2. 风险数据基础

在风险数据治理项目中，团队最容易出现的分歧往往不是技术方案，而是对“风险数据到底是什么”缺乏统一认知。业务部门认为风险数据就是客户逾期记录，科技部门认为风险数据是数据库里的风险相关表，而模型团队则把它理解为特征变量。定义不统一，后续的盘点、认责、质量校验和覆盖率度量都会失去基准。因此，本章先建立一套可落地的风险数据基础框架。

一、核心原理：风险数据的定义与边界

风险数据是指金融机构在识别、计量、监测、报告和控制各类风险过程中，所产生、采集、加工、存储和使用的，能够反映风险敞口、风险状态、风险缓释及风险损失的结构化与非结构化信息。这个定义包含三个关键限定：第一，它服务于风险管理目的，而非泛指所有数据；第二，它覆盖风险管理的全流程，而不仅是结果数据；第三，它既包括结构化字段，也包括合同文本、影像件、外部舆情等非结构化内容。

理解边界时，可以用“三问法”判断一条数据是否属于风险数据：是否用于风险判断或决策？是否影响风险计量结果？是否被监管或内部制度要求留存？三问中任一为“是”，就应纳入风险数据资产目录。这个判断标准能有效避免两个极端：一是把全部业务数据都纳入风险数据，导致治理范围失控；二是只保留风险结果表，导致过程数据缺失、无法追溯。

二、风险数据的分类维度

分类是治理的起点。合理的分类能让数据认责、质量规则和覆盖率统计有清晰的切分依据。实践中建议采用多维度分类，而不是单一维度。

• 按风险类型：信用风险数据、市场风险数据、操作风险数据、流动性风险数据、声誉与合规风险数据。
• 按数据形态：结构化数据（字段、指标）、半结构化数据（日志、报文）、非结构化数据（合同、影像、文本报告）。
• 按产生方式：内部产生数据（交易、授信、押品）、外部引入数据（征信、工商、司法、舆情、行情）。
• 按加工层级：源系统数据、贴源数据、整合层数据、指标层数据、应用层数据。
• 按时效特征：实时数据、准实时数据、日批数据、月度或季度数据。

多维度分类的价值在于交叉定位。例如“外部引入的、非结构化的、准实时的舆情数据”与“内部产生的、结构化的、日批的授信数据”，其质量要求、采集方式和责任主体完全不同。若只用单一维度分类，治理策略就会过于粗糙。

三、风险数据的来源与生命周期

风险数据来源可归纳为四类：一是核心业务系统，如信贷、交易、支付系统；二是风险管理系统，如评级、限额、押品、反欺诈系统；三是外部数据服务商，如征信机构、数据供应商；四是人工录入与线下渠道，如客户经理调查报告、纸质合同扫描件。第四类往往是质量问题的重灾区，因为缺乏系统级校验。

风险数据生命周期通常划分为六个阶段：采集、传输、存储、加工、使用、归档与销毁。每个阶段都有典型风险点。采集阶段容易出现字段缺失和口径不一致；传输阶段容易出现延迟和丢包；存储阶段容易出现冗余和版本混乱；加工阶段容易出现逻辑错误和口径漂移；使用阶段容易出现越权访问和误用；归档销毁阶段容易出现该留未留或该销未销。

四、常见术语与误区复盘

风险数据治理涉及大量专业术语，理解偏差会直接导致沟通成本上升。下表列出高频术语及其在治理语境下的准确含义。