1. 课程导入

在金融行业，数据不是静态资产，而是持续流动的“资金轨迹”与“风险信号”。一笔贷款从申请、审批、放款到还款，一条交易从下单、清算、对账到报送，背后都对应着大量字段在系统间的流转、加工与聚合。当监管要求追溯“某指标为何变化”、当风控模型突然出现异常、当报表口径需要调整时，如果无法回答“这个字段从哪来、经过谁、影响谁”，数据治理就会陷入被动。本课程的第一节，先建立全局认知：我们究竟要学什么、为什么值得学、知识如何组织、实战如何推进。

一、学习目标：从“看得见表”到“看得清字段”

本课程的学习目标分为四个层次，层层递进：

• 认知层：理解数据血缘（Data Lineage）与字段级影响分析（Field-Level Impact Analysis）的基本概念、区别与联系，明确它们在金融数据治理中的位置。
• 方法层：掌握从元数据采集、SQL解析、字段映射、血缘建图到影响传播的完整方法论，能够独立设计一条字段级血缘链路。
• 工具层：熟悉常见血缘工具与自研方案的技术选型，能够读懂并编写血缘解析配置、调度依赖与影响分析脚本。
• 实战层：能够针对监管报送、风控指标、报表口径变更等真实金融场景，完成字段级影响范围评估与变更复盘。

二、核心价值：为什么金融行业必须做到字段级

金融数据具有强监管、强关联、强时效三大特征。字段级影响分析的价值，直接体现在以下场景：

可以说，字段级血缘是金融数据治理从“合规达标”走向“风险可控”的分水岭。

三、整体知识框架：四层结构

本课程的知识体系可归纳为“采集—建模—分析—应用”四层结构：

1. 元数据与采集层：包括技术元数据、业务元数据、操作元数据；采集方式涵盖数据库元数据抽取、ETL日志解析、SQL脚本解析、调度系统对接。
2. 血缘建模层：将采集到的字段映射关系抽象为有向图，节点为字段或数据集，边为加工关系，并标注转换类型（直接映射、聚合、条件、派生）。
3. 影响分析层：基于血缘图实现正向影响传播与反向根因追溯，支持字段级、指标级、报表级多粒度查询。
4. 应用与治理层：落地到变更管理、数据质量、监管报送、模型治理等流程，形成闭环。

四、方法流程：一条字段的“旅程”

理解字段级血缘，最直观的方式是跟踪一个字段的完整旅程。以“贷款余额”为例：

-- 源系统：核心放款表
SELECT loan_id, principal, repay_amt
FROM core.loan_disbursement;

-- 加工层：余额计算
SELECT loan_id,
       principal - repay_amt AS loan_balance
FROM core.loan_disbursement;

-- 汇总层：风险指标
SELECT SUM(loan_balance) AS total_loan_balance
FROM dw.loan_balance_daily;

在这条链路中，principal 与 repay_amt 是根字段，loan_balance 是派生字段，total_loan_balance 是指标字段。字段级影响分析要做的，就是自动识别这些映射关系，并在任一字段变更时，沿图正向或反向给出完整影响路径。

五、常见误区与复盘

• 误区一：把表级血缘当字段级用。表级血缘只能说明“表A影响表B”，无法回答“哪个字段影响哪个指标”，在监管问责中往往不够用。
• 误区二：只做正向影响，不做反向追溯。正向用于评估变更影响，反向用于定位问题根因，两者缺一不可。
• 误区三：忽视转换类型标注。直接映射、聚合、条件、派生四类转换对影响传播的语义不同，不标注会导致影响范围误判。
• 误区四：血缘建完不维护。金融系统迭代频繁，血缘必须与调度、发布流程联动，否则很快失真。