3. 催收数据源解析：内部数据与外部数据

催收模型的特征工程始于数据源的全面理解。不同数据源在覆盖度、时效性、成本和法律合规性上存在显著差异。本章将系统解析催收场景中最核心的四大数据源：内部还款记录、历史催收记录、外部征信报告、多头借贷与黑名单，并给出各数据源的特征提取要点与适用场景。

3.1 数据源全景概览

催收数据源可划分为内部与外部两大类别。内部数据由机构自身业务系统沉淀，具有高可控性和低延迟；外部数据通过第三方接口或征信机构获取，用于补充信息盲区。下表对比了四类数据源的核心属性：

3.2 内部数据：还款记录

还款记录是反映借款人还款意愿和还款能力最直接的信号。催收场景下，还款记录特征应聚焦于逾期行为模式和还款履约稳定性两个维度。

3.2.1 核心特征字段

• 逾期天数（DPD）：当前逾期天数、历史最大逾期天数、平均逾期天数。
• 还款金额序列：最近3/6/12期还款金额、最低还款占比、全额还款次数。
• 还款时间特征：还款日与到期日的时间差、是否在宽限期内还款、节假日还款行为。
• 账户状态变化：从正常到逾期的转换次数、逾期后恢复正常的周期长度。

3.2.2 特征工程示例

# 还款记录特征衍生示例（Python伪代码）
import pandas as pd

def generate_repayment_features(df):
    features = pd.DataFrame(index=df.index)
    # 逾期严重性：最近3个月最大逾期天数
    features['max_dpd_3m'] = df.filter(regex='dpd_m\d').max(axis=1)
    # 还款稳定性：最近6期还款金额变异系数
    repay_cols = [f'repay_amt_m{i}' for i in range(1,7)]
    features['repay_cv_6m'] = df[repay_cols].std(axis=1) / (df[repay_cols].mean(axis=1) + 1e-6)
    # 履约意愿：全额还款次数占比
    full_pay = (df[repay_cols] >= df['due_amt']).sum(axis=1)
    features['full_pay_ratio'] = full_pay / 6
    return features

3.3 内部数据：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，是预测未来催收响应率和回收率的重要依据。这类数据通常以催收工单或通话日志的形式存储。

3.3.1 数据字段结构

3.3.2 特征提取要点

• 承诺还款特征：借款人历史承诺还款次数、承诺后实际还款率、承诺金额与实际还款金额的偏差率。
• 失联模式：连续失联天数、失联后恢复联系的时间间隔、不同时段失联概率。
• 催收响应曲线：不同催收方式（短信、IVR、人工外呼）的响应率随时间的变化趋势。

3.4 外部数据：征信报告

征信报告是金融机构最常用的外部数据源，由央行征信中心或持牌征信机构提供。它提供了借款人在全金融体系内的信贷行为全景。

3.4.1 征信报告核心模块

1. 个人基本信息：身份信息、居住信息、职业信息——用于身份核验和稳定性评估。
2. 信贷交易信息：当前负债总额、信用卡使用率、贷款账户数、逾期/违约记录——核心信用评估依据。
3. 公共记录：法院强制执行、行政处罚、欠税记录——高风险信号。
4. 查询记录：近1/3/6/12个月机构查询次数——反映借款人近期资金需求紧迫度。

3.4.2 征信特征衍生方向

3.5 外部数据：多头借贷与黑名单

多头借贷指借款人在多个平台同时存在借贷行为，是信用风险恶化的典型前兆。黑名单则包含法院失信被执行人、行业共享逾期名单等高风险标记。

3.5.1 多头借贷特征

• 多头平台数：近1/3/6个月在贷平台数量、新增平台数。
• 多头金额：多头总负债、平均单平台负债、多头负债占比。
• 多头时间分布：借款申请时间间隔、集中借款时段（如深夜、凌晨）。
• 多头类型：现金贷、消费分期、P2P等不同平台类型的分布。

3.5.2 黑名单数据特征

3.6 数据源融合架构

在实际催收系统中，内部数据与外部数据需要按分层融合策略进行整合。下图展示了催收数据源的典型融合架构：

3.7 数据源选择决策矩阵

在实际项目中，并非所有数据源都需要接入。以下决策矩阵可帮助团队根据催收阶段和成本预算选择最优数据源组合：