1. 催收特征工程概述
1.1 什么是催收特征工程
催收特征工程是指从原始催收数据（如客户基本信息、还款记录、通话记录、第三方数据等）中，通过提取、转换、选择、构造等一系列操作，生成能够有效刻画客户逾期风险、还款意愿和还款能力的特征变量的过程。它是催收模型开发中最核心、最耗时的环节，直接决定了模型效果的上限。
核心公式： 催收模型效果 ≈ 特征质量 × 算法能力。在数据量充足的情况下，特征工程对模型效果的贡献通常超过 60%。
1.2 特征工程在催收模型中的重要性
催收模型的目标是预测客户在不同催收阶段的行为（如：是否会还款、何时还款、还款金额多少）。原始数据往往存在缺失、噪声、维度高、分布偏斜等问题，无法直接输入模型。特征工程通过以下方式解决这些痛点：
| 痛点 | 特征工程解决方案 | 对催收模型的影响 |
|---|---|---|
| 数据缺失 | 缺失值填充、缺失率特征 | 避免模型因缺失值产生偏差 |
| 维度爆炸 | 特征选择、降维（PCA、聚类聚合） | 降低过拟合风险，提升泛化能力 |
| 非线性关系 | 分箱、交叉特征、多项式特征 | 捕捉复杂还款模式 |
| 时间序列依赖 | 滑动窗口统计、逾期天数衍生 | 刻画客户行为动态变化 |
| 类别不平衡 | WOE编码、目标编码 | 提升对少数类（如坏账）的识别 |
实战案例： 某头部消金公司通过引入“近30天通话次数/接通率”和“历史逾期天数标准差”两个特征，将催收模型AUC从0.72提升至0.81，催回率提升约15%。
1.3 课程整体架构
本课程共30章，按“基础 → 核心 → 进阶 → 实战”四阶段递进，每章均配有可运行的SQL代码和真实业务场景。
1.4 学习目标
完成本课程后，你将能够：
- 掌握催收特征工程全流程：从数据探索、特征提取、特征转换到特征选择，形成系统化方法论。
- 熟练使用SQL进行复杂特征计算：包括窗口函数、自连接、CTE递归、数组处理等高级技巧。
- 构建至少20类催收核心特征：如逾期天数特征、还款行为特征、联系特征、社交网络特征等。
- 独立完成一个催收模型特征工程实战项目：从原始数据到最终特征宽表，覆盖全流程。
- 理解特征工程对模型效果的量化影响：能够通过特征重要性分析、AB测试等方式评估特征价值。
⚠️ 学习提醒： 本课程所有SQL代码均基于 Hive SQL / Spark SQL 语法编写，兼容大部分主流MPP数据库（如ClickHouse、Doris）。若使用MySQL或PostgreSQL，需注意窗口函数和数组函数的语法差异。
1.5 催收特征工程核心流程
一个完整的催收特征工程通常包含以下6个步骤，本课程将逐一深入讲解：
1.6 课程特色与学习建议
| 特色 | 说明 |
|---|---|
| 实战驱动 | 每章均基于真实催收业务场景，提供可复用的SQL代码 |
| 避坑指南 | 总结常见错误和性能陷阱，避免走弯路 |
| 效果可量化 | 每个特征都附带IV值、相关性等评估指标 |
| 全流程覆盖 | 从原始数据到特征宽表，再到模型输入，完整闭环 |
学习建议： 建议准备一个测试数据库（如MySQL或Hive），边学边练。每章代码至少运行3遍：第一遍理解逻辑，第二遍修改参数，第三遍尝试优化。遇到问题先看“常见避坑指南”，再尝试自己调试。