2. 替代数据基础

替代数据（Alternative Data）是相对于央行征信、银行信贷记录等传统金融数据而言的。它并非“次等数据”，而是从非信贷场景中采集、能够间接反映借款人还款能力与还款意愿的行为痕迹。理解替代数据，核心不是记住一堆名词，而是建立“数据—行为—信用”之间的映射逻辑：一个人如何缴费、如何消费、如何保持设备稳定，都会在统计意义上与其履约概率相关。

一、核心原理：替代数据为什么能预测信用

传统征信的假设是“历史信贷表现预测未来信贷表现”。替代数据把这一假设扩展为“稳定行为模式预测履约稳定性”。其有效性来自三个机制：

• 责任感信号：按时缴纳水电费、话费，说明借款人有持续履行小额义务的习惯。
• 稳定性信号：设备指纹长期不变、收货地址稳定、社交关系网络稳定，降低欺诈与失联风险。
• 现金流信号：电商消费频次、支付账户流水、充值规律，可推断收入节奏与可支配余额。

需要强调的是，单个替代变量往往噪声很大，真正起作用的是多源特征的交叉验证。例如“手机号在网时长”单独看很弱，但与“设备更换频率”“缴费及时率”组合后，区分度会显著提升。

二、替代数据的主要类型与特点

三、来源、获取方式与工程流程

替代数据的获取方式主要有四类：用户主动授权（如APP内勾选协议）、平台间合作（如运营商与金融机构联合建模）、公开或半公开数据采集（如企业工商信息）、以及第三方数据服务商采购。工程上通常按以下流程落地：

1. 授权与采集：通过SDK、API或文件交换获取原始数据，记录授权时间、范围与版本。
2. 清洗与脱敏：去除直接标识符，统一时间格式、金额单位与编码体系。
3. 特征加工：按时间窗口聚合，生成统计量、趋势量与比率量。
4. 入模与验证：与信贷表现标签关联，做IV、KS、PSI等指标评估。

下面是一个特征加工配置的示例，展示如何把原始缴费记录转换为可用特征：

feature_config:
  source: utility_payment
  entity: user_id
  windows: [3m, 6m, 12m]
  aggregations:
    - name: pay_on_time_rate
      expr: sum(on_time_flag) / count(*)
    - name: max_overdue_days
      expr: max(overdue_days)
    - name: payment_channel_switch
      expr: nunique(channel) / count(*)
  filters:
    - exclude: payment_amount < 0
  output:
    format: parquet
    partition_by: dt

该配置输出的是“近3/6/12个月按时缴费率、最大逾期天数、缴费渠道切换率”等特征。注意窗口选择要与业务周期匹配：公共事业缴费通常按月，3个月窗口可能样本过少，12个月更稳定。

四、合规边界：能采什么、不能采什么

替代数据最大的风险不在技术，而在合规。以下边界必须在特征工程之前明确：

• 最小必要原则：只采集与信用评估直接相关的字段，不采集通讯录内容、聊天记录、精确位置轨迹。
• 授权可追溯：每次采集需有用户明示同意，且授权范围、期限、撤回方式可审计。
• 不得歧视：不得将性别、民族、宗教、健康状况等敏感属性直接或间接入模。
• 数据出境与共享：涉及第三方传输时，需评估接收方资质与法律环境。
• 可解释性：对拒绝授信的决定，应能说明主要依据，避免“黑箱拒贷”。

五、案例与复盘：某消费金融公司的替代数据实践

某消费金融公司面向无征信记录的年轻客群，初期仅用设备数据，KS约0.22，效果有限。后续引入电信在网时长、公共事业缴费记录和支付流水三类数据，并做交叉特征后，KS提升至0.34。复盘发现：

• 电信数据对“失联风险”区分度最高，但更新频率低，适合作为慢变量。
• 支付流水预测力最强，但波动大，需做平滑与异常值处理。
• 公共事业数据覆盖率不足40%，但覆盖人群的区分度极好，适合作为补充变量。
• 社交数据因合规审查未通过，最终未入模，避免了潜在法律风险。

这个案例说明：替代数据的价值不在于“多”，而在于“互补”与“合规可用”。在特征工程阶段，应优先选择覆盖率高、授权清晰、业务含义明确的数据源，再逐步扩展。