3. 完整性与覆盖率概述
在风险数据治理中，完整性与覆盖率是两条最基础、也最容易被混为一谈的质量主线。完整性关注“该有的数据有没有、字段是否缺失、记录是否断裂”；覆盖率关注“该纳入的对象有没有被纳入、该监控的范围有没有被监控、该计算的口径有没有被计算”。前者是数据自身的完备程度，后者是治理体系对业务对象的触达程度。二者共同决定了风险计量、监控与决策是否建立在可靠底座之上。
一、核心原理：完整性与覆盖率的定义边界
数据完整性是指数据在记录、字段、关联关系和时间序列上满足业务与监管要求的完备程度。它通常包含三个层次：
- 记录完整性：应存在的业务记录是否真实存在，例如某日所有应报送的交易、持仓、客户或风险事件是否均已入库。
- 字段完整性：关键字段是否为空、是否可解析、是否符合码值约束，例如风险暴露金额、交易对手、评级、期限等字段是否缺失。
- 关联完整性：主外键、父子记录、跨系统映射是否闭合，例如交易与合约、客户与集团、押品与敞口之间是否能正确关联。
覆盖率是指治理与监控体系对目标业务对象的实际覆盖程度。它回答的是“范围问题”：应纳入的对象中，实际纳入了多少；应监控的规则中，实际生效了多少；应计算的风险指标中，实际产出了多少。覆盖率通常分为对象覆盖率、规则覆盖率、数据源覆盖率和时间覆盖率。
一句话区分：完整性看“一条数据内部是否齐全”，覆盖率看“一批对象是否被体系接住”。完整性差会导致单条记录不可用，覆盖率差会导致整体风险被低估。
二、度量维度：从指标到口径
完整性与覆盖率不能只用一个百分比概括，必须拆解到可执行、可归因的度量维度。常见维度如下表所示：
| 维度 | 所属主线 | 典型指标 | 业务含义 |
|---|---|---|---|
| 记录完整性 | 完整性 | 应报未报记录数 / 应存记录数 | 是否存在整条业务漏记 |
| 字段完整性 | 完整性 | 关键字段空值率、不可解析率 | 单条记录是否可用于计算 |
| 关联完整性 | 完整性 | 孤儿记录率、映射失败率 | 跨系统数据能否闭合 |
| 对象覆盖率 | 覆盖率 | 已纳入对象数 / 应纳入对象数 | 业务范围是否被完整接管 |
| 规则覆盖率 | 覆盖率 | 已生效规则数 / 应生效规则数 | 监控与校验是否全面 |
| 时间覆盖率 | 覆盖率 | 有效数据天数 / 应覆盖天数 | 时间序列是否连续可用 |
在工程实现中，这些指标通常以批处理校验任务的形式落地。例如，用一段 SQL 统计某日关键字段空值率：
SELECT
biz_date,
COUNT(*) AS total_cnt,
SUM(CASE WHEN counterparty_id IS NULL THEN 1 ELSE 0 END) AS missing_cpty,
ROUND(SUM(CASE WHEN counterparty_id IS NULL THEN 1 ELSE 0 END) / COUNT(*), 4) AS missing_rate
FROM risk_exposure
WHERE biz_date = '2025-06-30'
GROUP BY biz_date;
覆盖率则更强调“应然集合”与“实然集合”的差集。例如对象覆盖率可表达为：
覆盖率 = |已纳入监控对象集合 ∩ 应纳入监控对象集合| / |应纳入监控对象集合|
缺口清单 = 应纳入监控对象集合 - 已纳入监控对象集合
三、案例场景：从缺口清单到治理闭环
某银行在季度风险数据核查中发现：信用风险敞口表的字段完整性达到 99.2%，但监管报送仍被退回。进一步排查发现，问题不在字段空值，而在对象覆盖率——部分表外担保业务未纳入敞口计算，导致整体风险被低估。这个案例说明：完整性高不等于覆盖率合格，二者必须联合评估。
典型治理流程可归纳为四步：
- 定义应然集合：明确应纳入的业务对象、字段、规则和时间范围，形成基准清单。
- 采集实然数据：从各源系统抽取实际入库、实际生效、实际计算的数据。
- 计算缺口：分别计算完整性缺口与覆盖率缺口，定位到系统、机构、产品、客户等维度。
- 归因整改：将缺口分派到责任方，修复后复跑校验，形成闭环。
实践提示：缺口清单比单一百分比更有价值。百分比用于趋势监控，缺口清单用于责任落实。治理会上应优先看“谁缺了什么、缺了多少、何时补上”。
四、误区与复盘：常见认知偏差
- 误区一：把完整性等同于覆盖率。字段齐全不代表对象齐全，二者度量对象不同，必须分别设指标。
- 误区二：只追求高百分比。99% 的覆盖率若集中在低风险对象，剩余 1% 可能是高风险盲区，需按风险加权评估。
- 误区三：口径不统一。不同部门对“应纳入”的定义不一致，会导致覆盖率无法横向比较，必须先统一基准清单。
- 误区四：只治不防。仅靠事后补录无法根治，应在数据入口设置必填校验、码值校验和关联校验。
复盘要点：完整性与覆盖率治理的核心不是“把数字做高”，而是“把盲区找出来”。每一次缺口都应能追溯到具体对象、具体规则和具体责任人，否则治理无法持续。
五、业务价值：从数据质量到风险决策
完整性与覆盖率的业务价值体现在三个层面。第一，合规价值：监管报送、资本计量和压力测试均要求数据完整、范围完整，缺口会直接转化为合规风险。第二，决策价值：风险偏好、限额管理和定价模型依赖完整数据，覆盖率不足会导致风险被系统性低估。第三，运营价值：通过缺口清单驱动源头修复，可减少重复补录和人工干预，提升数据供应链效率。
因此，完整性与覆盖率应作为风险数据治理的“双基线”持续监控：完整性确保每条数据可用，覆盖率确保每个对象被看见。只有二者同时达标，风险数据才能真正支撑起可信的风险决策。