2. 业务理解与数据源梳理：信贷业务全流程中的数据触点与常见数据源概览
构建额度模型的第一步，不是跑代码或调参数，而是深入理解信贷业务的全流程。只有厘清用户在“申请→审批→用信→还款”每个环节的行为与数据触点，才能精准定义样本、选择特征、避免幸存者偏差。本章将系统梳理信贷业务四大阶段的数据生成逻辑，并逐一介绍人行征信、三方数据、行为数据三大核心数据源。
2.1 信贷业务全流程与数据触点
信贷业务可抽象为四个连续阶段，每个阶段都会产生特定的数据记录，这些记录构成了额度模型样本的候选池与标签来源。
| 阶段 | 核心动作 | 数据触点（关键字段示例） | 对额度模型的意义 |
|---|---|---|---|
| 申请 | 用户提交身份信息、收入证明、贷款需求 | 申请时间、渠道来源、设备指纹、IP、联系人列表 | 定义样本入口（申请样本），识别欺诈风险 |
| 审批 | 风控系统自动/人工审核，输出决策 | 审批结果（通过/拒绝）、授信额度、利率、拒绝原因码 | 生成标签（是否通过），决定样本是否进入模型训练 |
| 用信 | 用户激活额度、提款、消费或转账 | 提款金额、提款时间、资金用途、交易对手 | 定义“好客户”行为特征，计算额度使用率 |
| 还款 | 用户按期/提前/逾期还款 | 还款日期、还款金额、逾期天数、剩余本金 | 生成核心标签（是否逾期、逾期程度），定义Y变量 |
关键认知： 额度模型通常使用“申请时点”的快照数据作为特征，使用“还款表现期”（如贷后6个月）的逾期状态作为标签。申请与审批阶段的数据决定了样本的X，还款阶段的数据决定了样本的Y。
2.2 信贷业务全流程数据流（SVG）
下图展示了从申请到还款的完整数据流转路径，以及各阶段输出的核心数据产物。
2.3 常见数据源概览
额度模型的特征数据主要来自三大数据源：人行征信、第三方数据、内部行为数据。每种数据源在覆盖度、时效性、成本、合规要求上差异显著。
2.3.1 人行征信数据
人行征信是信贷风控的“黄金标准”数据，具有权威性高、覆盖金融机构借贷行为、历史记录长的特点。额度模型通常从中提取以下维度：
- 信贷历史： 贷款笔数、授信总额、未结清余额、最大单笔授信。
- 还款表现： 逾期次数、最长逾期天数、M1/M2/M3+ 逾期标识。
- 查询记录： 近1个月/3个月/6个月机构查询次数（硬查询）。
- 公共记录： 法院执行、欠税、行政处罚等负面信息。
建模提示： 人行征信数据通常有1-3天的延迟，且部分用户（征信白户）无记录。在额度模型中，征信变量常作为“强特征”进入模型，但需结合其他数据源覆盖白户群体。
2.3.2 第三方数据
第三方数据（简称“三方数据”）用于补充人行征信的盲区，尤其在反欺诈、用户画像、收入预测方面发挥重要作用。常见类型包括：
| 数据类别 | 典型供应商/数据 | 额度模型常用特征 | 注意事项 |
|---|---|---|---|
| 身份认证 | 公安网纹、运营商实名 | 实名时长、身份证有效性 | 合规授权是前提 |
| 反欺诈 | 同盾、百融、白骑士 | 设备关联团伙数、多头借贷数、申请频次 | 注意特征时效性 |
| 收入/职业 | 社保、公积金、税务数据 | 缴存基数、连续缴存月数、单位类别 | 数据获取成本较高 |
| 消费/电商 | 京东、淘宝、支付分 | 消费金额、消费频次、历史退货率 | 需用户主动授权 |
| 社交/关系 | 运营商通话、通讯录 | 联系人数量、通话时长、夜间活跃度 | 隐私合规敏感 |
2.3.3 内部行为数据
内部行为数据是机构自身积累的用户交互记录，具有实时性强、与业务场景高度匹配的优势。对于存量客户额度模型，行为数据往往比外部数据更具预测力。
- APP/Web 行为： 登录频次、页面停留时长、功能点击路径、是否修改个人信息。
- 交易行为： 历史提款金额分布、还款方式偏好、提前还款次数、资金用途标签。
- 客服交互： 进线次数、投诉类型、是否发起额度调整申请。
- 营销响应： 是否点击提额链接、是否参与分期活动、历史优惠券使用率。
2.4 数据源对比与选择策略（SVG）
在实际建模中，需要根据模型目标（新客 vs 老客、申请评分 vs 行为评分）选择不同的数据源组合。下图从覆盖度、成本、预测力三个维度对比三大数据源。
2.5 数据源整合与样本构建的衔接
在完成业务理解与数据源梳理后，下一步工作是将上述数据源按“申请时点”对齐，形成宽表。具体步骤包括：
- 确定观察点： 以用户提交申请的时间为基准（T0）。
- 拉取特征数据： 从人行征信、三方数据、行为数据中提取T0时刻之前的历史信息。
- 定义表现期： 设定固定的贷后观察窗口（如6个月、12个月），用于收集还款标签。
- 生成样本标签： 根据表现期内最大逾期天数或最终逾期状态，定义好坏客户（如逾期≥30天为坏客户）。
- 排除样本偏差： 剔除审批被拒样本（除非建模目标为“申请通过率”），仅保留审批通过的用信样本用于额度模型训练。
常见陷阱： 直接使用全量申请样本建模会导致“样本选择偏差”——模型学到的更多是审批规则而非用户真实信用风险。额度模型通常只针对“审批通过且用信”的客群进行训练，因为只有这部分样本才有真实的还款表现标签。