2. 风控业务理解与数据采集：信贷业务场景、欺诈与信用风险、数据源类型
在构建风控特征工程之前，必须深入理解信贷业务的全貌。特征不是凭空产生的，而是从业务场景、风险类型和数据源中提炼出来的。本章将系统梳理信贷业务的核心场景、欺诈与信用风险的本质区别，以及常见的数据源类型，为后续的样本分层与特征设计奠定业务基础。
2.1 信贷业务核心场景与风险节点
信贷业务通常遵循“获客 → 申请 → 审批 → 放款 → 还款 → 催收”的完整生命周期。不同阶段的风险特征差异巨大，特征工程需要针对每个节点设计不同的特征集。
| 业务阶段 | 核心动作 | 主要风险类型 | 特征关注点 |
|---|---|---|---|
| 获客 | 广告投放、渠道引流 | 渠道欺诈、羊毛党 | 设备指纹、IP 聚集、渠道转化率 |
| 申请 | 用户填写信息、提交资料 | 身份冒用、资料伪造 | 信息一致性、活体检测、黑名单 |
| 审批 | 规则引擎 + 模型打分 | 信用违约、多头借贷 | 征信报告、收入负债比、多头指数 |
| 放款 | 资金划拨 | 交易欺诈、账户盗用 | 银行卡四要素、交易频次 |
| 还款 | 按期还款、提前还款 | 逾期、失联 | 还款行为序列、联系稳定性 |
| 催收 | 短信/电话提醒、委外催收 | 恶意逃废债 | 失联天数、催收响应率 |
业务启示： 特征工程不是一次性工作。在申请阶段构造的“多头借贷特征”在贷后阶段需要更新为“多头逾期特征”。特征的生命周期必须与业务阶段对齐。
2.2 欺诈风险 vs 信用风险：本质差异
很多初学者容易混淆欺诈风险与信用风险。两者在行为动机、数据表现和建模方法上有本质区别。下表总结了关键差异：
| 对比维度 | 欺诈风险 | 信用风险 |
|---|---|---|
| 行为动机 | 主观恶意，无还款意愿 | 还款能力不足，但有还款意愿 |
| 数据特征 | 异常聚集、设备伪造、信息矛盾 | 收入低、负债高、历史逾期 |
| 样本分布 | 极度稀疏（通常 < 5%） | 相对常见（5% - 30%） |
| 建模方法 | 无监督异常检测、图网络、规则 | 有监督分类、评分卡、GBDT |
| 特征时效性 | 实时/近实时（秒级） | 周期性（月/季度） |
| 典型标签 | 首期逾期（FPD30）、团伙标记 | 逾期 90+、坏账核销 |
常见误区： 不要将欺诈样本直接混入信用模型训练。欺诈样本的“逾期”行为与信用样本的“逾期”行为在成因上完全不同。建议在样本分层阶段将欺诈样本单独拆分或使用对抗训练。
2.3 数据源类型：三方数据、埋点与征信
风控特征工程的数据源可以归纳为三大类：三方数据、用户行为埋点数据和征信数据。每种数据源在覆盖范围、实时性和成本上各有优劣。
2.3.1 三方数据
三方数据指由独立第三方机构提供的、用于辅助风控决策的外部数据。常见类型包括：
- 身份核验类： 公安网纹、运营商实名、银行卡四要素。
- 黑名单类： 法院失信、网贷黑名单、欺诈共享名单。
- 多头借贷类： 百融多头、同盾多头、聚信立。
- 设备指纹类： 数美、极验、同盾设备指纹。
2.3.2 用户行为埋点数据
埋点数据是用户在 APP 或 H5 页面上的操作行为记录，具有高实时性和强个性化特征。典型埋点字段包括：
| 埋点类型 | 示例字段 | 风控用途 |
|---|---|---|
| 页面浏览 | 停留时长、页面跳转路径 | 识别机器操作（停留过短） |
| 输入行为 | 输入速度、粘贴/删除次数 | 识别资料伪造（大量粘贴） |
| 设备传感器 | 陀螺仪、光线传感器、电量 | 识别模拟器（传感器异常） |
| 网络环境 | WiFi 名称、基站 ID、IP | 识别代理/VPN |
2.3.3 征信数据
征信数据是传统金融机构最核心的数据源，包括央行征信和百行征信等。征信报告中的关键特征字段：
- 信贷历史： 贷款笔数、授信总额、未结清余额。
- 逾期记录： 逾期次数、最长逾期天数、逾期金额。
- 查询记录： 近 1/3/6 个月查询次数、查询机构数。
- 公共记录： 公积金、社保、税务信息。
特征融合建议： 三方数据适合做“广度覆盖”，埋点数据适合做“深度行为分析”，征信数据适合做“信用历史评估”。在特征工程中，建议将三类数据源的特征进行交叉组合，例如“三方多头次数 × 埋点申请速度”可以更有效地识别团伙欺诈。
2.4 数据采集的常见问题与避坑
在实际风控项目中，数据采集阶段经常遇到以下问题，直接影响后续特征工程的质量：
- 数据缺失不随机： 三方数据接口超时、用户拒绝授权等导致缺失，缺失模式本身可能包含风险信号（如拒绝授权往往与欺诈正相关）。
- 数据时效性不足： 征信数据通常 T+1 更新，而欺诈行为可能在分钟级内完成。埋点数据需要实时采集。
- 数据孤岛： 不同数据源之间缺乏统一用户 ID 映射，导致特征无法对齐。建议使用设备 ID + 手机号 + 身份证三重关联。
- 数据合规风险： 个人信息保护法实施后，数据采集必须遵循“最小必要”原则，避免过度采集。
实战经验： 在数据采集阶段，建议同步记录数据质量元信息（如接口响应时间、数据完整率、字段缺失率）。这些元信息本身可以作为特征工程的输入，例如“三方数据接口超时次数”在反欺诈场景中是一个强特征。