4. 离线与在线特征差异分析：时间窗口差异、计算逻辑差异、数据源延迟、默认值/空值处理差异

在金融风控系统中，离线特征（通常用于模型训练与回测）与在线特征（用于实时决策）之间的差异是导致模型效果衰减、线上决策异常的核心原因之一。本章系统梳理四大类差异的成因、影响及校验方法，帮助风控团队建立从离线到在线的特征一致性保障体系。

4.1 时间窗口差异

时间窗口是特征计算中最易产生歧义的维度。离线与在线对“当前时间”的定义、窗口长度、边界处理方式不同，会导致同一用户在相同时刻的特征值不一致。

4.2 计算逻辑差异

同一特征在离线与在线环境中可能因计算引擎、聚合函数、精度处理、业务规则不同而产生差异。这类差异隐蔽性强，往往在模型上线后才会暴露。

4.2.1 常见计算逻辑差异类型

• 聚合函数差异： 离线使用 AVG，在线使用 SUM/COUNT 手动计算均值，浮点精度不同导致结果偏差。
• 去重规则差异： 离线对同一交易ID去重，在线未去重，导致计数类特征偏高。
• 边界值处理： 离线对“当日数据”包含完整24小时，在线仅包含到请求时刻，导致“近1天交易次数”不一致。
• 衍生逻辑差异： 如“近7天最大单笔金额”在离线使用 MAX，在线使用 GREATEST 函数，对NULL处理不同。

4.3 数据源延迟

数据从产生到进入特征计算系统存在时间延迟。离线场景通常使用“已落库”的完整数据，而在线场景可能面临数据尚未到达或部分到达的情况。

4.3.1 延迟来源与影响

• 上游系统延迟： 交易系统、账务系统的数据同步延迟（通常为秒级到分钟级）。
• ETL管道延迟： 离线数仓T+1更新，在线实时管道延迟数秒至数分钟。
• 缓存更新延迟： Redis/SSDB等缓存中特征值未及时刷新。
• 跨机房同步延迟： 多机房部署场景下，数据同步延迟可达数十毫秒。

4.4 默认值/空值处理差异

空值与默认值的处理是离线与在线特征差异的高发区。离线训练数据中，空值通常被填充为统计值（均值、中位数、众数）或特殊标记（-1、-999）；在线推理时，若填充逻辑不一致，会导致特征分布偏移。

4.4.1 常见空值处理策略对比

4.4.2 默认值一致性校验清单

1. 填充值一致性： 离线与在线对同一特征的默认值必须完全一致（包括数值类型、精度）。
2. 填充时机一致性： 离线在特征计算前填充，在线也必须在特征计算前填充，而非在模型输入层填充。
3. 空值来源一致性： 离线与在线对“什么情况算空值”的定义一致（如：无交易记录 vs 交易金额为0）。
4. 特殊值映射一致性： 如使用 -1 表示“无数据”，需确保离线与在线的 -1 不被其他业务逻辑误修改。
5. 模型输入层一致性： 若模型内部有缺失值处理逻辑，需确保离线训练与在线推理使用相同的处理代码。

4.5 差异综合校验流程

针对上述四类差异，建议建立以下综合校验流程，确保离线与在线特征在时间窗口、计算逻辑、数据源延迟、默认值处理四个维度上保持一致。

1. 特征定义对齐： 建立特征字典，明确每个特征的时间窗口、计算逻辑、数据源、默认值。
2. 离线-在线对比测试： 选取同一时间段的离线与在线特征，计算差异率、差异分布。
3. 延迟影响评估： 对时效敏感特征，模拟不同延迟场景下的特征值变化。
4. 空值分布对比： 对比离线与在线特征的空值率、填充值分布。
5. 模型输出对比： 使用同一批样本，对比离线与在线特征输入模型后的分数分布。
6. 持续监控： 上线后持续监控特征差异指标，设置告警阈值。