2. 数据基础：保险业务数据结构及关键字段解析

坏样本归因的第一步，是理解数据从哪来、长什么样、字段含义是什么。保险精算分析涉及四类核心数据表：保单表、理赔表、客户表和财务表。这四张表构成了精算建模与坏样本归因的数据底座。

2.1 四表全景：保险数据架构

下图展示了四张核心表之间的实体关系与数据流转路径。坏样本归因通常从理赔表出发，反向关联保单与客户信息，最终在财务表中验证损失金额。

2.2 保单表（Policy Table）关键字段

保单表记录每一份保险合同的核心信息，是精算定价、准备金评估和风险分群的基础。坏样本归因中，保单表用于识别投保环节的异常，如逆选择、带病投保、信息不实。

2.3 理赔表（Claim Table）关键字段

理赔表是坏样本归因的主战场。每一笔理赔记录都包含出险、报案、审核、赔付的全过程信息。异常理赔往往在时间、金额、频次、地点等维度上留下痕迹。

2.4 客户表（Customer Table）关键字段

客户表记录投保人/被保险人的个人信息与历史行为。坏样本归因中，客户表用于构建客户画像，识别高风险人群特征。

2.5 财务表（Finance Table）关键字段

财务表记录保险公司的资金流动与准备金变动。坏样本归因中，财务表用于量化损失和验证异常——理赔表上的异常最终会在财务表中体现为准备金提取异常或赔付率突变。

2.6 四表关联与坏样本归因路径

坏样本归因不是孤立分析某一张表，而是通过多表关联构建完整的异常证据链。以下是最常用的三条归因路径：

1. 理赔→保单→客户路径：从理赔异常出发，关联保单信息（险种、保额、承保时间），再关联客户画像（年龄、职业、历史理赔），识别个人层面的欺诈或逆选择。
2. 理赔→财务路径：从理赔金额异常出发，关联财务表中的支付记录和准备金变动，验证损失是否真实发生，识别虚假理赔或内外勾结。
3. 客户→保单→理赔路径：从客户维度出发，扫描同一客户名下的所有保单和理赔记录，发现团伙欺诈、重复理赔、多头投保等模式。

2.7 数据质量检查清单

在开始坏样本归因之前，必须对四张表进行数据质量检查。以下清单是精算数据清洗的标准步骤：