4. 项目准备与业务理解
申请评分卡项目失败，十有八九不是算法问题，而是项目启动阶段没有把业务目标翻译成可建模的统计定义。业务方说“我想识别坏客户”，这句话在数据上至少有五种解释：逾期30天以上、逾期90天以上、核销、欺诈、提前结清。如果双方没有在项目准备阶段对齐，后面所有特征工程和模型评估都会建立在错误的地基上。
一、核心原理：把业务语言翻译成统计语言
申请评分卡的本质，是在申请时点用可得信息预测未来一段时间内发生某种风险事件的概率。这个定义里藏着四个必须显式确认的要素：目标变量（预测什么事件）、观察期（用哪个时间点的信息）、表现期（事件在多长时间内被观察到）、样本窗口（从哪些申请中抽样）。四者构成一个时间轴上的“标签定义契约”。
核心公式：样本 = 观察点（Observation Point）在样本窗口内 ∧ 表现期（Performance Window）已完整结束 ∧ 目标变量（Target）可被明确判定。
业务方关心的是“坏客户带来的损失”，建模方关心的是“标签是否可稳定判定”。沟通的目标不是让业务方理解逻辑回归，而是让双方对以下问题达成书面共识：坏的定义是什么？多久算坏？观察多长时间的申请？排除哪些申请？
二、方法流程：五步对齐法
- 业务访谈：与风控、产品、运营分别沟通，识别真实痛点（通过率低、坏账高、额度不合理）。
- 目标变量定义：确定坏样本口径，通常用DPD（逾期天数）或状态标签，如“首期逾期30+”。
- 观察期与表现期切分：观察期取申请时点及之前的信息，表现期取申请后固定月数。
- 样本窗口确定：选择表现期已完整结束的申请月份，避免“未成熟样本”污染标签。
- 书面确认：输出《标签定义说明书》，业务方与建模方共同签字。
下面是一个典型的标签定义配置示例，可直接作为项目启动文档的模板：
target_definition:
bad_definition: "首期逾期30天及以上（DPD30+）"
observation_point: "申请提交日"
observation_window: "申请日及之前12个月"
performance_window: "申请后6个月"
sample_window: "2023-01-01 至 2023-06-30"
exclusion_rules:
- "申请时年龄小于18岁或大于65岁"
- "申请时已有当前逾期"
- "申请金额小于1000元"
good_definition: "表现期内无DPD30+且未核销"
indeterminate: "表现期内提前结清但无逾期，单独标记"
三、案例场景：观察期、表现期与样本窗口的联动
假设今天是2024年6月30日，我们要为某现金贷产品开发申请评分卡。若表现期定为6个月，那么只有2023年12月31日之前放款的申请，其6个月表现期才完整结束。因此样本窗口最多到2023年12月，而不是2024年6月。若业务方希望用最近数据，就必须接受表现期缩短，或接受部分样本标签未成熟。
| 要素 | 定义 | 本例取值 | 常见错误 |
|---|---|---|---|
| 目标变量 | 预测的风险事件 | 首期DPD30+ | 混用DPD30与DPD90 |
| 观察期 | 提取特征的时间范围 | 申请日前12个月 | 把表现期信息泄露进特征 |
| 表现期 | 观察目标事件的时间长度 | 申请后6个月 | 表现期过短导致坏样本不足 |
| 样本窗口 | 纳入建模的申请时间段 | 2023-01至2023-06 | 纳入表现期未结束的申请 |
经验法则：表现期至少覆盖一个完整的风险暴露周期。现金贷通常3～6个月，信用卡可到12～24个月。坏样本率低于3%时，优先延长样本窗口而非缩短表现期。
四、误区与复盘：业务沟通中的典型陷阱
- 误区一：业务方说“坏客户”就默认DPD90。实际业务中，M1（逾期30天）可能才是早期预警的关键，需根据损失率和催回率反推。
- 误区二：观察期与表现期重叠。例如用申请后3个月的还款行为预测申请后6个月的逾期，造成标签泄露，模型AUC虚高。
- 误区三：样本窗口随意取最近一年。若最近半年表现期未结束，这些样本只能做拒绝推断或排除，不能直接进训练集。
- 误区四：忽略“不确定样本”。提前结清、展期、减免结清等状态需要单独定义，不能简单归为好或坏。
复盘要点：项目启动会后必须输出一页纸的《标签与样本定义确认书》，包含目标变量、观察期、表现期、样本窗口、排除规则、不确定样本处理方式。任何后续变更都需版本记录，否则模型无法复现。
与业务方沟通时，建议用“损失反推法”代替抽象讨论：请业务方给出不同DPD口径下的历史损失金额和催收回收率，用数据说话。例如，DPD30+客户最终核销比例若达到60%，而DPD90+仅占坏账金额的40%，则DPD30+更适合作为早期申请评分卡的目标变量。这样既尊重业务经验，又保证统计定义可执行。
最后，样本窗口的确定还要考虑政策变化、产品迭代和客群迁移。若样本窗口跨越了一次重大风控策略调整，需在建模时加入时间虚拟变量或分段建模，避免用旧策略下的样本预测新策略下的风险。项目准备阶段多花两天对齐定义，远比模型上线后返工两周更划算。