3. 催收数据源概览

催收模型的特征工程始于对数据源的深刻理解。不同数据源在覆盖度、时效性、稳定性和合规成本上差异显著。本章将数据源划分为内部数据、外部数据和第三方数据三大类，并逐一拆解其核心字段、业务含义及建模价值。

3.1 内部数据：还款记录与历史催收记录

内部数据是催收模型的基石，通常来自机构自身的核心系统与贷后管理系统。这类数据获取成本低、字段语义明确、与目标变量（是否还款）关联最直接。

3.1.1 还款记录

还款记录刻画了借款人的历史履约行为，是预测未来还款意愿和还款能力最核心的输入。

3.1.2 历史催收记录

历史催收记录记录了机构与借款人之间的交互过程，是理解借款人“被催收反应”的关键数据源。

• 催收动作：外呼次数、短信发送次数、信函寄送次数、上门催收次数。
• 催收结果：是否接通、是否承诺还款、承诺还款金额、实际还款金额。
• 借款人反馈：失联标记、恶意投诉、还款困难说明、要求延期。
• 催收时效：首次催收响应时长、催收间隔天数、催收总时长。

3.2 外部数据：征信与多头借贷

外部数据用于补充内部数据的信息盲区，尤其在借款人首次逾期或失联时，外部数据是判断其整体负债水平和信用状况的关键。

3.2.1 征信数据

征信数据来自央行征信中心或持牌征信机构，包含借款人在全金融系统的信贷记录。

• 信贷概要：信贷账户数、总授信额度、已用额度、当前逾期金额。
• 还款历史：近24个月还款状态（N/M/R）、最长逾期月数、累计逾期次数。
• 查询记录：近1个月/3个月/6个月征信查询次数（硬查询）。
• 公共记录：强制执行、行政处罚、欠税记录。

3.2.2 多头借贷数据

多头借贷数据反映借款人在多个平台同时申请或借贷的情况，是预测“以贷养贷”和“共债风险”的核心指标。

3.3 第三方数据：运营商与社保

第三方数据提供借款人行为画像和稳定性评估，在内部数据和征信数据缺失时，常作为替代或补充特征。

3.3.1 运营商数据

运营商数据包含通话记录、流量使用、套餐信息等，可用于构建社交网络和稳定性特征。

• 通话活跃度：近3个月月均通话次数、月均通话时长、主叫占比。
• 联系人稳定性：常用联系人数量、联系人重复率、夜间通话占比。
• 位置稳定性：常用基站数量、夜间基站变化频率、跨省漫游天数。
• 异常行为：频繁换卡、短期大量陌生号码呼入、通话时长骤降。

3.3.2 社保数据

社保数据反映借款人的就业稳定性和收入水平，是评估还款能力的重要参考。

3.4 数据源选择策略总结

在实际建模中，数据源的选择需平衡覆盖度、时效性、合规成本和特征稳定性。以下策略可供参考：

1. 优先使用内部数据：还款记录和历史催收记录是预测能力最强的特征，应作为模型的基础特征集。
2. 外部数据做交叉验证：征信和多头借贷数据用于验证内部数据的一致性，尤其在内部数据缺失时作为替代。
3. 第三方数据按需引入：运营商和社保数据在长账龄催收或失联修复场景中价值较高，但需注意数据授权和合规要求。
4. 特征稳定性监控：定期评估各数据源的缺失率、分布漂移和特征重要性变化，及时剔除失效数据源。