3. 商户数据概览：常见商户数据类型及数据采集策略

构建商户风险评分卡的第一步，是全面理解可用的数据资产。商户风险数据通常涵盖交易行为、工商注册、黑名单记录以及设备指纹四大维度。本章将逐一解析每种数据类型的核心字段、业务含义以及标准采集策略，为后续的分群与模型训练奠定数据基础。

3.1 四大核心数据类型概览

商户风险数据可归纳为以下四类，每类数据在风险识别中承担不同角色：

3.2 交易数据：风险识别的核心血液

交易数据是商户风险评分卡中最核心、最动态的数据源。它不仅反映商户的经营健康状况，更是识别套现、洗钱、虚假交易等欺诈行为的直接证据。

3.2.1 关键字段与业务含义

• 交易金额与笔数： 单笔金额、日/周/月累计交易额、平均交易金额。异常大额或整数金额交易需重点关注。
• 交易时间分布： 凌晨交易占比、节假日交易活跃度。非营业时间的高频交易是典型风险信号。
• 交易成功率与退款率： 支付成功率、退款/撤销率。高退款率可能指向虚假交易或商户经营异常。
• 交易对手方多样性： 唯一用户数、新用户占比、跨地区用户比例。用户过于集中或新用户占比突增需警惕。
• 资金流向： 结算账户变更频率、资金快进快出特征。频繁变更结算账户或资金快速转出是洗钱风险特征。

3.2.2 采集策略

• 实时接口采集： 通过支付网关或收单系统的API，实时获取每笔交易明细，用于在线风控决策。
• 批量T+1采集： 每日凌晨从核心系统批量拉取前一日交易汇总数据，用于离线模型训练和报表分析。
• 数据质量校验： 对交易金额、时间戳、商户ID等关键字段进行完整性、唯一性和逻辑校验，剔除异常脏数据。

# 交易数据采集示例：每日批量拉取脚本（伪代码）
def fetch_daily_transactions(date):
    sql = """
        SELECT merchant_id, trans_time, trans_amount, trans_status,
               user_id, payment_channel
        FROM transaction_table
        WHERE trans_date = '{date}'
    """
    df = execute_query(sql.format(date=date))
    # 数据质量校验
    df = df.dropna(subset=['merchant_id', 'trans_amount'])
    df = df[df['trans_amount'] > 0]
    return df

3.3 工商数据：商户身份的底层验证

工商数据用于验证商户的合法经营身份，是商户准入和持续监控的基础。虚假注册、经营异常、法人关联风险等均可通过工商数据发现。

3.3.1 关键字段与业务含义

• 企业基本信息： 统一社会信用代码、企业名称、法定代表人、注册资本、成立日期。用于核实商户身份真实性。
• 经营状态： 存续、在业、吊销、注销、迁出。经营异常或已注销的商户应直接拒绝或限制交易。
• 股东与高管信息： 股东构成、法人代表、主要人员。用于识别关联风险，如法人同时关联多家高风险商户。
• 变更记录： 法人变更、地址变更、经营范围变更。频繁变更关键信息是风险信号。
• 行政处罚与司法风险： 行政处罚记录、被执行人信息、失信被执行人。直接反映商户合规风险。

3.3.2 采集策略

• 首次准入全量采集： 商户入驻时，通过工商API全量拉取企业信息，建立基线档案。
• 定期增量更新： 每月或每季度，根据商户ID列表，增量拉取工商变更记录和经营状态。
• 事件驱动触发： 当商户触发特定风险事件（如大额交易、投诉）时，立即重新采集工商数据，确认商户状态。

3.4 黑名单数据：风险拦截的第一道防线

黑名单数据是最直接、最有效的风险识别手段。通过将商户或其关联方与已知风险名单进行匹配，可以快速拦截高风险主体。

3.4.1 黑名单类型与来源

3.4.2 采集策略

• 实时接口查询： 在商户交易或信息变更时，实时调用黑名单API进行匹配，实现毫秒级拦截。
• 批量全量比对： 每日凌晨，将全量商户信息与最新黑名单库进行批量比对，更新商户风险标签。
• 模糊匹配与关联扩展： 除精确匹配外，支持手机号、身份证、设备ID的模糊匹配和关联图谱扩展，发现隐藏风险。

3.5 设备指纹数据：识别欺诈设备的隐形眼镜

设备指纹技术通过采集商户或用户设备的软硬件特征，生成唯一设备标识，用于识别模拟器、设备农场、批量注册等欺诈行为。

3.5.1 关键采集字段

• 硬件特征： CPU型号、内存大小、硬盘序列号、MAC地址（需授权）、IMEI/MEID。
• 软件特征： 操作系统版本、浏览器User-Agent、屏幕分辨率、时区、语言设置。
• 网络特征： IP地址、代理/VPN检测、基站信息、WiFi SSID。
• 行为特征： 传感器数据（加速度计、陀螺仪）、触摸轨迹、键盘输入模式。

3.5.2 采集策略

• SDK嵌入采集： 在商户App或H5页面中嵌入设备指纹SDK，在用户授权后采集设备信息。
• 被动采集： 通过HTTP请求头、WebRTC、Canvas指纹等技术，在不影响用户体验的前提下采集设备特征。
• 数据脱敏与合规： 严格遵守个人信息保护法规，对敏感信息（如IMEI、MAC地址）进行脱敏处理，明确告知用户采集目的。

3.6 数据采集架构总览

下图展示了商户风险评分卡项目中，四类数据的采集、清洗、存储与应用的完整架构：

3.7 数据采集策略总结

在实际项目中，数据采集策略需根据业务场景、数据时效性要求和合规成本进行权衡。以下为四类数据的推荐采集策略对比：