2. 特征工程基础：催收场景下的数据源分类

在催收模型中，特征工程是连接原始数据与模型性能的桥梁。催收场景的数据源具有高噪声、强时效、多源异构的特点。本章将数据源划分为三大类：内部行为数据、外部征信数据和三方数据，并逐一分析其业务含义、典型字段与建模价值。

2.1 数据源分类总览

三类数据源在催收生命周期的不同阶段发挥不同作用。内部行为反映用户与机构的直接交互，外部征信提供跨机构信用视图，三方数据则补充社交、设备、黑产等维度的风险信号。

2.2 内部行为数据：最直接的还款信号

内部行为数据是催收模型最核心的特征来源，因为它直接反映了用户与机构之间的历史交互轨迹。这类数据通常具有高覆盖率、低延迟、强业务解释性。

2.2.1 还款行为类

• 历史逾期天数分布： 近6个月最大逾期天数、平均逾期天数、逾期天数标准差。
• 还款方式偏好： 是否使用自动扣款、主动还款 vs 被动划扣、还款时间点（工作日/节假日）。
• 还款金额异常： 最低还款占比、超额还款次数、还款金额波动系数。

2.2.2 交互行为类

• APP活跃度： 近7天登录次数、页面停留时长、是否查看账单详情。
• 客服沟通记录： 近30天客服通话次数、平均通话时长、是否主动发起投诉。
• 信息变更频率： 手机号更换次数、紧急联系人变更次数、居住地址更新次数。

2.2.3 资金行为类

• 账户余额变化： 绑定银行卡近30天日均余额、余额最低值、大额入账次数。
• 关联账户行为： 是否同时为担保人、关联账户逾期率、关联账户授信使用率。

2.3 外部征信数据：跨机构信用视图

外部征信数据提供了用户在其他金融机构的信用表现，是评估共债风险和还款能力的重要补充。在催收场景中，征信数据尤其适用于识别“以贷养贷”和“逃废债”用户。

2.4 三方数据：补充风险画像

三方数据覆盖了用户的生活、社交、设备、黑产等多个维度，能够有效弥补内部和征信数据的盲区。在催收场景中，三方数据尤其擅长失联修复和欺诈识别。

2.4.1 运营商数据

• 通话活跃度： 近30天主叫次数、被叫次数、通话时长、夜间通话占比。
• 联系人网络： 紧急联系人通话频率、联系人中黑名单人数、联系人平均逾期率。
• 位置稳定性： 基站切换频率、常驻城市与申请城市是否一致、夜间位置漂移距离。

2.4.2 电商与消费数据

• 收货地址稳定性： 近6个月收货地址变更次数、地址与户籍地/工作地匹配度。
• 消费能力： 近3个月平均消费金额、消费类目分布（奢侈品 vs 生活必需品）。
• 退货率： 近6个月退货订单占比、异常退货次数（疑似套现）。

2.4.3 设备与黑产数据

• 设备指纹： 设备ID是否关联多个账户、设备是否root/越狱、模拟器检测。
• IP风险： 注册IP是否属于代理/VPN、IP关联账户数、IP地理位置与申请地是否一致。
• 黑名单命中： 身份证/手机号/设备是否命中催收黑名单、法院失信名单、网贷黑名单。

2.5 数据源融合架构

下图展示了催收场景下三类数据源的融合架构。数据经过采集、清洗、特征提取后，进入统一的特征存储层，最终由催收模型按逾期阶段动态调用。

2.6 数据源选择策略

在实际建模中，并非所有数据源都需要接入。建议根据以下原则进行筛选：

1. 覆盖率优先： 优先选择覆盖率 > 80% 的数据源，避免特征大量缺失导致样本损失。
2. 时效性匹配： 催收模型通常要求T+0或T+1数据，避免使用更新延迟超过3天的数据源。
3. 区分度验证： 对每个候选特征计算IV值或KS值，剔除区分度低于0.02的特征。
4. 合规性审查： 确保数据源已获得用户授权，且不涉及敏感信息（如通讯录内容、短信正文）。