{"id":138,"type":"single","stem":"在合并两个客户表时，发现连接键存在前后空格差异导致匹配失败，最应先做的处理是","options":["对连接键做去空格标准化","改用模糊匹配全部连接","放弃连接改为纵向拼接","对连接键做哈希加密"],"answer":[0],"explanation":"知识点是连接键标准化。前后空格属于可修复的格式噪声，先去空格即可，故正确。模糊匹配会引入误配；纵向拼接丢失关联；哈希加密不能解决空格差异。"},{"id":139,"type":"single","stem":"某分析师用箱线图识别异常交易金额时，把IQR法判定的离群点全部直接删除，较合理的改进是","options":["先核对离群点是否为真实大额交易","改用均值加减标准差再删除","把所有离群点替换为均值","提高箱线图的分位数阈值"],"answer":[0],"explanation":"知识点是异常值判断与业务结合。金融大额交易可能是真实业务，应先核对再决定，故正确。换方法或替换均值会掩盖真实极端值；调阈值只是改变判定标准，未做业务核实。"},{"id":140,"type":"single","stem":"某团队在客户流失分析中，将“近30天登录次数”和“近30天交易笔数”直接相加作为活跃度指标，主要问题是","options":["不同量纲字段直接相加无业务含义","两个字段都应为分类变量","登录次数应转为比率后再加","交易笔数应取对数后再加"],"answer":[0],"explanation":"知识点是特征构造与量纲。登录次数与交易笔数量纲和含义不同，直接相加缺乏解释性，故正确。二者是数值变量而非分类；转比率或取对数仍是单字段变换，未解决相加口径问题。"},{"id":141,"type":"single","stem":"在制作监管报送数据时，要求金额字段保留两位小数且不得四舍五入偏差累计，较合适的处理是","options":["按业务规则明确舍入方式并记录","统一截断到两位小数","先转整数再除以100","保留原始更多位小数直接报送"],"answer":[0],"explanation":"知识点是金额精度与舍入规范。监管报送需明确舍入规则并可追溯，故正确。直接截断会系统性偏小；转整数除100不改变精度问题；保留更多位不符合报送格式要求。"},{"id":142,"type":"single","stem":"在金融数据采集环节，某接口返回的JSON字段中，日期字段的格式为“2024/03/15”，而目标数仓要求统一为“2024-03-15”格式，这一转换应归入哪一处理步骤","options":["数据采集时的协议解析环节","数据清洗中的格式标准化环节","数据存储时的分区字段处理环节","数据可视化前的维度映射环节"],"answer":[1],"explanation":"知识点：数据清洗中格式标准化的定位。日期格式统一属于清洗阶段的格式标准化，正确项B符合。A协议解析只负责把报文拆成字段，不负责格式统一；C分区字段处理关注存储路径，不改变字段值；D维度映射用于可视化展示，不解决底层格式。"},{"id":143,"type":"single","stem":"用Python的pandas读取CSV文件时，发现某列数值被读成了字符串类型，最可能的原因是文件中该列存在哪类内容","options":["该列所有值均为整数","该列存在空值且被标记为N/A","该列存在千分位逗号或货币符号","该列数值范围超过浮点数精度"],"answer":[2],"explanation":"知识点：pandas类型推断失败的原因。千分位逗号或货币符号会让pandas把整列当作字符串，正确项C。A全整数会被正常推断为int；B空值标记为N/A通常仍可推断为float或object但非因符号；D超精度会转为float64或object但题干特指被读成字符串的常见原因是符号。"},{"id":144,"type":"single","stem":"在金融数据清洗中，对缺失的客户年龄字段采用“按客户风险等级分组后取组内中位数填充”，这一做法相比全表中位数填充的主要优势是什么","options":["计算速度更快且内存占用更低","能保留不同风险等级群体的分布差异","可完全避免引入任何人为估计偏差","使填充后的数据满足正态分布要求"],"answer":[1],"explanation":"知识点：分组填充与全局填充的差异。按风险等级分组取中位数能保留组间分布差异，正确项B。A分组计算通常更慢；C任何填充都会引入估计，不能完全避免偏差；D中位数填充不保证正态分布。"},{"id":145,"type":"single","stem":"某分析师用箱线图识别交易金额异常值，发现某笔金额落在Q3+1.5倍IQR之外，下一步最合理的处置是什么","options":["直接删除该笔记录以保证数据整洁","将该笔金额截断为Q3+1.5倍IQR的值","结合业务背景核实该笔交易是否为真实大额交易","将该笔金额替换为该列的平均值"],"answer":[2],"explanation":"知识点：异常值识别后的处置原则。统计异常不等于业务异常，应先核实，正确项C。A直接删除可能丢失真实大额交易；B截断会篡改真实金额；D均值替换同样扭曲真实值。"},{"id":146,"type":"single","stem":"某银行在采集客户征信数据时，接口返回的字段中包含“已婚”“未婚”“离异”三种取值，若直接进行独热编码，会产生几个新特征列","options":["1个","2个","3个","4个"],"answer":[2],"explanation":"知识点：独热编码的维度。三个互斥类别默认生成3列，正确项C。A、B是误以为需要丢弃一列（丢一列是避免共线性的可选做法，但题干问直接独热编码）；D多算了一列。"},{"id":147,"type":"single","stem":"某分析师对交易金额列做Min-Max归一化后，发现新数据中出现了大于1的值，最可能的原因是","options":["归一化公式写成了除以最大值","新数据的取值范围超出了训练时的最小值和最大值","归一化前没有对数据进行去重","归一化时使用了中位数而非最小值"],"answer":[1],"explanation":"知识点：Min-Max归一化的边界依赖。该方法依赖训练集的最小值和最大值，新数据超出该范围会得到大于1或小于0的值，正确项B。A除以最大值只影响缩放不必然超1；C去重与归一化边界无关；D中位数不是Min-Max公式的参数。"},{"id":148,"type":"single","stem":"在金融数据采集流程中，使用Kafka作为消息队列接收实时交易数据，消费者端出现重复消费，最应在消费端采取什么措施保证数据不重复入库","options":["提高消费者组的并发线程数","在入库前依据业务主键做幂等去重","缩短消息在Kafka中的保留时间","将消费者偏移量提交改为自动提交"],"answer":[1],"explanation":"知识点：消息队列重复消费的应对。Kafka至少一次语义下，消费端需按业务主键做幂等去重，正确项B。A并发数不解决重复；C保留时间影响可回溯范围；D自动提交偏移量反而可能加剧重复或丢失。"},{"id":149,"type":"single","stem":"用Tableau或类似工具制作仪表板时，若发现某个数值字段被自动聚合为求和，而业务需要的是每日平均值，最直接的操作是什么","options":["在数据源中删除该字段的重复值","将该字段的聚合方式改为平均值","把该字段拖到维度区域","为该字段创建计算字段并乘以系数"],"answer":[1],"explanation":"知识点：可视化工具中的聚合方式设置。直接修改度量聚合方式为平均值即可，正确项B。A去重不改变聚合逻辑；C拖到维度会变成分类而非数值聚合；D乘以系数不能把求和变成平均。"},{"id":150,"type":"multi","stem":"在金融数据清洗项目中，以下哪些做法有助于提升数据质量且符合规范","options":["对关键字段建立非空约束并在入库前校验","对同一客户的多源数据按更新时间保留最新记录","为加快进度直接删除所有含缺失值的行","对金额字段统一单位并在元数据中记录换算关系","对异常值一律用均值替换而不做业务核实"],"answer":[0,1,3],"explanation":"知识点：数据质量提升的规范做法。A建立约束并校验可防脏数据入库；B按更新时间保留最新记录是多源合并的常见策略；D统一单位并记录元数据便于溯源与复用，三者正确。C直接删除含缺失值的行会丢失大量有效信息；E一律均值替换会掩盖真实异常且引入偏差。"},{"id":151,"type":"single","stem":"在金融数据采集环节，从某银行核心系统导出客户交易流水时发现部分交易金额字段为空值，按数据清洗规范应优先采取的处理方式是","options":["直接删除该条交易记录以保证数据完整","用同客户历史交易金额的均值填充该空值","标记为空值并回溯源系统核查缺失原因","用相邻记录的交易金额向下填充该空值"],"answer":[2],"explanation":"知识点是金融数据缺失值的清洗原则。正确项先标记并回溯源系统核查，因为交易金额是关键字段，缺失原因可能是接口截断或权限问题，需先定位再处理。直接删除会丢失真实交易；均值填充会篡改实际金额；向下填充会张冠李戴，均属盲目填充。"},{"id":152,"type":"single","stem":"对某消费金融公司的还款数据进行可视化时，要展示不同逾期天数区间的客户占比分布，最合适的图表类型是","options":["折线图","饼图","散点图","热力图"],"answer":[1],"explanation":"知识点是分类占比数据的图表选择。饼图适合展示各部分占整体的比例。折线图适合时间趋势；散点图适合两变量相关性；热力图适合矩阵密度，均不直接表达占比构成。"},{"id":153,"type":"single","stem":"在清洗企业征信数据时，同一家企业的统一社会信用代码在两条记录中分别为18位和15位，按金融数据规范正确的判断是","options":["两条记录属于不同企业应分别保留","15位是旧版代码需转换为18位后比对","18位记录为录入错误应删除该条","两码均可作为主键直接合并去重"],"answer":[1],"explanation":"知识点是统一社会信用代码的版本与主键识别。15位是旧版注册号，需与18位统一社会信用代码建立映射后比对，不能直接当作同一主键。分别保留会重复计数；删除18位会丢失正确记录；直接合并会误判不同企业。"},{"id":154,"type":"single","stem":"用Python的pandas读取某券商CSV格式的对账单时，发现日期列被识别为字符串类型，要将其转换为日期类型应使用的方法是","options":["astype(float)","to_datetime()","fillna()","groupby()"],"answer":[1],"explanation":"知识点是pandas时间序列类型转换。to_datetime()专门用于将字符串解析为datetime类型。astype(float)会转换失败或得到错误数值；fillna()处理缺失值；groupby()用于分组聚合，均不能完成日期解析。"},{"id":155,"type":"single","stem":"某金融数据分析师统计客户年龄分布时，将年龄字段中出现的-5、200等异常值直接纳入均值计算，会导致的结果是","options":["均值不受影响仍然准确","均值被异常值拉偏失真","中位数同样被严重拉偏","标准差自动修正异常影响"],"answer":[1],"explanation":"知识点是异常值对统计量的影响。极端异常值会显著拉偏均值。均值对异常值敏感；中位数稳健不易受极端值影响；标准差不会自动修正异常，反而可能被放大。"},{"id":156,"type":"single","stem":"在采集某P2P平台的历史借贷数据用于建模时，发现部分借款人身份证号存在重复但姓名不同，正确处理方式是","options":["按身份证号去重保留最新一条记录","按姓名去重保留最早一条记录","标记疑似重复并人工核查身份真实性","直接删除所有涉及重复的记录"],"answer":[2],"explanation":"知识点是实体去重中的身份冲突处理。身份证号重复而姓名不同属于身份冲突，需人工核查以防一证多户或数据错配。按单一字段去重可能误删真实记录；全部删除会损失有效数据。"},{"id":157,"type":"single","stem":"某银行反洗钱监测中需将交易金额按0-1万、1-5万、5万以上三档分类统计，这种将连续变量转为分类变量的操作称为","options":["归一化","标准化","分箱","降维"],"answer":[2],"explanation":"知识点是数据预处理中的分箱操作。分箱是把连续变量按区间离散化为类别。归一化是把数值缩放到固定区间；标准化是转为均值为0方差为1的分布；降维是减少特征维度，均不符合题意。"},{"id":158,"type":"single","stem":"用Excel处理某基金公司净值数据时，需将日期列中格式不统一的'2024/1/5'和'2024-01-05'统一，最稳妥的做法是","options":["用查找替换逐个修改分隔符","用分列功能统一转为日期格式","用文本函数截取后重新拼接","将整列设置为文本格式后手工录入"],"answer":[1],"explanation":"知识点是日期格式标准化。分列功能可批量将多种日期字符串识别并统一为标准日期格式。查找替换繁琐且易错；文本函数拼接工作量大且易出错；手工录入无法保证一致性。"},{"id":159,"type":"single","stem":"某金融科技公司要对客户交易数据做可视化看板，要求既能展示各渠道交易额占比又能体现近12个月趋势变化，合理的组合方案是","options":["仅用一张折线图叠加所有渠道数据","用饼图展示占比加折线图展示趋势","用散点图展示渠道加柱状图展示趋势","用热力图展示渠道加面积图展示趋势"],"answer":[1],"explanation":"知识点是可视化图表组合表达多维度信息。占比用饼图、趋势用折线图是标准组合。单折线图无法清晰表达占比；散点图不表达占比；热力图表达矩阵密度而非渠道占比。"},{"id":160,"type":"single","stem":"清洗某保险公司理赔数据时，发现'理赔金额'字段存在大量负值，结合业务判断这些负值最可能代表的是","options":["数据录入时符号错误","赔款追回或冲正记录","客户退保产生的费用","系统随机生成的噪声"],"answer":[1],"explanation":"知识点是金融业务语义对异常值的解释。理赔金额负值在保险业务中常表示赔款追回或冲正。录入符号错误是可能但需验证；退保费用不属于理赔字段；随机噪声不符合业务逻辑，故应结合业务判断为冲正。"},{"id":161,"type":"single","stem":"某分析师在汇总多家分行上报的贷款数据时，发现同一客户在不同分行记录中贷款余额不一致，按数据治理规范应","options":["取各分行余额的平均值作为最终值","以总行核心系统数据为准进行核对","取余额最大的记录作为最终值","将各分行余额直接相加作为总余额"],"answer":[1],"explanation":"知识点是数据一致性治理中的权威数据源原则。应以总行核心系统为准核对，确保口径统一。取均值或最大值是主观选择，无法保证准确；直接相加会把同一客户多笔贷款误当不同客户处理。"},{"id":162,"type":"single","stem":"在金融数据采集环节，从某银行核心系统导出客户交易流水时发现部分日期字段为“20240331”格式，而目标表要求标准日期类型，最合适的第一步处理是","options":["直接将该字段整体删除后重新采集","按固定长度截取后转换为日期类型","把该字段改名为日期字段再入库","将该列所有值替换为当前系统日期"],"answer":[1],"explanation":"知识点是日期格式标准化。正确项按固定长度截取年月日后转换为日期类型，符合金融数据清洗中格式统一的基本原则；直接删除字段会丢失必要交易时间信息；仅改字段名不改变数据类型，后续仍无法计算；统一替换为当前日期会篡改原始交易时间，破坏数据真实性。"},{"id":163,"type":"single","stem":"对某消费金融公司借款申请表中的“月收入”字段做缺失值处理时，该字段缺失比例约为8%，且收入分布明显右偏，最合理的填充策略是","options":["用该字段均值直接填充缺失记录","用该字段中位数填充缺失记录","删除所有含缺失值的整行记录","用相邻记录的月收入随机填充"],"answer":[1],"explanation":"知识点是缺失值填充与分布形态的关系。收入类字段右偏时中位数比均值更稳健，受极端值影响小；均值会被高收入样本拉高，填充后偏离总体；整行删除会浪费约8%样本并可能引入偏差；用相邻记录随机填充会制造虚假关联，不符合数据质量要求。"},{"id":164,"type":"single","stem":"某证券公司数据团队采集行情数据时，同一只股票在同一交易秒级时间戳出现两条完全相同记录，去重时应优先依据的字段组合是","options":["股票代码与交易日期","股票代码与时间戳","股票名称与收盘价","交易日期与成交量"],"answer":[1],"explanation":"知识点是数据去重的主键识别。行情快照的唯一性通常由标的代码加精确时间戳共同确定；仅用代码和日期无法区分日内多条快照；名称可能重复或变更，不具备唯一性；日期加成交量不能保证唯一，同一日多笔成交会冲突。"},{"id":165,"type":"single","stem":"金融数据清洗中，对“客户身份证号”字段做校验时，除长度和字符类型外，还应重点检查的是","options":["末位校验码是否符合规则","号码前六位是否为本地代码","号码是否包含字母X","号码是否与手机号相同"],"answer":[0],"explanation":"知识点是身份证号校验规则。身份证号末位校验码由前十七位按加权算法计算得出，是判断号码是否有效的关键；前六位为地区码，不要求与本地一致；末位X是合法校验码，不能作为错误标志；身份证号与手机号属于不同字段，长度和结构均不同。"},{"id":166,"type":"single","stem":"某银行数据仓库在加载客户信息前发现同一客户编号对应两个不同姓名，正确的处置流程是","options":["保留最新更新时间的姓名并记录冲突","随机保留其中一条姓名后继续加载","将两条记录合并为“姓名1/姓名2”","暂停整批加载并删除该客户编号"],"answer":[0],"explanation":"知识点是主数据冲突处理。按更新时间保留最新值并记录冲突，既保证加载继续又保留可追溯性；随机保留无法保证数据质量；拼接姓名会破坏字段规范性；暂停整批并删除客户编号会造成数据丢失，处置过重。"},{"id":167,"type":"single","stem":"在金融数据可视化中，展示某基金近五年季度收益率随时间的整体变化趋势，最合适的图表类型是","options":["饼图","折线图","雷达图","漏斗图"],"answer":[1],"explanation":"知识点是图表类型与数据关系的匹配。折线图适合表现连续时间序列的趋势变化；饼图用于展示部分占整体的比例；雷达图适合多维度指标对比；漏斗图用于流程各环节转化情况，均不适合时间趋势展示。"},{"id":168,"type":"single","stem":"某金融科技公司采集第三方支付流水时，接口返回的金额字段单位为“分”，而内部模型要求单位为“元”，正确的转换做法是","options":["将金额字段乘以100后入库","将金额字段除以100后入库","将金额字段四舍五入到整数","将金额字段转换为字符串存储"],"answer":[1],"explanation":"知识点是金额单位换算。分转元应除以100，保持数值精度；乘以100会放大金额；四舍五入到整数会丢失小数金额；转字符串无法参与数值计算，均不符合建模要求。"},{"id":169,"type":"single","stem":"对某保险公司理赔数据做异常值检测时，发现“理赔金额”字段存在少量极大值，但业务确认这些是真实大额理赔，此时正确处理方式是","options":["按统计学规则直接剔除这些极大值","用中位数替换所有极大值","保留真实极大值并在分析中单独说明","将极大值统一截断为均值水平"],"answer":[2],"explanation":"知识点是异常值与真实极值的区分。业务确认真实的极大值不应被当作错误数据剔除；直接剔除会低估理赔风险；中位数替换会篡改真实金额；截断为均值会严重失真，正确做法是保留并单独说明。"},{"id":170,"type":"single","stem":"在金融数据采集过程中，为防止网络中断导致已采集数据丢失，最合理的工程做法是","options":["每采集一条就写入本地临时文件","等全部采集完成再统一写入数据库","将采集结果保存在内存中定时打印","每次中断后从第一条重新开始采集"],"answer":[0],"explanation":"知识点是数据采集的容错与断点续传。逐条写入本地临时文件可避免中断丢失并支持续传；全部完成后统一写入一旦中断则前功尽弃；内存保存加打印不可靠；每次从头重采效率低且可能重复。"},{"id":171,"type":"single","stem":"某消费金融公司需要将客户风险等级分为“低、中、高”三类并在报表中展示各等级客户占比，最合适的可视化方案是","options":["用堆叠柱状图展示各等级数量","用饼图展示各等级客户占比","用散点图展示客户年龄与收入","用热力图展示各等级分布密度"],"answer":[1],"explanation":"知识点是占比类数据的图表选择。饼图直观展示部分占整体的比例，适合三类风险等级占比；堆叠柱状图侧重数量对比；散点图展示两个连续变量关系；热力图展示二维密度分布，均不直接回答占比问题。"},{"id":172,"type":"single","stem":"某银行数据分析师在制作月度信贷投放报表时，发现上月已清洗的客户行业分类字段本月出现大量“未知”值，最可能的错误环节是","options":["可视化图表的坐标轴设置错误","数据采集接口的行业字段映射失效","报表导出时选择了错误的日期范围","客户编号字段未设置为主键"],"answer":[1],"explanation":"知识点是数据质量问题的环节定位。行业分类大量变为“未知”通常源于采集或映射环节的字典失效；坐标轴设置只影响展示；日期范围选择影响记录数量而非行业值；主键设置与行业字段取值无直接关系。"},{"id":173,"type":"single","stem":"在金融数据采集环节，从券商接口拉取逐笔成交数据时，为避免因网络抖动导致的分页请求漏页，最稳妥的采集策略是","options":["按时间戳递增分页并在每页记录边界时间戳用于对账","按固定页码顺序请求并在失败页直接跳过继续下一页","将分页大小设为最大值一次性请求全部历史数据","并发发起全部分页请求后按返回先后顺序拼接"],"answer":[0],"explanation":"知识点是分页采集的边界对账机制。按时间戳递增并记录边界可发现漏页并补采，故正确；按固定页码跳过失败页会永久丢失数据；一次性请求全量在接口限流下易超时截断；并发后按返回顺序拼接会打乱时序且失败页无法定位。"},{"id":174,"type":"single","stem":"清洗银行流水时发现同一笔交易在核心系统与支付网关各有一条记录，金额一致但交易时间相差2秒，正确的去重处理方式是","options":["以核心系统记录为准删除网关记录","按金额与账号分组后保留时间较早的一条","按业务主键关联后保留主记录并标记来源","将两条记录金额相加作为合并流水"],"answer":[2],"explanation":"知识点是多源流水去重需依赖业务主键而非简单字段。按主键关联保留主记录并标记来源可追溯，故正确；按系统优先级删除会丢失网关侧信息；按时间保留较早一条在时钟不同步时可能误删；金额相加会造成账实不符。"},{"id":175,"type":"single","stem":"对某只股票分钟级收盘价序列做可视化时，发现图形在每日开盘首根K线处出现异常尖峰，排查后确认是采集时把集合竞价价格混入连续竞价序列，正确的处置是","options":["对整条序列做3σ剔除后再绘图","按交易时段字段过滤集合竞价记录后重绘","对尖峰点做线性插值平滑后绘图","将分钟频率降为日频以消除尖峰"],"answer":[1],"explanation":"知识点是金融时序数据的分时段口径。按交易时段字段过滤可保留真实连续竞价数据，故正确；3σ剔除会误删真实波动；插值平滑掩盖了口径错误；降频只是掩盖问题并未修正数据。"},{"id":176,"type":"single","stem":"在构建客户风险画像时，将月收入字段的缺失值直接填充为0后计算人均资产，会导致的分析偏差是","options":["高估人均资产且低估收入分散度","低估人均资产且高估收入分散度","人均资产不变但收入分布右偏","收入均值不变但中位数被抬高"],"answer":[0],"explanation":"知识点是缺失值填充对统计量的影响。收入缺失填0会拉低分母中的收入基数并使资产相对偏高，故正确；填0只会低估而非高估收入分散度中的低端；人均资产会变化；中位数受影响方向与描述不符。"},{"id":177,"type":"single","stem":"某支付公司需要将每日千万级交易明细按商户聚合出交易笔数与金额，在单机内存有限的情况下，优先采用的清洗聚合方案是","options":["全量读入内存后用groupby一次聚合","分块读取并增量累加各商户聚合结果","先随机抽样10%估算后再全量校验","按商户哈希拆分为多个小文件后并行聚合"],"answer":[3],"explanation":"知识点是大数据聚合的分治策略。按商户哈希拆分可保证同一商户落同一文件并支持并行，故正确；全量读入内存在千万级下易溢出；分块增量累加可行但实现复杂度高且不如哈希拆分稳健；抽样估算无法得到精确聚合值。"},{"id":178,"type":"single","stem":"在金融数据可视化中，展示某产品近12个月收益率随时间变化的趋势，最合适的图表类型是","options":["折线图并标注关键事件节点","饼图并按月份扇区着色","堆叠柱状图并叠加累计收益","散点图并以月份为点大小"],"answer":[0],"explanation":"知识点是时序趋势的图表选型。折线图适合表现连续时间趋势并可标注事件，故正确；饼图用于构成占比不适合时序；堆叠柱状图强调构成而非趋势；散点图以月份编码点大小无法清晰表达时间走势。"},{"id":179,"type":"single","stem":"清洗后的交易数据中，某字段取值出现“北京”“北京市”“京”三种写法，统一为标准行政区划名称属于数据清洗中的","options":["一致性校验与标准化","异常值检测与剔除","缺失值插补处理","重复记录合并"],"answer":[0],"explanation":"知识点是数据清洗的标准化环节。同义异形值统一属一致性校验与标准化，故正确；异常值检测针对偏离分布的数值；缺失值插补针对空值；重复合并针对完全或近似重复记录。"},{"id":180,"type":"single","stem":"某分析师在计算客户流失率时，分子用了本月销户数，分母用了本月活跃客户数，导致流失率被高估，正确的分母应为","options":["上月末在册客户数","本月新增客户数","本月交易笔数","本月平均资产余额"],"answer":[0],"explanation":"知识点是流失率口径的分母选择。分母应为期初在册客户数，故正确；本月新增客户不属于期初基数；交易笔数与资产余额是业务量指标不能作客户基数。"},{"id":181,"type":"single","stem":"用SQL对交易表按客户分组求最近一笔交易时，窗口函数ROW_NUMBER() OVER (PARTITION BY 客户ID ORDER BY 交易时间 DESC)的作用是","options":["为每个客户按时间倒序生成行号","对每个客户交易金额累加求和","统计每个客户的交易总笔数","按交易时间对全表去重"],"answer":[0],"explanation":"知识点是窗口函数的分区排序语义。该表达式为每个客户按时间倒序编号，取行号1即为最近一笔，故正确；累加求和需用SUM；计数需用COUNT；去重需用DISTINCT或ROW_NUMBER配合筛选而非其本身自动去重。"},{"id":182,"type":"single","stem":"某团队将客户年龄字段中的-1和999直接参与均值计算，导致年龄均值异常，正确的清洗做法是","options":["将-1和999视为缺失值后按业务规则处理","对年龄字段做对数变换后计算均值","将-1和999替换为年龄中位数再计算","直接删除所有含年龄的记录"],"answer":[0],"explanation":"知识点是异常编码值的识别与处理。-1和999常为占位异常值，应先识别为缺失再按规则处理，故正确；对数变换无法处理负值且不解决语义错误；直接替换中位数未先识别异常来源；删除全部记录会损失大量有效样本。"},{"id":183,"type":"single","stem":"某银行在采集网点柜面交易日志时，发现同一笔转账在源系统被记录为两条时间相差3秒的记录，最可能的原因是","options":["源系统对同一交易做了主备双写","柜员在3秒内重复提交了两次","日志采集程序设置了幂等去重","交易时间戳按毫秒精度截断"],"answer":[0],"explanation":"知识点是数据采集中的重复记录识别。主备双写会让同一笔交易在两条链路上各产生一条日志，时间接近且业务键相同，是常见的重复来源；柜员重复提交通常会产生不同流水号而非仅时间差3秒；幂等去重是防重复的手段，不会制造重复；毫秒截断只会改变精度不会新增记录。"},{"id":184,"type":"single","stem":"对金融客户手机号字段做清洗时，发现大量形如'138-1234-5678'的记录，保留数字字符后应统一为","options":["13812345678","1381234567","8613812345678","138123456789"],"answer":[0],"explanation":"知识点是字符串清洗中的格式归一化。去掉分隔符后中国手机号为11位数字，即13812345678；去掉横线后位数不足说明漏掉了末位数字；加国家码属于另一种标准化口径，未在题干要求中；多出数字说明保留了其他字符。"},{"id":185,"type":"single","stem":"在金融交易数据中，将'交易金额'字段中出现的负数统一按绝对值处理，最可能引入的问题是","options":["把退款交易误转为正常消费","使金额字段出现空值","导致金额字段类型变为文本","让重复记录数量增加"],"answer":[0],"explanation":"知识点是数据清洗中的业务语义保留。负数常代表退款、冲正等反向交易，取绝对值会抹掉方向信息；取绝对值不会产生空值、不会改变类型、也不会增加重复记录。"},{"id":186,"type":"single","stem":"某数据治理岗在清洗客户地址时，把'北京市朝阳区'和'北京朝阳区'分别保留，最可能导致后续分析出现","options":["同一地区被统计为两个分组","地址字段长度不一致","地址字段出现空值","地址字段编码失败"],"answer":[0],"explanation":"知识点是数据标准化对分组统计的影响。省市区表述不统一会让同一地区在分组时被拆成多组；长度不一致只是表象；空值和编码失败与是否统一表述无直接关系。"},{"id":187,"type":"single","stem":"在绘制某产品月度销售额趋势时，原始数据缺失了2月的数据，最合适的处理方式是","options":["在图上标注2月数据缺失并说明原因","用1月和3月的均值直接填充后照常绘图","把2月数据删除后让折线直接跨过","将2月数值记为0后绘制折线"],"answer":[0],"explanation":"知识点是缺失值在可视化中的处置。标注缺失并说明能避免误导；均值填充会伪造数据；直接跨过会隐藏缺口；记0会被误读为当月无销售，均不合适。"},{"id":188,"type":"single","stem":"某分析师用柱状图展示各分行不良贷款率，发现某分行数值为0.8%却画得比1.2%的分行还高，最可能的原因是","options":["纵轴起点未从0开始","柱状图颜色映射错误","横轴分类顺序颠倒","数据标签字号过大"],"answer":[0],"explanation":"知识点是坐标轴设置对图形感知的影响。纵轴不从0开始会放大差异造成误读；颜色、分类顺序、标签字号都不会改变柱高与数值的对应关系。"},{"id":189,"type":"single","stem":"在采集第三方支付接口返回的JSON数据时，某字段在部分记录中不存在，最稳妥的解析方式是","options":["解析时判断键是否存在并记录缺失","直接用点号取值让程序报错中断","将该字段统一赋值为空字符串","跳过所有含缺失字段的记录"],"answer":[0],"explanation":"知识点是半结构化数据采集的容错。判断键是否存在并记录缺失能保留数据完整性；直接取值会中断流程；统一赋空字符串会混淆缺失与真实空值；跳过记录会丢失有效信息。"},{"id":190,"type":"single","stem":"某团队把交易数据中的'客户ID'和'卡号'都作为唯一标识去重，结果发现同一客户多张卡被算作多人，正确做法应是","options":["以客户ID为去重主键并保留卡号明细","以卡号为去重主键并保留客户ID明细","对两字段拼接后作为去重主键","先按卡号去重再按客户ID去重"],"answer":[0],"explanation":"知识点是主键选择与实体识别。客户ID代表客户实体，卡号是客户持有的介质，理应以客户ID为主键；以卡号为主键会把一人多卡拆成多人；拼接主键和两次去重都会改变统计口径。"},{"id":191,"type":"single","stem":"在监控每日新增贷款申请量时，发现某天数值突增为平日的5倍，排查后确认是上游系统补推了历史数据，正确的处置是","options":["按业务发生日期重新归集后再统计","将该天数据整体删除以免失真","对该天数值取对数后照常展示","把突增当天标记为异常并保留原值"],"answer":[0],"explanation":"知识点是数据异常归因与口径调整。补推数据应按业务发生日期归集到对应日期；整体删除会丢失真实业务；取对数只改变量级不解决口径；仅标记异常未修正归集会持续误导趋势。"},{"id":192,"type":"single","stem":"某分行报表显示'贷款余额'比上月减少，但'贷款笔数'增加，最合理的解释是","options":["新增小额贷款多于到期大额贷款","本月发生了大量贷款展期","本月提前还款金额为零","贷款数据采集出现重复"],"answer":[0],"explanation":"知识点是余额与笔数的口径差异。余额减少而笔数增加，说明新增笔均金额小于到期或结清笔均金额；展期不改变余额与笔数的这种关系；提前还款为零无法解释余额下降；采集重复通常使两者同向变化。"},{"id":193,"type":"single","stem":"某消费金融公司从合作电商平台接收一批订单明细数据，字段中「订单金额」为字符串类型且部分记录带千分位逗号，在入库前应先执行的处理是","options":["去除千分位逗号后转换为数值类型","直接按字符串排序后统计总额","截取逗号前的整数部分参与计算","将带逗号记录整行标记为异常丢弃"],"answer":[0],"explanation":"知识点为数据清洗中的类型转换与格式规范化。订单金额是数值型指标，带千分位逗号属于展示格式，去除逗号后转换为数值类型才能正确参与求和均值等计算；直接按字符串排序会得到字典序结果，金额排序失真；截取逗号前整数部分会丢失小数精度并可能截断错误；整行丢弃会损失大量有效记录且未处理根因。"},{"id":194,"type":"single","stem":"在金融风控数据仓库中，「客户身份证号」与「客户手机号」两列均含有少量空值，若直接按非空值比例做整体删除，最可能造成的问题是","options":["删除后剩余样本偏向信息完整的优质客户，模型产生选择偏差","删除后表的主键数量变多，需要重建索引","删除后各列数据类型自动变为字符串，影响计算","删除后空值会转移到其他列，形成新的缺失"],"answer":[0],"explanation":"知识点为缺失值处理对样本代表性的影响。按非空比例整行删除会系统性剔除信息不全的客户，而信息完整度常与客户资质相关，造成样本选择偏差；删除行不会使主键变多；删除操作不改变列的数据类型；空值不会跨列转移。"},{"id":195,"type":"single","stem":"某银行采集网点排队数据时，同一客户在三分钟内因取号机重试产生了三条仅时间戳相差数秒的记录，其余字段完全一致，正确的去重处置是","options":["按客户标识与业务类型分组，保留时间戳最早的一条","按时间戳排序后删除所有相邻重复行","对三条记录取金额字段的平均值后合并为一条","保留三条记录并新增一列标记为重试记录"],"answer":[0],"explanation":"知识点为重复记录的识别与去重策略。业务上同客户同类型短时间内的多条记录属于重试产生的重复，应按业务主键分组保留最早一条；仅按相邻删除会漏掉不相邻的重复；金额取平均会篡改真实业务值；保留并标记会让后续统计重复计数。"},{"id":196,"type":"single","stem":"用Python的pandas读取一份包含中文列名的CSV文件时，发现首行被当作数据、列名变成了数字，最可能的原因是","options":["读取时未指定正确的编码格式","文件中存在多余的空行导致解析错位","读取时未设置header参数指向首行","文件中列名含空格导致被自动重命名"],"answer":[2],"explanation":"知识点为pandas读取文件的参数含义。header参数控制哪一行作为列名，未正确设置时首行会被当数据、系统生成数字列名；编码问题通常表现为乱码而非列名变数字；空行会造成行错位但列名仍可能是首行；列名含空格只会保留空格或替换，不会变成纯数字列名。"},{"id":197,"type":"single","stem":"在制作季度信贷投放趋势折线图时，横轴为月份、纵轴为放款金额，若把纵轴起点设为非零的较大值，最直接的误导效果是","options":["放款金额的月度波动被视觉放大，趋势显得更剧烈","各月份数据的实际数值会被自动重新计算","折线图的横轴月份顺序会被打乱","图表无法显示数据标签只能显示图例"],"answer":[0],"explanation":"知识点为可视化中坐标轴截断对趋势感知的影响。纵轴起点抬高会压缩显示范围，使微小波动看起来剧烈，属于常见的误导性可视化；该设置不改变原始数值；不影响横轴顺序；与数据标签和图例显示无关。"},{"id":198,"type":"single","stem":"某金融数据平台采集第三方接口返回的JSON数据，其中「利率」字段有时为数字0.045、有时为字符串「4.5%」，入库前统一处理的正确做法是","options":["按字符串解析百分号并除以100，与数字格式统一为小数","把数字格式乘以100后统一存为百分比字符串","两种格式分别建表存储，查询时再人工合并","以出现次数多的格式为准，另一种格式记录直接剔除"],"answer":[0],"explanation":"知识点为多源异构数据的单位与格式统一。0.045与4.5%表达同一利率，应统一为小数量纲；把小数乘100存百分比字符串会引入新的量纲混乱；分表存储增加后续合并成本且未解决统一问题；按出现频次剔除会丢失有效数据。"},{"id":199,"type":"single","stem":"在客户交易流水表中，「交易时间」字段存在「2024/3/5」「2024-03-05」「05-Mar-2024」三种写法，批量清洗时最稳妥的第一步是","options":["统一转换为标准日期类型并校验转换失败记录","用字符串替换把斜杠和横线都换成点号","按字符串长度排序后分组分别处理","只保留出现次数最多的那一种日期写法"],"answer":[0],"explanation":"知识点为日期字段的规范化流程。应先用日期解析函数统一转为日期类型，并对解析失败记录单独校验；仅替换分隔符无法处理英文月份写法；按长度排序分组不能真正统一格式；只保留一种写法会丢弃其他格式的有效记录。"},{"id":200,"type":"single","stem":"某理财App埋点数据中，「页面停留时长」出现少量负值，排查发现是客户端时间被用户手动调整所致，清洗时正确的处置是","options":["将负值按业务规则置为缺失并记录异常日志","取绝对值后作为正常停留时长参与统计","用该字段的均值直接替换所有负值","删除整个用户当天的全部埋点记录"],"answer":[0],"explanation":"知识点为异常值的识别与处置。负值源于时间被篡改，不具备业务含义，应置为缺失并留痕；取绝对值会伪造出正向时长；均值替换掩盖异常且可能引入偏差；删除当天全部记录会连带损失正常行为数据。"},{"id":201,"type":"single","stem":"某银行需要把核心系统的客户信息与信贷系统的还款记录按客户号关联，发现核心系统客户号有前导零而信贷系统已丢失前导零，直接关联会","options":["导致大量客户匹配失败，关联结果明显偏少","导致客户号自动补零后全部匹配成功","导致两表字段类型自动统一为数值型","导致重复客户被合并为同一条记录"],"answer":[0],"explanation":"知识点为多源关联键的格式一致性。前导零丢失使字符串不相等，直接关联会漏配；系统不会自动补零；关联操作不改变字段类型定义；格式不一致时不会发生重复合并而是匹配失败。"},{"id":202,"type":"single","stem":"在设计反欺诈监控看板时，需要同时展示「当日拦截笔数」与「拦截金额」两个量纲不同的指标，较合理的可视化方案是","options":["使用双轴图分别设置左右纵轴并标注单位","把两个指标直接相加后画一条趋势线","把金额缩小一亿倍后与笔数画在同一纵轴","只展示笔数，金额在悬浮提示中显示"],"answer":[0],"explanation":"知识点为多量纲指标的可视化设计。双轴图可分别适配两个量纲并标注单位，便于同屏对比；相加得到无业务含义的合值；任意缩放倍数会让读者误读量级；把金额仅放提示中会削弱其趋势可读性。"},{"id":203,"type":"single","stem":"数据分析师在给监管报送准备客户风险等级分布表时，发现「风险等级」字段出现「高」「高等级」「HIGH」三种取值，正确的清洗思路是","options":["建立取值映射字典，将同义取值归并为标准等级","按字符串长度保留最长的取值作为标准","把三种取值分别作为独立等级统计后相加","随机保留一种取值，其余按缺失处理"],"answer":[0],"explanation":"知识点为分类字段的标准化。同义异写应通过映射字典归并为统一标准值；按长度保留没有业务依据；分别统计会造成等级口径混乱；随机保留会引入不可复现的偏差。"},{"id":204,"type":"multi","stem":"某金融科技公司从三个渠道采集用户资产数据，发现同一用户在不同渠道的「总资产」数值不一致，在合并入库前应采取的处置措施包括","options":["核对各渠道的统计时点是否一致","确认各渠道是否包含不同资产口径","按渠道可信度设定优先级并记录合并规则","直接对三个数值取平均作为最终值","选择数值最大的一个作为最终值"],"answer":[0,1,2],"explanation":"知识点为多源数据一致性校验与合并策略。数值不一致需先核对统计时点、资产口径，并基于可信度设定优先级和留痕规则；直接取平均会掩盖口径差异；取最大值缺乏业务依据且可能高估客户资产。"},{"id":205,"type":"single","stem":"在金融数据采集环节，从某银行核心系统抽取客户交易流水时，源表以「交易时间」字段作为增量抽取依据，但该字段存在少量空值，最稳妥的增量采集处理方式是","options":["将空值交易时间默认填充为当前系统时间后参与增量比对","对空值记录单独建立补采批次并回溯比对主键后合并入库","在增量条件中直接排除交易时间为空的记录不再采集","把交易时间字段整体改为按交易金额排序后抽取"],"answer":[1],"explanation":"知识点是增量抽取中脏数据的主键回溯补采。空值时间会导致漏采，正确做法是单独补采并按主键回溯合并；默认填当前时间会篡改业务时间；直接排除会永久丢数；按金额排序与增量逻辑无关。"},{"id":206,"type":"single","stem":"对某只货币基金每日万份收益序列做可视化时，需要突出其围绕均值的小幅波动，最合适的图表处理方式是","options":["使用截断纵轴起点的折线图并标注截断符号","使用从零起始的柱状图逐日对比收益高低","使用饼图展示各日收益占全月合计的比例","使用堆叠面积图把收益与规模叠加展示"],"answer":[0],"explanation":"知识点是截断纵轴的使用规范。突出小幅波动可用截断纵轴，但必须标注截断符号；从零起始柱状图看不出小波动；饼图不适合时间序列；堆叠面积图叠加规模会混淆量纲。"},{"id":207,"type":"single","stem":"清洗信贷申请数据时发现「月收入」字段存在若干负值，经核查这些记录在源系统中代表冲正调整而非真实收入，正确的清洗处置是","options":["将负值取绝对值后作为该客户月收入参与建模","把负值记录整行删除以免影响收入分布统计","按冲正标识将负值单独归入调整类并保留原始正负号","用全体客户月收入中位数替换这些负值记录"],"answer":[2],"explanation":"知识点是带业务语义的异常值处理。冲正负值有业务含义，应保留符号并单独归类；取绝对值会扭曲收入；整行删除会丢失冲正信息；中位数替换会掩盖冲正事实。"},{"id":208,"type":"single","stem":"用Python的pandas读取一份含中文列名的CSV交易明细时，出现列名乱码但数据内容正常，最可能的原因是","options":["文件使用了GBK编码而读取时按UTF-8解码","文件存在重复行导致列名被覆盖错位","数值列被自动识别为字符串类型","索引列未设置导致列名整体偏移一位"],"answer":[0],"explanation":"知识点是文件编码与解码匹配。中文列名乱码而数据正常，典型是GBK文件按UTF-8解码；重复行、类型识别、索引设置都不会只让列名乱码。"},{"id":209,"type":"single","stem":"在金融数据仓库中，对客户维度表做缓慢变化维处理时，若业务要求保留客户地址变更的历史以便回溯某笔贷款发放时的地址，应采用的处理方式是","options":["直接覆盖旧地址只保留最新值以减少存储","新增一列记录地址变更时间但只存最新地址","按变更时间新增版本行并标记生效起止区间","将地址变更记录单独存入日志表不进入维表"],"answer":[2],"explanation":"知识点是缓慢变化维类型2。要能回溯历史地址，须按版本行加生效起止区间；直接覆盖丢失历史；只存最新地址无法回溯；日志表不进入维表则无法关联历史事实。"},{"id":210,"type":"single","stem":"某分析师绘制各分行不良贷款率的横向条形图时，各分行按不良率从高到低排序后发现数值标签与条形的长度在视觉上不易对应，最合适的改进是","options":["将条形改为从中间向两侧发散的双向条形","把数值标签直接放在对应条形末端的同一侧","改用折线图按分行名称顺序连接各点","给每条条形使用不同饱和度区分高低"],"answer":[1],"explanation":"知识点是条形图标签可读性。标签贴近对应条形末端可解决对应困难；双向发散改变语义；折线图不适合无序类别比较；饱和度区分不能解决标签对应问题。"},{"id":211,"type":"single","stem":"对某支付平台的日活用户数做异常检测时，周一至周五数值明显高于周末，直接对全序列计算均值加减三倍标准差会把每个周末都判为异常，更合理的处理是","options":["改用中位数加减三倍四分位距对全序列判定","按星期几分组分别建立基线再做异常判定","把周末数据整体剔除后只监控工作日","将日活数值取对数后对全序列重新计算阈值"],"answer":[1],"explanation":"知识点是季节性数据的异常检测。存在周内周期时应按星期分组建基线；中位数与四分位距仍不分季节；剔除周末丢监控；取对数不消除周期性。"},{"id":212,"type":"single","stem":"从多个业务系统采集客户手机号后需要做一致性校验，以下校验规则中最能发现「同一客户在不同系统手机号位数相同但号码不同」这类问题的是","options":["校验手机号字段是否全部为数字且长度为11位","校验手机号字段是否不存在空值或全零值","按客户主键分组比对不同来源的手机号取值","校验手机号前三位是否属于已知号段列表"],"answer":[2],"explanation":"知识点是多源数据一致性校验。按主键分组比对来源取值才能发现同长不同号；长度数字校验、空值校验、号段校验都只查单条格式不查跨系统一致性。"},{"id":213,"type":"single","stem":"在可视化看板中展示某产品近12个月销售额与同比增长率，销售额用柱状、增长率用折线，为避免双轴误导，最应坚持的做法是","options":["让两个纵轴都从零起始并标注各自单位","把增长率折线放在次轴上但隐藏其刻度","将增长率改为在柱状图顶部用文字标注","把销售额与增长率分别做成上下两个图"],"answer":[0],"explanation":"知识点是双轴图表的规范。双轴须明确单位并合理设定起点避免视觉放大；隐藏次轴刻度会误导；文字标注信息量不足；拆成两图可读但非本题双轴规范核心要求。"},{"id":214,"type":"single","stem":"某团队用Kettle把交易数据从源库抽取到目标库时，发现目标库记录数比源库多出若干条，经查是重复执行同一批次任务导致，最应当先检查的环节是","options":["转换中的字段类型映射是否发生截断","步骤之间的数据分流条件是否写错","目标表的写入方式是否使用了插入而非更新插入","源库查询是否加入了去重关键字"],"answer":[2],"explanation":"知识点是ETL重复执行的幂等性。重复批次导致条数增多，首查写入方式是否为更新插入等幂等策略；类型截断、分流条件、源端去重都不直接导致重复插入。"},{"id":215,"type":"multi","stem":"对某消费金融公司的用户行为埋点数据进行清洗时，以下处置符合规范的有","options":["对同一用户同一秒内重复上报的事件按事件ID去重","将时间戳超出采集窗口的事件按规则标记后隔离","对缺失设备号的记录用同用户其他记录的设备号回填","把经纬度明显落在境外的境内用户记录直接删除","对所有字段统一用零值填充空值以保证完整性"],"answer":[0,1,2],"explanation":"知识点是埋点数据清洗规则。按事件ID去重、超窗隔离、同用户回填设备号均为合理处置；境外坐标应先核实而非直接删除；统一零值填充会破坏数值字段语义。"},{"id":216,"type":"single","stem":"某银行反欺诈看板需要展示「各渠道申请量占比随时间的变化」，数据为每月各渠道申请量，最合适的图表是","options":["各渠道分组的簇状柱状图按月并列展示","以渠道为堆叠项的百分比堆叠面积图","以月份为扇区的饼图展示各渠道占比","各渠道分别绘制独立子图的小倍数折线"],"answer":[1],"explanation":"知识点是构成随时间变化的图表选择。占比随时间变化用百分比堆叠面积图最直观；簇状柱状图看绝对量难比占比；饼图无法表达时间维度；小倍数折线看趋势难比构成。"},{"id":217,"type":"single","stem":"从券商交易接口按分钟频率采集的原始快照数据中，同一只股票在同一分钟出现两条记录且成交金额字段不同，最合适的第一步处置是","options":["以成交金额较大的那条记录为准","以时间戳较晚的那条记录为准","按主键股票代码加分钟时间戳去重并核对来源序号","将两条记录金额相加后作为该分钟成交额"],"answer":[2],"explanation":"知识点是金融数据采集中的重复记录识别与去重。正确项按业务主键加时间戳去重并核对来源序号，能定位是接口重发还是多源推送，符合可追溯原则。以金额较大为准属于主观取舍，无法判断哪条真实。以时间戳较晚为准会掩盖重复原因，重发与更新无法区分。金额相加会把重复记录当成两笔独立成交，直接放大成交额。"},{"id":218,"type":"single","stem":"某清洗任务需要把交易日期列中混入的“20240301”“2024/03/01”“2024-3-1”统一为标准日期格式，最稳妥的处理顺序是","options":["先统一替换分隔符，再按固定格式解析，最后校验非法日期","直接按最长字符串截取前八位作为年月日","先用正则删除所有非数字字符，再按八位切分年月日","先按分隔符拆分，再对每段单独做数值转换"],"answer":[0],"explanation":"知识点是日期字段的标准化清洗流程。正确项先统一分隔符再按固定格式解析并校验，能同时处理多种写法并拦截非法日期。截取前八位对“2024/03/01”这类带分隔符的串会得到错误结果。删除所有非数字字符会把分隔符和可能的时分秒一并抹掉，难以校验。按分隔符拆分后单独转换无法处理无分隔符的八位串，覆盖不全。"},{"id":219,"type":"single","stem":"在客户信息表中，“证件号码”字段既有15位也有18位，还有少量带空格和大小写混用的记录，清洗时正确的做法是","options":["先去除首尾空格并统一大写，再按位数分流校验","直接把不足18位的记录补零到18位","把所有记录截断为18位后统一校验","先按空格拆分，取第一段作为有效证件号"],"answer":[0],"explanation":"知识点是证件号码字段的清洗与校验。正确项先去空格统一大写再按位数分流校验，能保留15位与18位两类合法格式并暴露异常。补零到18位会造出不符合校验规则的假号码。截断为18位对15位记录会补错或截错，破坏原值。按空格拆分取第一段会丢失被空格分隔的合法号码后半部分。"},{"id":220,"type":"single","stem":"用Python的pandas读取一份含中文列名的CSV交易明细时出现乱码，在不改动源文件的前提下，最合适的处理是","options":["读取时指定encoding参数为对应中文编码","读取后对每个列名做unicode转义还原","先用二进制模式读取再逐字节替换","把文件另存为xlsx后再用read_excel读取"],"answer":[0],"explanation":"知识点是金融数据采集中的编码识别与读取参数设置。正确项在读取时指定正确编码，从源头解决乱码且不改动源文件。对列名做转义还原无法修复已按错误编码解码的字节。逐字节替换容易破坏多字节字符边界。另存为xlsx属于绕开问题，且转换过程仍会按错误编码解析。"},{"id":221,"type":"single","stem":"对两份来自不同系统的客户资产表做关联时，客户号格式一致但存在大量重复客户号，直接做内连接会导致","options":["结果行数膨胀，资产被重复匹配","结果行数减少，部分客户丢失","客户号被自动去重后正常关联","关联结果与左连接完全一致"],"answer":[0],"explanation":"知识点是多源数据关联中的键唯一性问题。正确项指出重复键做内连接会产生笛卡尔式行数膨胀，资产被重复匹配。行数减少对应的是去重或过滤，不是重复键内连接的典型结果。自动去重不会发生，关联不会替用户改键。内连接与左连接在重复键下结果行数通常不同。"},{"id":222,"type":"single","stem":"某分析师把交易金额字段中带千分位逗号的字符串直接转为数值型，转换后大量记录变为缺失，最可能的原因是","options":["千分位逗号未被去除，数值解析失败","字段中存在负号，数值型不支持负数","原始字段长度超过数值型上限","转换时未指定小数点符号"],"answer":[0],"explanation":"知识点是数值字段清洗中的格式预处理。正确项指出千分位逗号会让解析器把整串判为非法而返回缺失。数值型支持负数，负号不是失败原因。金额长度通常远未触及数值上限。未指定小数点符号影响的是小数分隔符，不是千分位逗号。"},{"id":223,"type":"single","stem":"在监控每日新增信贷申请量的看板中，发现某天数值突然为前一天的十倍，排查后确认是采集脚本重复运行，正确的处置是","options":["按采集批次号去重后重算该天指标","把该天数值除以十后直接展示","删除该天数据并在看板中留空","保留原值并加备注说明异常"],"answer":[0],"explanation":"知识点是数据质量异常定位与修复。正确项按批次号去重后重算，能追溯并还原真实值。除以十是拍脑袋修正，无法保证重复倍数正好是十。删除留空会丢失真实数据。保留原值加备注会让错误指标继续进入下游。"},{"id":224,"type":"single","stem":"某团队需要把清洗后的客户风险等级分布按季度展示，同时对比不同分行的占比变化，最合适的可视化方案是","options":["按季度分面的堆叠百分比柱状图","单张折线图叠加全部季度数据","单张散点图按分行着色","单张饼图按季度切片"],"answer":[0],"explanation":"知识点是分类占比随时间变化的可视化。正确项用分面堆叠百分比柱状图，既能看各分行占比又便于季度间对比。单张折线图叠加全部季度难以表达占比结构。散点图按分行着色不表达占比变化。单张饼图无法同时承载季度与分行两个维度。"},{"id":225,"type":"single","stem":"在数据清洗流程中，对“交易状态”字段做映射时，发现源系统存在“成功”“交易成功”“SUCCESS”三种写法，正确的做法是","options":["建立码值映射表并保留原始值到新字段","用字符串包含“成功”即判定为成功","只保留出现频率最高的写法，其余置空","按首字母大写规则统一后直接替换原字段"],"answer":[0],"explanation":"知识点是码值标准化与原始值留存。正确项建映射表并另存原始值，既统一口径又可回溯。用包含“成功”判断会误伤含该词的异常状态。只留高频写法会丢弃低频但合法的状态。按首字母大写无法统一中英文混用写法，且直接替换原字段不可回溯。"},{"id":226,"type":"multi","stem":"在对一份包含成交金额、手续费、成交时间的交易流水做清洗时，下列做法中能提高数据可用性的有","options":["对成交金额做零值与负值检查并标记异常","对成交时间做时区统一并校验区间合理性","对手续费字段保留原始精度并按币种分组校验","对成交金额直接四舍五入到整数以统一格式","把成交时间字符串按长度截断为统一位数"],"answer":[0,1,2],"explanation":"知识点是金融交易流水多字段清洗要点。正确项分别覆盖金额异常检查、时间时区与区间校验、手续费精度与币种分组校验，都是提升可用性的规范做法。四舍五入到整数会损失金额精度，影响对账。按长度截断时间字符串会破坏时间语义，可能产生错误时刻。"},{"id":227,"type":"single","stem":"在采集某银行核心系统的交易流水到数据仓库时，源表的时间字段存储为13位毫秒时间戳整数，而下游分析要求按“自然日”聚合，最稳妥的预处理做法是","options":["在ETL中用时间函数把毫秒戳转为带时区的日期字段再入仓","入仓后由分析师在SQL里各自用除法换算成日期","把毫秒戳截断为10位秒级整数后直接当日期使用","在源系统导出时改成文本格式的日期再入仓"],"answer":[0],"explanation":"知识点是时间戳到日期维度的转换应统一在ETL层完成并明确时区，避免下游口径不一致。正确项在ETL中统一转换并保留时区信息，能保证按自然日聚合口径一致。错误项B把转换下推给分析师，容易造成口径不一。错误项C把毫秒截成秒级仍是时间戳，不能直接当日期。错误项D在源系统改格式会破坏原始数据可追溯性。"},{"id":228,"type":"single","stem":"某消费金融公司要从APP埋点日志中统计“注册转化率”，日志中同一个user_id在注册前后都有大量事件，正确的指标口径设计是","options":["以user_id去重后统计注册事件数与活跃事件数之比","以设备号去重后统计注册事件数占全部事件数比例","以注册事件数为分子、注册前去重用户数为分母","以注册后7日内活跃用户数为分子、注册用户数为分母"],"answer":[2],"explanation":"知识点是转化率的分母应是与分子同一业务口径的去重用户集合。正确项用注册前去重用户数作分母、注册事件数作分子，符合漏斗转化口径。错误项A把注册事件与活跃事件混比，量纲不一致。错误项B用设备号去重会因一人多设备而失真。错误项D统计的是留存而非注册转化。"},{"id":229,"type":"single","stem":"清洗信贷申请表时发现“月收入”字段存在少量负数与超过100万的异常值，且缺失率约8%，最合理的处理顺序是","options":["先删除缺失与异常记录，再对剩余收入做分箱","先按业务规则标记异常并回查源，再决定缺失填补方式","先用均值填补缺失，再把负数取绝对值修正","先对全部收入做标准化，再删除标准差以外的记录"],"answer":[1],"explanation":"知识点是异常值与缺失值处理应遵循先识别、能回查则回查、再选择填补的原则。正确项先标记异常并回查源数据，保留处理痕迹。错误项A直接删除会损失样本且未区分异常类型。错误项C用均值填补前未处理异常，均值本身被污染，取绝对值会篡改业务含义。错误项D先标准化再删记录，等于用被污染的数据定阈值。"},{"id":230,"type":"single","stem":"在给监管报送的客户风险视图做可视化时，需要同时展示各分行的不良率与贷款余额，最合适的图表组合是","options":["饼图展示不良率，折线图展示贷款余额","柱状图展示贷款余额，散点图展示不良率","条形图展示贷款余额，点线图叠加不良率","堆叠面积图同时展示不良率与余额"],"answer":[2],"explanation":"知识点是双指标量纲不同时应采用组合图并保证可读性。正确项用条形图表达余额规模、点线图叠加不良率，能同时看规模与比率。错误项A饼图不适合表达比率对比。错误项B散点图用于两变量关系而非分行对比。错误项D堆叠面积图会让人误读为构成关系。"},{"id":231,"type":"single","stem":"用Python的pandas读取一份含中文列名的CSV时出现乱码，已知文件由Windows系统用GBK编码导出，最合适的处理是","options":["用read_csv默认参数读取后对列名做encode修正","用read_csv指定encoding='gbk'读取后再统一列名","用read_csv指定encoding='utf-8-sig'读取并跳过首行","用open以二进制读取后逐行decode为utf-8"],"answer":[1],"explanation":"知识点是文本编码与读取参数匹配。正确项按实际编码指定gbk读取，再统一列名规范。错误项A默认utf-8读取已乱码，事后encode无法还原。错误项C用utf-8-sig与源编码不符。错误项D逐行decode为utf-8同样不匹配源编码。"},{"id":232,"type":"single","stem":"对某理财产品每日净值序列做可视化时，发现曲线在节假日出现断点，最合理的处理是","options":["用前值填充节假日净值后连续绘制","按交易日索引绘制并标注非交易日","把节假日净值补零后绘制折线","对净值取对数后按自然日绘制"],"answer":[1],"explanation":"知识点是金融时间序列应按交易日索引可视化，避免非交易日造成伪断点或伪波动。正确项按交易日索引并标注非交易日，既连续又不篡改数据。错误项A前值填充会掩盖真实休市。错误项C补零会制造暴跌假象。错误项D取对数不解决索引问题且改变量纲解读。"},{"id":233,"type":"single","stem":"从第三方数据商采购的工商信息表中，“注册资本”字段有的以“万元”为单位有的以“元”为单位且未标注，最稳妥的入库做法是","options":["按数值大小分布推断单位后统一换算为元","全部按万元处理并在备注中说明假设","保留原始字段并新增标准化字段记录换算依据","取中位数作为阈值把大数值判为元小数值判为万元"],"answer":[2],"explanation":"知识点是外部数据单位不统一时应保留原始值并新增标准化字段，保证可追溯。正确项保留原字段并记录换算依据，便于复核。错误项A按分布推断缺乏依据。错误项B统一假设会引入系统性偏差。错误项D用中位数阈值判断单位无业务依据。"},{"id":234,"type":"single","stem":"某风控团队用SQL统计近30天逾期率，发现结果比业务系统报表低，排查发现SQL中对还款状态字段用了等值匹配而报表用了包含匹配，最可能的原因是","options":["等值匹配漏掉了带后缀的状态码导致分子偏小","包含匹配把正常状态也计入导致报表分子偏大","等值匹配把分母中的账户数重复计算","包含匹配对空值处理与等值匹配不同"],"answer":[0],"explanation":"知识点是字符串匹配方式差异会导致统计口径偏差。正确项指出等值匹配漏掉带后缀状态码，使逾期分子偏小，与现象一致。错误项B方向相反且未解释SQL偏低。错误项C影响分母而非主要偏低原因。错误项D空值处理不是本例主因。"},{"id":235,"type":"single","stem":"在制作面向管理层的资产质量看板时，需要表达“关注类贷款占比环比上升”这一结论，最恰当的可视化选择是","options":["用环形图展示各类贷款占比的当前值","用双轴折线图展示占比与环比变化率","用瀑布图展示关注类贷款的内部构成","用热力图展示各分行关注类占比"],"answer":[1],"explanation":"知识点是表达“占比及其变化”应同时呈现水平与变动。正确项双轴折线图能同时看占比水平和环比变化率。错误项A环形图只能看当前构成。错误项C瀑布图适合构成拆解。错误项D热力图适合多主体横向对比。"},{"id":236,"type":"single","stem":"某数据工程师在清洗客户地址时，把“北京市朝阳区”与“北京朝阳”统一为同一标准，但发现部分记录被错误合并，最可能的原因是","options":["未建立省市区标准码表就做模糊匹配","对地址做了全角半角转换后直接去重","用编辑距离阈值过小导致漏合并","未对地址做分词就进行哈希映射"],"answer":[0],"explanation":"知识点是地址标准化应先建立行政区划标准码表再做映射，避免模糊匹配误合并。正确项指出缺少标准码表是误合并主因。错误项B全角半角转换通常不会造成跨区误并。错误项C阈值过小是漏合并而非错合并。错误项D未分词与误合并无直接因果。"},{"id":237,"type":"single","stem":"用Excel或BI工具做同业对比时，因各行资产规模差异大，直接对比不良贷款余额会误导，最合适的处理是","options":["改用不良率等相对指标并标注计算口径","对余额取对数后再做柱状对比","按规模分组后分别绘制余额柱状图","对余额做Z-score标准化后对比"],"answer":[0],"explanation":"知识点是规模差异大时应采用相对指标而非绝对量对比。正确项改用不良率等相对指标并标注口径，便于横向对比。错误项B取对数只压缩量纲不改变规模影响。错误项C分组仍无法直接比较。错误项D标准化后数值失去业务含义。"},{"id":238,"type":"multi","stem":"在搭建金融数据质量监控时，针对“客户手机号”字段，下列属于合理校验规则的有","options":["校验长度与号段是否符合当前运营商规则","对空值与重复值分别统计并设定阈值告警","用正则匹配并允许国际区号前缀","对不符合规则的号码直接置为默认值","将手机号与身份证号做关联一致性校验"],"answer":[0,1,2],"explanation":"知识点是字段级数据质量规则应覆盖格式、完整性、唯一性与合理关联。正确项A校验格式与号段、B统计空值重复、C允许国际区号的正则匹配，都是合理规则。错误项D直接置默认值会掩盖问题且不可追溯。错误项E手机号与身份证号无必然对应关系，做一致性校验不合理。"},{"id":239,"type":"single","stem":"某消费金融公司从合作电商平台接收一批JSON格式的订单数据，字段中订单金额以字符串形式存储且部分记录含千分位逗号，清洗时应优先执行哪一步操作","options":["将字段中的千分位逗号去除后转为数值类型","直接对原始字符串按字典序排序后统计分布","对字段做空值填充后再保留字符串格式入库","先用正则截取前若干位字符再转为日期类型"],"answer":[0],"explanation":"知识点是脏数据中数值字段的标准化。正确项先去除千分位再转数值是标准清洗流程，否则排序统计都会出错。错误项B按字典序排序会把100排在20前面，属于未转换类型就分析。错误项C保留字符串无法参与数值计算且未解决逗号问题。错误项D把金额字段误当日期处理，字段语义理解错误。"},{"id":240,"type":"single","stem":"银行风控部门需要将客户身份证号做脱敏后用于数据分析，要求保留前6位地区码和后4位以便核对，中间部分用星号替换，下列处理方式正确的是","options":["按固定位置截取前6位与后4位，中间8位替换为等长星号","对整串号码做哈希摘要，保留前6位原文与后4位原文","用随机数替换中间8位，随机种子设为身份证号本身","将中间8位统一替换为固定字符串，长度保持18位"],"answer":[0],"explanation":"知识点是敏感字段脱敏的位数保持与可核对性。正确项按位截取并等长替换星号，既保留核对位又不泄露中间信息。错误项B哈希摘要无法还原且与前后明文拼接后反而可能被撞库比对。错误项C用号码本身做随机种子等价于可逆映射，存在重识别风险。错误项D固定字符串替换会破坏位数对应关系，影响后续按位解析。"},{"id":241,"type":"single","stem":"某基金公司采集的净值数据中，同一产品同一日期出现两条记录，金额字段一条为1532.40另一条为1532.4，判断重复主键时应如何处理","options":["按产品代码与日期组合作为主键，数值差异视为同一记录去重","按整行所有字段完全一致作为主键，两条都保留","按金额字符串长度不同判定为两条独立记录","按采集时间先后保留较早的一条并删除较晚的一条"],"answer":[0],"explanation":"知识点是重复记录识别中业务主键的选取与数值等价判断。正确项以业务主键产品代码加日期识别重复，1532.40与1532.4数值相等应视为同一记录。错误项B按整行比对会把格式差异当成不同记录。错误项C以字符串长度判定重复属于表面特征误判。错误项D按采集时间保留较早的不一定能反映最新修正值。"},{"id":242,"type":"single","stem":"在金融数据可视化中展示某股票日内每分钟成交量，数据点约240个且存在明显尖峰，下列图表选择最合适的是","options":["折线图配合成交量柱状图的双轴组合","饼图按分钟切分展示各分钟占比","散点图以时间为横轴价格纵轴展示分布","雷达图按整点聚合展示各时段强度"],"answer":[0],"explanation":"知识点是时间序列高频数据的可视化选型。正确项折线加柱状双轴能同时呈现价格走势与成交量尖峰。错误项B饼图适合构成占比且240个切片不可读。错误项C散点图不擅长表达连续时间趋势。错误项D雷达图适合多维度对比而非时序高频展示。"},{"id":243,"type":"single","stem":"数据仓库中某交易表的时间字段存储为Unix时间戳整数，业务方要求按自然日聚合，转换时应使用哪个函数组合","options":["先将时间戳转为日期类型再按日期分组聚合","直接对时间戳整数按整除86400后分组","将时间戳转为字符串后截取前若干位分组","对时间戳取模10000后按余数分组"],"answer":[0],"explanation":"知识点是时间戳到自然日的转换与聚合。正确项先转日期类型再分组可正确处理时区与跨日边界。错误项B整除86400按UTC零点切分，未考虑本地时区会导致日期偏移。错误项C字符串截取前几位与日期无关。错误项D取模余数没有日期语义。"},{"id":244,"type":"single","stem":"某银行在采集外部征信数据时发现接口返回的字段名在不同批次中由creditScore变为credit_score，为保证下游解析稳定应优先采取的措施是","options":["建立字段映射字典，在解析层统一映射为规范字段名","要求外部接口方立即修改返回字段名后再接入","在代码中同时写两套解析分支分别处理两种字段名","对返回报文先整体转小写再按模糊匹配取字段"],"answer":[0],"explanation":"知识点是异构数据源字段名不一致的治理策略。正确项建立映射字典在解析层统一，兼容历史批次且不改动上游。错误项B要求外部方改字段在协作中不可控且旧数据仍不一致。错误项C双分支硬编码随字段变体增多会失控。错误项D模糊匹配可能误取到其他相似字段。"},{"id":245,"type":"single","stem":"某支付公司做交易金额分布可视化，数据存在长尾且最大值远超均值，直方图分箱后绝大多数样本挤在第一个箱内，下列调整最合理的是","options":["对金额取对数后再分箱绘制直方图","将最大值截断为均值后重新分箱","减少分箱数量使每箱样本量接近","改用饼图按金额区间展示占比"],"answer":[0],"explanation":"知识点是长尾分布的可视化处理。正确项对数变换压缩量纲使分布形态可读。错误项B截断为均值会篡改真实极值造成误导。错误项C减少箱数无法解决长尾挤压问题。错误项D饼图对连续金额区间展示占比不如直方图直观且同样受长尾影响。"},{"id":246,"type":"single","stem":"某证券公司从多个行情源采集同一只股票的价格，发现两源在同一时刻价格相差超过阈值，排查时首先应确认的是","options":["两源的时间戳基准是否为同一时区并已对齐","两源的服务器CPU使用率是否接近","两源的采集程序是否由同一人编写","两源的历史数据总量是否相等"],"answer":[0],"explanation":"知识点是多源数据一致性排查的时间对齐。正确项价格差异常源于时间戳时区或延迟未对齐，应先确认基准。错误项B服务器负载与价格差异无直接因果关系。错误项C开发者身份不影响数据内容。错误项D数据总量相等与否不能解释单点价格差异。"},{"id":247,"type":"single","stem":"在金融报表可视化中，需向管理层展示各业务线收入占比且业务线数量为6条，下列图表选择最合适的是","options":["环形图配合图例标注各业务线占比","折线图按业务线分别绘制趋势","箱线图展示各业务线收入离散程度","热力图按月份与业务线交叉着色"],"answer":[0],"explanation":"知识点是构成占比类数据的图表选型。正确项环形图适合展示6个类别的占比且图例清晰。错误项B折线图适合趋势而非占比。错误项C箱线图展示分布离散不表达占比。错误项D热力图适合交叉矩阵密度而非占比构成。"},{"id":248,"type":"single","stem":"某券商每日从交易所接收的逐笔成交文件为定长文本，字段间无分隔符，采集入库前最应先做的处理是","options":["按字段起始位置和长度切分解析","按逗号拆分成多列再入库","先用正则去掉所有空格再入库","直接整行存入单字段表后续再拆"],"answer":[0],"explanation":"知识点是定长文本的解析方式。定长文件靠字段的起始位与长度确定边界，应按位置切分；按逗号拆分会因无分隔符而失败；去空格会破坏字段内容且不解决切分；整行存储会丢失字段语义，后续无法可靠拆分。"},{"id":249,"type":"single","stem":"对某只股票日行情表做缺失值检查，发现某交易日收盘价为NULL而当日最高价最低价均正常，最合理的处理是","options":["用前后交易日均价填充该收盘价","标记异常并回溯行情源核对当日数据","直接删除该股票全部历史记录","用当日最高价与最低价的均值填上"],"answer":[1],"explanation":"知识点是金融行情缺失值的处置原则。价格类关键字段缺失应回溯源数据核实，不能凭猜测填补；用前后日均价填充会制造虚假价格；删除整只股票记录会损失大量有效数据；最高最低均值不是真实收盘价，会引入偏差。"},{"id":250,"type":"single","stem":"清洗客户开户信息时发现同一身份证号对应两条姓名略有差异的记录，最恰当的处置流程是","options":["按身份证号去重保留最新一条","先比对差异字符再人工核实合并","按姓名分组分别保留两条记录","将两条记录都标记为无效删除"],"answer":[1],"explanation":"知识点是实体去重与主数据管理。身份证号唯一，但姓名差异可能来自录入错误或曾用名，应先比对再人工确认；直接保留最新可能覆盖正确信息；按姓名分组会漏掉同一人；全部删除会丢失真实客户。"},{"id":251,"type":"single","stem":"用Python的pandas读取一份含中文列名的CSV后列名出现乱码，最可能的原因是","options":["文件编码与读取时指定编码不一致","pandas版本过低不支持中文列名","CSV文件缺少表头行导致错位","列名中含有不可见控制字符"],"answer":[0],"explanation":"知识点是文本编码。中文乱码通常因文件以GBK等编码保存而读取时按UTF-8解码，应指定正确encoding；版本低不影响中文列名解析；缺表头会导致列名变成数据；不可见字符不会造成整体乱码。"},{"id":252,"type":"single","stem":"在构建客户交易行为宽表时，需要将交易流水按客户ID聚合出近30天交易笔数，应使用的操作是","options":["按客户ID分组后对交易日期计数","按交易日期分组后统计客户数量","对交易金额列做升序排序后取前30行","按客户ID去重后统计剩余记录数"],"answer":[0],"explanation":"知识点是分组聚合。要得到每个客户的近30天笔数，应按客户ID分组并限定日期范围后计数；按日期分组得到的是每日客户数；排序取前30行与笔数无关；去重会丢失交易次数信息。"},{"id":253,"type":"single","stem":"某数据表记录了基金每日单位净值，分析师想计算每只基金的日收益率，正确的计算方式是","options":["当日净值除以昨日净值再减一","当日净值减昨日净值再除以当日净值","当日净值加昨日净值后取平均","当日净值直接减去昨日净值"],"answer":[0],"explanation":"知识点是收益率定义。日收益率等于当日净值相对昨日净值的变动比例，即当日/昨日-1；用差值除以当日会得到不同口径；取平均无经济含义；直接相减得到的是净值差而非收益率。"},{"id":254,"type":"single","stem":"可视化展示某银行各分行贷款余额占比时，最适合表达部分与整体关系的图表是","options":["折线图","饼图","散点图","箱线图"],"answer":[1],"explanation":"知识点是图表选型。占比属于部分与整体关系，饼图最直观；折线图适合趋势；散点图适合两变量关系；箱线图适合分布对比，均不擅长表达占比。"},{"id":255,"type":"single","stem":"对交易金额字段做分布分析时发现存在极端大额值，为观察主体分布形态，较合适的处理是","options":["对金额取对数后再绘制直方图","直接删除所有超过阈值的记录","将金额四舍五入到整数位","把金额单位由元改为万元"],"answer":[0],"explanation":"知识点是偏态数据的可视化。取对数可压缩极端值影响，保留全部数据观察主体分布；直接删除会丢失真实大额交易；四舍五入和换单位都不改变分布形态。"},{"id":256,"type":"single","stem":"在数据清洗中判断两条客户地址是否指向同一地点，采用编辑距离结合行政区划标准化，这种做法的主要目的是","options":["提高地址匹配的准确率","加快数据入库的写入速度","减少数据库存储占用空间","统一地址字段的数据类型"],"answer":[0],"explanation":"知识点是文本相似度匹配。编辑距离加行政区划标准化用于识别表述不同但实际相同的地址，提升匹配准确率；与写入速度、存储空间、字段类型无关。"},{"id":257,"type":"single","stem":"某分析师用SQL统计各产品月度销售额，写出的语句先对明细行求和再按月份分组，结果出现同月多行，最可能的原因是","options":["GROUP BY中遗漏了产品维度","WHERE条件过滤掉了部分月份","SUM函数对空值未做处理","ORDER BY排序字段选择错误"],"answer":[0],"explanation":"知识点是分组维度完整性。若按月份和产品同时分组但只按月份展示，会出现同月多行，需检查GROUP BY维度；WHERE只影响筛选；SUM对空值默认忽略不会产生多行；排序不影响分组行数。"},{"id":258,"type":"single","stem":"某消费金融公司每日从合作渠道接收用户还款明细，某日文件记录数比前一日突增数倍且金额字段出现负数，正确的下一步处置是","options":["先暂停入库并核对渠道文件与对账说明","直接入库待后续报表阶段再过滤","将负数金额取绝对值后正常入库","按前一日记录数截断多余部分入库"],"answer":[0],"explanation":"知识点是数据采集异常处置。记录数突增且金额异常属重大异常，应先暂停并核对；直接入库会污染下游；取绝对值会篡改真实冲正或退款语义；截断会丢失真实数据。"},{"id":259,"type":"single","stem":"在金融数据采集环节，从某券商交易系统导出逐笔成交明细时，发现部分记录的成交时间字段为空，最合理的第一步处置是","options":["直接删除这些时间字段为空的成交记录","用该记录前后两笔的成交时间取平均后回填","先核查该系统导出规则是否对集合竞价时段不写时间","把空时间统一填充为当日开盘时间09:30:00"],"answer":[2],"explanation":"知识点是数据采集阶段的缺失值归因。正确项先核查导出规则，因为集合竞价等时段的字段缺失可能是业务规则所致，属源头确认。删除记录会丢失真实成交；取前后平均是凭空造数；统一填开盘时间会篡改真实时间语义。"},{"id":260,"type":"single","stem":"对某银行客户表做去重时，两条记录姓名、身份证号一致但手机号不同，按金融数据清洗惯例应优先","options":["按身份证号判定为同一客户并保留较新记录","按手机号不同判定为两个不同客户","两条都保留并各自标注来源系统","按姓名相同判定重复并删除较早记录"],"answer":[0],"explanation":"知识点是主键与实体识别。身份证号是客户唯一标识，姓名可能重名，手机号可变更。正确项以身份证号判定同一客户并保留更新记录。按手机号判两会把同一人拆成两条；两条都留未做合并；按姓名判重会误删同名不同人。"},{"id":261,"type":"single","stem":"某消费金融公司需要统计逾期客户的地域分布，原始数据中客户地址字段既有“广东省深圳市”也有“深圳”等写法，最合适的数据处理步骤是","options":["对地址字段做标准化并抽取到城市层级","按地址字符串原样分组统计","删除所有非“省+市”格式的地址记录","把地址字段整体转换为数值编码后统计"],"answer":[0],"explanation":"知识点是数据标准化与维度抽取。正确项先标准化地址并抽取城市维度，才能得到可比的地域分布。原样分组会因写法不同拆散同一城市；删除非标准格式会漏掉大量样本；转数值编码会丢失地理语义。"},{"id":262,"type":"single","stem":"对某保险公司理赔金额字段做异常值检测时，发现个别金额为负数，最合理的处置是","options":["保留负数并纳入均值计算","按业务规则核查是否为冲正或退费记录","直接取绝对值后参与统计","用该字段的最大值替换负数"],"answer":[1],"explanation":"知识点是异常值判断需结合业务语义。负数理赔可能是冲正、退费，先核查业务规则。直接纳入均值会扭曲结果；取绝对值改变了业务含义；用最大值替换是人为造数且放大异常。"},{"id":263,"type":"single","stem":"某金融科技团队采集第三方征信接口数据时，接口对同一查询返回了重复的多条记录，最恰当的清洗做法是","options":["按业务主键去重并保留最新查询时间记录","按返回顺序只保留第一条记录","把所有重复记录合并求和后保留一条","随机保留其中一条重复记录"],"answer":[0],"explanation":"知识点是接口数据去重策略。正确项按业务主键去重并保留最新，兼顾唯一性与时效性。只留第一条会保留旧数据；合并求和会造出虚假金额；随机保留不可复现且可能留旧值。"},{"id":264,"type":"single","stem":"在金融数据加工中，把日期“2024/03/05”统一转换为“2024-03-05”格式，这一操作属于","options":["数据标准化","数据脱敏","数据抽样","数据分箱"],"answer":[0],"explanation":"知识点是数据加工操作分类。统一日期格式是标准化。脱敏是隐藏敏感信息；抽样是选取子集；分箱是把连续值离散化，均与格式统一无关。"},{"id":265,"type":"single","stem":"某分析师要展示某产品线销售额中各渠道的占比，且渠道数量固定为五类，最合适的图表是","options":["饼图","折线图","散点图","箱线图"],"answer":[0],"explanation":"知识点是占比类数据的可视化选择。固定少数类别的部分与整体关系用饼图。折线图看趋势；散点图看两变量关系；箱线图看分布离散程度，均不适合占比。"},{"id":266,"type":"single","stem":"某支付公司采集的商户交易流水缺少商户行业类别，需从商户编号关联外部行业表补齐，这一操作在数据加工中称为","options":["数据关联补全","数据去重","数据脱敏","数据抽样"],"answer":[0],"explanation":"知识点是数据补全与关联。通过外键关联外部表补齐缺失字段是数据关联补全。去重处理重复；脱敏处理敏感；抽样处理样本，均不涉及字段补齐。"},{"id":267,"type":"single","stem":"制作面向监管报送的金融数据看板时，发现某指标在不同来源系统中口径不一致，最先应做的是","options":["确认指标的统计口径与定义并统一计算规则","取各系统数值的平均值上报","选用数值最大的系统作为数据源","先按某系统上报后续再修订"],"answer":[0],"explanation":"知识点是数据口径一致性治理。正确项先统一指标定义与计算规则。取平均会造出无依据数值；选最大系统会高报；先报后改违反报送严谨性要求。"},{"id":268,"type":"multi","stem":"在金融数据可视化项目中，下列做法有助于提升图表可读性的有","options":["为折线图添加清晰的坐标轴单位与图例","用红绿对比表示涨跌并同时标注涨跌符号","在饼图中放入二十个以上类别以体现细节","对金额轴采用对数刻度时在图注中说明","把不同量纲的指标画在同一坐标轴上不作区分"],"answer":[0,1,3],"explanation":"知识点是可视化可读性与信息传达。添加单位图例、涨跌用符号辅助、对数刻度加注说明都能提升可读性。饼图类别过多难以辨识；不同量纲混用同一坐标轴会误导读图。"},{"id":269,"type":"single","stem":"在采集某银行核心系统的交易流水时，源表以定长字符串存储金额字段，为避免后续计算出现精度偏差，应优先将其转换为哪种数据类型","options":["双精度浮点型","定点十进制型","单精度浮点型","可变长字符串型"],"answer":[1],"explanation":"知识点是金额字段的数据类型选择。定点十进制型能精确表示小数位，避免浮点误差，适合金融金额；双精度浮点型和单精度浮点型都会引入二进制舍入误差；可变长字符串型无法直接参与数值计算。"},{"id":270,"type":"single","stem":"对某证券公司客户开户信息表做缺失值排查时，发现“风险测评等级”字段有大量空值，而该字段仅允许取五个固定枚举值，最合适的处置方式是","options":["用该字段的众数直接填充空值","将空值记录整行删除后再建模","把空值统一标记为独立的一类","用相邻记录的取值向前填充"],"answer":[2],"explanation":"知识点是枚举型字段缺失值的处理。标记为独立类别可保留缺失信息且不引入虚假取值；用众数填充会掩盖缺失并扭曲分布；整行删除会损失其他字段的有效信息；向前填充在无时序关系的开户表中没有依据。"},{"id":271,"type":"single","stem":"某消费金融公司需要将每日增量交易文件按日期分区写入数据仓库，作业在凌晨两点运行，若上游文件偶有延迟到达，最稳妥的调度策略是","options":["固定时间触发并跳过缺失文件","检测文件就绪后再触发作业","提前到零点触发以留出余量","改为每周合并运行一次作业"],"answer":[1],"explanation":"知识点是数据采集调度的就绪判断。以文件就绪信号触发可避免读到不完整数据；固定时间触发并在缺失时跳过会造成数据缺口；提前触发不会改变上游延迟的事实；改为每周运行会放大延迟影响。"},{"id":272,"type":"single","stem":"清洗信用卡账单数据时发现同一客户在同一天存在两条金额相同但商户名称大小写不同的记录，去重时应优先采用的做法是","options":["按客户号与金额直接去重","按原始整行内容精确去重","先规范商户名称再按业务主键去重","保留两条并标注为疑似重复"],"answer":[2],"explanation":"知识点是重复记录的判定。先做文本规范化再按业务主键去重才能识别大小写差异造成的重复；按客户号与金额去重会误删同日多笔同额消费；按整行精确去重无法识别大小写差异；全部保留会使统计结果偏大。"},{"id":273,"type":"single","stem":"在可视化某基金净值走势时，横轴为交易日、纵轴为累计收益率，若直接使用折线图并按自然日等距排列，最可能出现的问题是","options":["收益率数值被自动四舍五入","非交易日被当作正常间隔","折线颜色无法区分不同基金","纵轴刻度不能显示负值"],"answer":[1],"explanation":"知识点是时间序列可视化的坐标处理。按自然日等距排列会把周末与节假日也算作间隔，造成时间轴失真；收益率精度、颜色区分和负值显示都不是该做法的主要问题。"},{"id":274,"type":"single","stem":"在用Python的pandas读取一份包含中文字段的CSV交易文件时，打开后发现列名出现乱码，最可能的原因是","options":["文件使用了非默认的字符编码","文件的分隔符被误设为逗号","文件中存在全角标点符号","文件的列数超过了默认上限"],"answer":[0],"explanation":"知识点是文本文件的编码识别。列名乱码通常由源文件编码与读取时指定编码不一致导致；分隔符错误会表现为列错位而非乱码；全角标点不影响列名解码；列数上限不会造成乱码。"},{"id":275,"type":"single","stem":"对某保险公司理赔数据做可视化时，需要同时展示各险种理赔金额的占比以及各险种内部的赔付类型构成，最合适的一组图表是","options":["折线图与散点图","饼图与堆叠柱状图","箱线图与直方图","热力图与雷达图"],"answer":[1],"explanation":"知识点是图表类型与数据关系的匹配。饼图适合展示整体占比，堆叠柱状图适合展示组内构成；折线图与散点图侧重趋势与相关；箱线图与直方图侧重分布；热力图与雷达图不适合表达占比加构成。"},{"id":276,"type":"single","stem":"某支付机构在合并两个渠道的用户表时，发现同一手机号在A渠道记录为已实名、在B渠道记录为未实名，按照数据一致性优先的原则，应采用的合并规则是","options":["以更新时间较晚的记录为准","以字段非空记录为准","以渠道优先级较高的记录为准","以记录条数较多的渠道为准"],"answer":[2],"explanation":"知识点是多源数据的冲突消解。按业务定义的渠道优先级取值可保证权威来源胜出；按更新时间可能被错误更新覆盖；按非空判断无法比较两个都非空的冲突值；按记录条数多少与数据可信度无关。"},{"id":277,"type":"single","stem":"某金融科技公司对用户交易数据做脱敏后用于分析，要求脱敏结果仍能支持按用户维度关联且不可逆，较合适的处理方式是","options":["对用户标识做加盐哈希","对交易金额做四舍五入","对用户姓名做部分掩码","对交易时间做随机偏移"],"answer":[0],"explanation":"知识点是数据脱敏与可关联性的平衡。加盐哈希可保持同一用户标识的一致性又不可逆推；金额四舍五入和姓名掩码无法保证用户维度的唯一关联；时间随机偏移会破坏时序分析且不解决标识关联问题。"},{"id":278,"type":"single","stem":"某分析师用折线图展示某股票一年内每日收盘价，发现图线剧烈抖动难以看出趋势，在不改变数据的前提下最合适的调整是","options":["改用散点图重新绘制","对收盘价做移动平均后再绘制","截取涨幅最大的一段绘制","把纵轴起点改为零再绘制"],"answer":[1],"explanation":"知识点是时间序列的可视化平滑。移动平均能削弱短期波动、突出趋势；散点图不会减少抖动；截取局部会丢失整体趋势；纵轴起点改为零反而压缩波动幅度但无法平滑。"},{"id":279,"type":"multi","stem":"在某银行信贷数据清洗流程中，以下属于需要标记为异常并进入人工复核环节的情形有","options":["客户年龄字段出现负值","贷款金额字段为空字符串","还款日期早于放款日期","客户性别字段取值为标准枚举值","逾期天数与逾期金额同时为零"],"answer":[0,1,2],"explanation":"知识点是数据异常识别。年龄负值违反取值域、金额为空字符串属于关键字段缺失、还款早于放款违反业务逻辑，均需复核；性别取标准枚举值属于正常数据；逾期天数与金额同时为零在正常还款客户中合理存在。"},{"id":280,"type":"single","stem":"对客户身份证号做脱敏处理用于分析建模时，把出生日期段保留而掩去顺序码和校验码，这种做法在金融数据合规处理中属于","options":["保留可识别个人身份的间接标识","符合最小必要原则的假名化处理","属于去标识化但仍可能被重识别的处理","属于完全匿名化不再受个人信息保护"],"answer":[2],"explanation":"知识点是去标识化与匿名化的区别。保留出生日期并掩去顺序码校验码属于去标识化，仍存在结合其他信息重识别的可能。说它是间接标识不准确，出生日期本身是准标识符；说符合最小必要原则混淆了合规原则与脱敏技术；说完全匿名化则高估了脱敏强度。"},{"id":281,"type":"single","stem":"某消费金融公司要把逾期天数这一数值字段离散化为风险等级，业务要求逾期越久风险越高，采用等宽分箱时对长尾分布数据最可能出现的问题是","options":["分箱边界无法确定需要人工指定","多数样本挤入首箱导致区分度下降","分箱后各箱样本量恰好相等","离散化会改变原始逾期天数的均值"],"answer":[1],"explanation":"知识点是等宽分箱在长尾分布下的缺陷。逾期天数多为右偏长尾，等宽分箱会让大量短期逾期落入第一箱，箱内同质、箱间区分度低。分箱边界可由算法确定不必人工指定；等宽分箱不保证各箱样本量相等，那是等频分箱的特点；离散化本身不改变原始字段均值。"},{"id":282,"type":"single","stem":"在清洗基金净值时间序列时发现某交易日净值缺失，且前后两个交易日净值差异明显，直接采用前值填充最可能引入的偏差是","options":["把缺失日净值高估为后一日水平","把缺失日净值低估为前一日水平","使缺失日收益率被人为压缩为零","使该序列整体方差被系统性放大"],"answer":[2],"explanation":"知识点是时间序列缺失值填充对收益率的影响。前值填充会让缺失日的净值等于前一日，计算出的当日收益率为零，压缩了真实波动。它不会高估为后一日水平；也不会低估为前一日水平，因为填充值就等于前值；单点前值填充不会系统性放大整体方差。"},{"id":283,"type":"single","stem":"用箱线图识别某支行日交易金额异常值时，业务确认大额对公转账属于真实交易，此时正确的处置方式是","options":["直接把超出上下须的点全部剔除","把上下须系数由1.5调整为3.0后重新识别","结合业务标签保留真实大额并标注为可疑值","对全部超限值做对数变换后重新计算"],"answer":[2],"explanation":"知识点是异常值检测与业务判断结合。统计异常不等于业务异常，应结合业务标签保留真实大额并标注，供后续分析区分。直接剔除会丢失真实业务信息；调整上下须系数是改变检测口径而非处置结果；对数变换改变分布形态，不能替代业务层面的真假判断。"},{"id":284,"type":"single","stem":"从多个业务系统抽取客户信息做整合时，同一客户在A系统身份证号为18位、在B系统为15位老号，正确的匹配清洗顺序是","options":["先按姓名模糊匹配再人工核对身份证号","先统一身份证号格式再按标准化证件号匹配","先按手机号匹配再回填身份证号","先按客户编号匹配再用姓名校验"],"answer":[1],"explanation":"知识点是跨系统实体匹配的主键标准化。正确顺序是先把15位身份证按规则升位并统一格式，再以标准化证件号精确匹配。先模糊匹配姓名易产生误合并；按手机号匹配会因换号漏配；按客户编号匹配在异构系统中编号往往不统一，仍需证件号校验。"},{"id":285,"type":"single","stem":"对某理财产品说明书PDF做信息抽取时，产品名称跨两行且中间有换行符，正则直接匹配失败，最稳妥的预处理是","options":["把PDF整体转为图片再做OCR识别","先按规则合并中文换行再执行抽取","扩大正则的贪婪匹配范围到整页","把PDF转为HTML后按标签定位"],"answer":[1],"explanation":"知识点是文本抽取前的规范化处理。中文PDF换行常因排版产生，先按规则合并换行可恢复连续文本再抽取。转图片OCR会引入识别误差且成本高；扩大贪婪范围可能跨字段误匹配；转HTML对扫描型或复杂排版PDF标签定位并不可靠。"},{"id":286,"type":"single","stem":"在计算客户近90天日均资产时，某客户期间有三天因系统故障资产记为0，正确做法是","options":["把0视为真实值直接参与均值计算","将故障日剔除并在解析中说明口径","用前后两日资产的均值填补故障日","把90天口径改为按有数据天数计算"],"answer":[1],"explanation":"知识点是数据质量异常对指标口径的影响。系统故障导致的0是缺失而非真实值，应剔除并说明口径以保证可比性。直接按0计算会严重低估日均；用前后均值填补属于人为插补，可能失真；擅自改变天数口径会使指标与其他客户不可比。"},{"id":287,"type":"single","stem":"用折线图展示某分行一年12个月的不良贷款率走势时，为准确反映变化幅度，纵轴起点设置应遵循","options":["固定从0开始以保持图形真实","根据数据区间选取并明确标注刻度","从数据最小值稍下方开始并隐藏刻度","从数据均值处开始以突出波动"],"answer":[1],"explanation":"知识点是金融指标可视化的坐标轴规范。比率类指标为观察趋势可从非零起点，但必须明确标注刻度，兼顾可读性与诚实性。固定从0开始会压缩波动不易观察；隐藏刻度会误导读者；从均值处开始并非常规且易夸大波动。"},{"id":288,"type":"single","stem":"用Python读取某交易所日行情CSV时中文列名出现乱码，文件实际编码为GBK，最直接有效的处理是","options":["用utf-8读取后对列名做正则替换","读取时指定encoding参数为gbk","读取后对数据做去重再重命名列","用二进制方式读取后逐字节解码"],"answer":[1],"explanation":"知识点是文件编码与读取参数。明确文件为GBK时，读取阶段指定encoding='gbk'即可正确解析中文列名。用utf-8读后再正则替换无法还原已损坏字符；去重与编码无关；逐字节解码成本高且易出错。"},{"id":289,"type":"single","stem":"业务方要求看板展示各渠道放款金额占比，其中某渠道当日无放款，制作饼图时正确处理是","options":["该渠道显示为0%并在图例中保留","把该渠道合并到其他渠道项中","把该渠道占比按最小可见扇区显示","删除该渠道使饼图只显示有值项"],"answer":[0],"explanation":"知识点是占比类图表中零值维度的处理。零值渠道应保留并显示0%，保证维度完整可比。合并到其他项会掩盖渠道缺失；按最小扇区显示会虚增占比；直接删除会让各期渠道口径不一致。"},{"id":290,"type":"multi","stem":"对一笔跨行支付流水做数据质量核查时，下列哪些检查属于一致性校验的范畴","options":["借贷方发生额合计是否相等","交易日期是否晚于系统当前日期","客户号在客户主表中是否存在","币种代码是否符合行内标准代码表","交易金额除以汇率是否等于折人民币金额"],"answer":[0,4],"explanation":"知识点是数据质量校验维度。借贷平衡与金额按汇率折算相等属于一致性校验，检验字段间逻辑关系是否自洽。日期晚于当前属于时效性校验；客户号存在性属于参照完整性校验；币种代码符合标准表属于有效性校验。"},{"id":291,"type":"single","stem":"在金融数据采集环节，从第三方接口拉取股票行情数据时，接口返回的某字段值整体为空字符串而非null，清洗阶段最合适的处理方式是","options":["将该字段整体删除以节省存储空间","按空字符串填入默认值0后直接进入分析","先核查接口文档确认该字段含义再决定填充或标记缺失","用前后两条记录的均值直接覆盖空字符串"],"answer":[2],"explanation":"知识点是缺失值识别的第一步是理解字段语义。空字符串可能是有效值也可能是缺失标记，必须先查文档确认含义再决定处理策略。删除字段会丢失可能有效的业务信息；填0会引入虚假数值污染统计；用相邻记录均值覆盖属于无依据的臆造填充，均不符合数据清洗规范。"},{"id":292,"type":"single","stem":"某银行消费贷数据表中\"客户月收入\"字段存在少量负值，经核查是录入时把符号键误触导致，清洗时应优先采取","options":["将负值取绝对值还原为收入金额","把负值记录整行删除后重新采集","将负值统一替换为该字段的中位数","结合同客户其他字段判断后回改或标记异常"],"answer":[3],"explanation":"知识点是异常值处理需结合业务上下文判断。负收入属录入符号错误，应结合该客户其他记录判断真实值再回改或标记，不能盲目取绝对值。取绝对值可能把真实扣款误还原；整行删除浪费有效字段；统一替换为中位数会抹掉个体差异，均属过度处理。"},{"id":293,"type":"single","stem":"金融时间序列数据中，某交易日行情因交易所临时休市导致整段缺失，与普通随机缺失相比，清洗时更应关注","options":["用前一日收盘价直接填充该休市日","把休市日按交易日历剔除而非插值补齐","用后一日开盘价回填该休市日","对休市日统一填充为0保持行数完整"],"answer":[1],"explanation":"知识点是缺失机制区分（结构性缺失与随机缺失）。休市属交易日历决定的结构性缺失，应按日历剔除而非插值。用前后价格填充会制造不存在的交易日；填0会严重扭曲收益率与波动率计算。"},{"id":294,"type":"single","stem":"对同一只债券的成交明细做去重时，两条记录除\"成交时间\"相差1毫秒外其余字段完全相同，最合理的判定是","options":["时间不同即视为两笔独立成交全部保留","直接按除时间外全部字段去重只留一条","先核对是否为同一笔成交的重复推送再决定","保留时间较早的一条删除较晚的一条"],"answer":[2],"explanation":"知识点是去重键选择需结合数据来源判断。毫秒级时间差可能是重复推送也可能是真实连续成交，必须先核实来源再决定。直接保留会重复计成交；直接去重会漏计真实成交；按时间先后保留属无依据的机械规则。"},{"id":295,"type":"single","stem":"在构建客户资产分布直方图时，原始金额数据呈现明显右偏长尾，为使图形更易读且不掩盖主要分布形态，较合适的做法是","options":["直接对金额取对数后绘制并标注刻度含义","把超过均值的记录全部截断到均值处","将组距无限细分直到长尾消失","改用饼图展示各金额区间的占比"],"answer":[0],"explanation":"知识点是偏态数据的可视化变换。对右偏金额取对数可压缩长尾并保留分布形态，需标注刻度含义。截断到均值会篡改数据；无限细分组距不解决偏态且图形噪声大；饼图适合占比而非连续分布，均不合适。"},{"id":296,"type":"single","stem":"某分析师用折线图展示各城市贷款余额排名，但城市名在横轴重叠无法辨认，最应优先调整的是","options":["把折线改为面积图增加视觉区分度","将横轴标签旋转或改为横向条形图","把城市名缩写为首字母减少字符数","增加纵轴刻度密度以分散标签"],"answer":[1],"explanation":"知识点是类别较多时图表类型与标签排布选择。排名类数据用横向条形图或旋转标签可解决重叠。改面积图不解决标签重叠；缩写城市名会降低可读性；增加纵轴刻度密度与横轴标签无关。"},{"id":297,"type":"single","stem":"在清洗多源金融数据时，A表用\"客户编号\"、B表用\"客户ID\"表示同一实体，两表关联前最规范的处理是","options":["直接用两列做字符串相等匹配后关联","先建立字段映射字典统一命名再关联","把两列都改名为\"编号\"后关联","对两列分别去重后取交集关联"],"answer":[1],"explanation":"知识点是多源数据的主键对齐。不同来源字段名不同但语义相同，应先建立映射统一命名再关联。直接字符串匹配可能在格式不一致时失败；统一改名为\"编号\"只是形式统一未解决映射；分别去重取交集会丢失关联明细。"},{"id":298,"type":"single","stem":"某团队将客户风险等级从\"低/中/高\"文本映射为1/2/3数值后直接计算平均风险等级，这一做法的主要问题是","options":["数值编码占用的存储空间大于文本编码","风险等级属有序分类变量均值缺乏业务含义","映射后应改用0/1/2编码才符合行业惯例","文本映射为数值会导致无法再做分组统计"],"answer":[1],"explanation":"知识点是测量尺度与统计量匹配。有序分类变量编码后计算均值在数学上可行但业务含义不清，应改用中位数或频数。存储空间与编码无关；编码起点不影响均值无意义这一事实；映射为数值后仍可分组统计。"},{"id":299,"type":"single","stem":"在采集某银行APP埋点日志时，部分事件的时间戳字段出现 13 位毫秒级 Unix 时间与 10 位秒级 Unix 时间混存，为保证后续按分钟聚合的会话分析不产生跨天错位，最应优先执行的清洗步骤是","options":["将全部时间戳统一除以1000后转为秒级再入库","按时间戳位数分流，10位按秒解析、13位按毫秒解析后统一为同一精度","直接截取时间戳前10位字符作为秒级时间使用","对时间戳字段做空值填充后保留原始位数直接聚合"],"answer":[1],"explanation":"知识点是异构时间戳的规范化解析。正确项按位数分流可避免把毫秒当秒或把秒当毫秒导致的时间偏移，再统一精度才能正确聚合。A项统一除以1000会把原本10位秒级时间错误缩小1000倍；C项截取前10位对13位毫秒值等于丢弃精度且对10位值不变，无法统一语义；D项空值填充不解决秒与毫秒混存造成的量纲错误。"},{"id":300,"type":"multi","stem":"某消费金融公司要用近12个月还款记录构建逾期风险看板，原始表中“是否逾期”字段存在空值、大小写混用（Y/N、y/n）及少量“未知”文本，下列处理环节中属于必要且正确的有","options":["统计空值与“未知”占比后，按业务口径决定剔除或单独标记为待核查","将Y/y统一映射为1、N/n映射为0，并记录映射规则到数据字典","对“未知”文本直接按未逾期处理以保留样本量","把该字段转换为数值型后立即用于计算逾期率并上线看板"],"answer":[0,1],"explanation":"知识点是分类字段的清洗与映射治理。A项先评估缺失与异常占比再决定处置策略，符合数据质量流程；B项统一取值并沉淀映射规则，保证可追溯与一致性。C项把未知当未逾期会系统性低估逾期率，属于错误填充；D项未完成异常值处置就计算指标并上线，会把脏数据带入看板结论。"}]}