2. 风控数据源：内部数据与外部数据
风控模型的效果上限取决于数据质量与数据广度。在特征工程与样本构建之前，必须系统梳理可用数据源。本章将风控数据分为内部数据与外部数据两大体系，并重点讨论三方数据的接入与评估标准。
2.1 内部数据：申请信息与行为数据
内部数据是机构自有、独占且可实时获取的数据，通常分为申请信息和行为数据两类。
| 数据类别 | 典型字段 | 数据特点 | 风控用途 |
|---|---|---|---|
| 申请信息 | 年龄、性别、学历、婚姻状况、职业、收入、居住地、联系人信息 | 静态、用户主动填写、可交叉验证 | 基础准入、身份核验、反欺诈规则 |
| 行为数据 | 登录频次、浏览时长、点击路径、填写时长、修改次数、设备信息 | 动态、实时采集、高时效性 | 行为评分、异常检测、团伙识别 |
| 交易数据 | 交易金额、交易频次、交易对手、交易时间、余额变动 | 高频、时序性强、可衍生大量特征 | 收入稳定性评估、还款能力预测 |
| 历史信贷数据 | 历史借款记录、还款记录、逾期记录、授信额度使用率 | 强金融属性、直接反映信用表现 | 信用评分卡核心变量、贷后管理 |
实践要点：申请信息中的“填写时长”与“修改次数”是低成本高价值的反欺诈特征。正常用户通常3-5分钟完成填写，而欺诈团伙常使用脚本批量提交，填写时长往往低于30秒或呈现高度一致性。
2.2 外部数据：征信、多头与黑名单
外部数据弥补内部数据的信息盲区，尤其在首次借贷用户（新客）评估中起关键作用。常见外部数据源包括：
- 征信数据：央行征信、百行征信、朴道征信等。包含个人信贷记录、公共记录（欠税、民事判决）、查询记录。特点是权威性高、覆盖广，但更新频率较低（通常T+1）。
- 多头借贷数据：用户在多个平台申请借款的记录。核心指标包括“近7天申请平台数”、“近30天申请次数”、“多头借贷指数”。多头数据对共债风险极为敏感。
- 黑名单数据：行业共享的逾期/欺诈用户名单。包括法院失信被执行人、网贷逾期黑名单、设备黑名单、IP黑名单。黑名单匹配是风控的第一道防线。
- 运营商数据：实名认证时长、通话活跃度、联系人稳定性、在网时长。用于评估用户稳定性与社交关系真实性。
- 支付数据：支付宝/微信支付流水、消费类目、消费频次。可辅助评估收入水平与消费能力。
关键指标速查：多头借贷数据中，“近7天申请平台数 ≥ 3”通常触发人工审核；“近30天申请次数 ≥ 10”直接拒绝。不同机构阈值需根据客群风险分布动态调整。
2.3 三方数据接入与评估
三方数据接入不是简单的API对接，而是包含数据评估、技术对接、效果验证、持续监控四个阶段的系统工程。
2.3.1 数据评估维度
| 评估维度 | 评估内容 | 量化指标 |
|---|---|---|
| 覆盖度 | 数据在目标客群中的可命中比例 | 命中率 ≥ 70% 为合格 |
| 准确率 | 数据与真实情况的吻合程度 | 与内部标签一致性 ≥ 85% |
| 时效性 | 数据更新频率与延迟 | 延迟 ≤ 24小时（实时类要求秒级） |
| 稳定性 | 数据在时间维度上的波动性 | PSI ≤ 0.1（月粒度） |
| 合规性 | 数据来源合法性、用户授权、数据安全 | 通过等保三级、数据脱敏合规 |
| 性价比 | 单次调用成本与模型提升效果的比值 | KS提升 ≥ 0.02 或 AUC提升 ≥ 0.01 |
2.3.2 三方数据接入流程
- 商务洽谈：明确数据字段、计费方式（按次/包月/阶梯）、SLA承诺。
- 技术联调：API接口对接、加密传输（HTTPS + RSA/AES）、签名校验、超时重试机制。
- 数据测试：使用历史样本回测，计算命中率、空值率、与内部标签的相关性。
- 效果验证：在现有模型基础上加入三方数据，观察KS/AUC提升幅度。
- 灰度上线：先覆盖5%-10%流量，监控数据质量与系统稳定性。
- 持续监控：每日监控命中率、响应时间、数据分布漂移（PSI）。
常见踩坑点：部分三方数据在测试阶段表现优异，但上线后因样本选择性偏差导致效果衰减。建议在测试阶段使用OOT（Out-Of-Time）样本验证，并设置至少1个月的观察期。
2.4 数据源融合架构
下图展示了风控系统中内部数据与外部数据的融合架构，以及数据从采集到特征加工的全链路。
2.5 数据源选择策略
在实际项目中，数据源的选择需遵循“最小必要”原则，避免过度采集导致合规风险与成本浪费。推荐按以下优先级排序：
- 第一优先级：内部行为数据（免费、实时、独占）
- 第二优先级：征信数据（权威、强金融属性）
- 第三优先级：多头借贷数据（共债风险敏感）
- 第四优先级：黑名单数据（低成本高收益）
- 第五优先级：运营商/支付数据（辅助评估）
实战案例：某消费金融公司在接入多头数据后，模型KS从0.32提升至0.41，但发现部分用户因多头查询次数过多被误杀。通过引入“多头查询时间衰减权重”特征，在保持欺诈召回率的同时，将误杀率降低了18%。