4. 风险数据统一标识体系

在风险数据治理中，统一标识体系是连接数据、模型、规则与业务对象的“主键骨架”。没有统一标识，风险数据就会在不同系统、不同批次、不同口径之间反复漂移，最终导致指标不可比、模型不可复现、责任不可追溯。本节围绕标识编码规则、标识生成方法、标识生命周期管理三条主线展开，并给出唯一性、稳定性与可扩展性三项设计原则的落地方法。

一、核心原理：标识是风险数据的“主键契约”

统一标识不是简单给数据编个号，而是建立一套跨系统、跨时间、跨版本的主键契约。它要回答三个问题：这个对象是谁？它在不同系统中的别名是什么？它在时间维度上如何保持同一性？

风险数据对象通常包括：客户、账户、交易、合约、产品、机构、风险事件、模型、规则、指标、报告等。每类对象都需要一个全局唯一标识（Global ID），并配套业务标识（Business Key）与源系统标识（Source Key）。全局唯一标识用于跨系统关联，业务标识用于业务语义识别，源系统标识用于回溯原始记录。

二、标识编码规则：结构化、可读、可校验

编码规则是标识体系的“语法”。好的编码规则应当满足：结构清晰、长度可控、可读性强、可校验、可扩展。推荐采用分段式编码，每段承载明确语义。

段位	含义	示例	设计要点
第1段	对象类型码	CUS、ACC、TXN	固定3位大写字母，全局唯一
第2段	注册域码	CN、US、EU	2位地区或业务域码
第3段	序列号	0000001234	定长10位，左补零
第4段	校验位	7	1位，用于防错校验

例如，一个中国区客户标识可编码为：CUS-CN-0000001234-7。其中校验位可通过模10算法生成，用于快速发现录入错误。

# 校验位计算示例（模10加权）
def calc_check_digit(code_body):
    weights = [2,1,2,1,2,1,2,1,2,1]
    total = 0
    for i, ch in enumerate(code_body):
        n = int(ch) * weights[i % len(weights)]
        total += n // 10 + n % 10
    return (10 - total % 10) % 10

# 输入：CUSCN0000001234 中的数字部分
print(calc_check_digit("0000001234"))  # 输出校验位

三、标识生成方法：集中注册与分布式生成

标识生成方法主要有两类：集中式注册生成与分布式生成。集中式由标识注册中心统一分配，优点是唯一性强、冲突少；缺点是依赖中心服务，存在单点风险。分布式生成由各系统按规则本地生成，优点是高可用、低延迟；缺点是需要解决时钟回拨、序列冲突等问题。

实际落地中，推荐采用“集中注册 + 分布式预取”的混合模式：注册中心按段预分配号段给各系统，各系统在号段内本地生成，既保证唯一性，又降低中心压力。

# 号段预取配置示例
id:
  type: CUS
  region: CN
  segment:
    start: 0000001000
    end:   0000001999
    step:  1
  check_digit: auto
  ttl: 24h

生成流程通常包括：申请号段、本地生成、写入映射表、同步注册中心、校验唯一性。每一步都需要幂等设计，防止重复生成或漏登记。

四、标识生命周期管理：从创建到归档

标识不是一次性生成的静态编号，而是有生命周期的动态对象。典型生命周期包括：创建、激活、变更、合并、拆分、冻结、归档、销毁。

• 创建：按编码规则生成，写入注册中心，建立与业务标识、源系统标识的映射。
• 激活：完成唯一性校验与业务确认后，标识正式可用。
• 变更：属性变化不改变标识本身，只更新属性版本；标识本身保持稳定。
• 合并：两个对象合并时，保留主标识，被合并标识转为“历史别名”，映射关系保留。
• 拆分：一个对象拆分为多个时，原标识保留为父标识，新标识建立父子关系。
• 冻结：对象暂停使用但保留追溯能力，标识不可复用。
• 归档：对象退出活跃状态，标识进入归档库，仍可查询。
• 销毁：仅在合规允许时执行，销毁前需完成审计与备份。

五、三项设计原则：唯一性、稳定性与可扩展性

唯一性：同一对象在全域内只能有一个全局唯一标识；同一标识只能指向一个对象。唯一性通过注册中心、号段隔离、校验位和映射表共同保障。

稳定性：标识一旦生成，不随对象属性、系统迁移、业务规则变化而改变。稳定性是历史追溯与模型复现的前提。

可扩展性：编码规则应预留扩展位，支持新增对象类型、新增区域、新增业务域。扩展时保持向后兼容，不破坏已有标识。

六、案例与场景：客户风险标识统一

某银行在反洗钱与信贷风险系统中，同一客户在核心系统、信贷系统、反洗钱系统中分别有不同客户号。通过统一标识体系，银行为每个客户生成全局唯一标识 CUS-CN-0000001234-7，并建立三套源系统标识的映射表。当客户信息变更时，只更新属性版本，标识保持不变；当两个客户号被确认为同一客户时，保留主标识，另一标识转为历史别名。这样，风险指标可以跨系统聚合，模型训练数据可以稳定复现。

七、常见误区与复盘

• 误区一：用业务属性拼接标识。例如用“姓名+身份证号”生成标识，一旦属性变更，标识失效。应使用无业务含义的序列号。
• 误区二：标识复用。归档标识重新分配，导致历史数据错乱。应建立“标识黑名单”或永久保留归档标识。
• 误区三：只建标识不建映射。源系统标识与全局标识脱节，无法回溯。映射表必须与标识同步创建、同步版本化。
• 误区四：编码规则频繁变更。段位语义变化导致历史标识不可解析。应冻结规则，通过扩展字典支持新类型。

综上，风险数据统一标识体系需要以编码规则为语法、以生成方法为机制、以生命周期管理为保障，并始终坚守唯一性、稳定性与可扩展性三项原则。只有标识稳定，风险数据才能真正成为可关联、可追溯、可复用的治理资产。