3. 特征定义与元数据管理

特征定义是规则引擎与风控系统的“数据契约”。没有规范的特征命名、清晰的特征类型划分以及可扩展的元数据模型，特征将退化为难以维护的“魔法数字”。本节从命名规范、类型体系、元数据模型三个层面，建立特征工程的基础设施。

3.1 特征命名规范

特征命名必须同时满足可读性（业务人员能理解）和唯一性（系统不会冲突）。推荐采用分层命名法，格式如下：

[业务域]_[实体类型]_[指标名称]_[聚合维度]_[时间窗口]

各字段说明：

命名示例：

• fraud_user_login_count_1d — 用户近1天登录次数
• payment_order_amount_sum_7d — 订单近7天支付金额总和
• loan_device_apply_ratio_30d — 设备近30天申请通过率

3.2 特征类型体系

特征类型决定了计算逻辑、存储方式以及规则引擎的匹配策略。将特征划分为四种基础类型：

类型转换规则：

• 布尔型可转为数值型（true→1, false→0）
• 枚举型可转为数值型（通过字典映射）
• 文本型不可自动转为数值型，需显式定义解析逻辑

3.3 特征元数据模型设计

元数据是特征的“身份证”，支撑特征发现、血缘追踪、质量监控和版本管理。一个完整的特征元数据模型包含以下核心字段：

3.4 特征元数据模型架构

下图展示了特征元数据模型的核心实体关系，以及特征从定义到上线、再到废弃的完整生命周期：

3.5 特征注册与发现流程

特征从开发到上线需经过标准化注册流程，确保元数据完整且可被规则引擎发现：

1. 特征设计：确定特征名称、类型、数据来源和加工逻辑
2. 元数据录入：填写元数据模型所有必填字段，提交至元数据中心
3. 质量校验：自动检查命名规范、类型合法性、值范围约束
4. 测试验证：在沙箱环境运行特征计算，比对预期结果
5. 发布上线：特征状态置为 active，规则引擎可实时引用
6. 监控告警：监控特征空值率、分布偏移、计算延迟

3.6 特征元数据查询与血缘

下图展示了特征血缘追踪的典型场景，帮助定位特征的数据来源和下游使用情况：

3.7 特征元数据管理平台功能清单

一个完整的特征元数据管理平台应包含以下核心功能模块：