2、坏样本数据采集：内部数据源与外部数据源

坏样本数据采集是贷后预警策略的基石。只有采集到高质量、多维度的坏样本数据，才能准确刻画逾期客户的行为特征，为后续的模型训练与规则制定提供可靠依据。本节从内部数据源、外部数据源以及合规要求三个维度展开深度解析。

2.1 内部数据源

内部数据是金融机构最直接、最可控的数据资产，主要包括还款记录与催收记录两大类。

2.1.1 还款记录

还款记录是判断客户还款意愿与还款能力的第一手资料。坏样本的还款行为往往呈现以下异常特征：

• 还款时间偏移：从固定日期还款逐渐演变为宽限期内最后一天还款，甚至出现跨月还款。
• 还款金额异常：最低还款额还款频次增加，或出现部分还款、零头还款等非整数金额。
• 还款渠道变更：从绑定代扣转为主动转账，或频繁更换还款银行卡。
• 还款失败记录：连续出现余额不足、账户冻结、超限等扣款失败原因。

2.1.2 催收记录

催收记录包含了贷后管理过程中与客户交互的全量信息，是识别坏样本的“金矿”。关键采集字段包括：

• 失联状态：空号、停机、关机、无人接听、号码不存在等。
• 承诺还款记录：承诺金额、承诺日期、实际履约情况（是否按时足额还款）。
• 客户话术关键词：“没钱”、“再宽限几天”、“人在外地”、“资金周转困难”等高频托词。
• 联系人反馈：亲属/朋友是否知晓债务、是否愿意代偿、是否提供有效线索。
• 催收难度分级：M1、M2、M3各阶段的催收响应率与接通率。

2.2 外部数据源

外部数据源能够弥补内部数据的盲区，帮助风控人员从更宏观的视角识别客户风险。核心外部数据源包括征信、多头借贷和黑名单三大类。

2.2.1 征信数据

征信报告是评估客户信用状况的权威依据。坏样本在征信数据中通常表现为：

• 他行逾期记录：近6个月出现其他金融机构的M1+逾期。
• 查询次数激增：近3个月征信查询次数超过6次，且多为“贷款审批”类查询。
• 授信总额度使用率：信用卡或贷款额度使用率超过80%。
• 担保代偿记录：存在为他人担保且被代偿的历史。

2.2.2 多头借贷数据

多头借贷是坏样本最显著的外部特征之一。客户同时在多家机构申请借款，往往意味着资金链紧张或“以贷养贷”。

2.2.3 黑名单数据

黑名单数据包括法院失信被执行人、网贷黑名单、反欺诈名单等。采集时需关注：

• 法院失信名单：是否被列为“老赖”，是否有未结执行案件。
• 行业共享黑名单：是否被其他金融机构标记为欺诈或恶意逾期。
• 设备指纹黑名单：关联设备是否曾用于欺诈申请。
• 身份证/手机号关联风险：同一身份证或手机号是否关联多个逾期账户。

2.3 数据采集的合规要求

数据采集必须在法律法规框架内进行，否则将面临严重的合规风险与声誉损失。核心合规要点如下：

2.3.1 授权与告知

• 明示授权：采集客户数据前必须获得客户明确、书面的授权同意，不得默认勾选或捆绑授权。
• 告知用途：清晰告知数据采集的目的、范围、使用方式及存储期限。
• 最小必要原则：仅采集与贷后风险管理直接相关的数据，不得过度采集。

2.3.2 数据安全与存储

• 加密传输：数据在采集和传输过程中必须使用TLS/SSL等加密协议。
• 脱敏存储：敏感字段（身份证号、手机号、银行卡号）必须进行脱敏或加密存储。
• 访问控制：建立严格的权限管理体系，仅授权人员可访问原始数据。

2.3.3 外部数据源合规红线

2.4 数据采集质量管控

数据采集完成后，必须进行质量校验，确保进入坏样本库的数据准确、完整、及时。建议建立以下质量管控流程：

1. 完整性校验：检查必填字段是否为空，缺失率超过5%的字段需标记并追溯原因。
2. 一致性校验：内部数据与外部数据交叉验证，如客户申报收入与征信报告收入是否匹配。
3. 时效性校验：外部数据需标注采集时间戳，超过30天的数据需重新采集。
4. 异常值清洗：识别并处理明显异常的数据点（如年龄超过120岁、多头借贷平台数超过100等）。