风控数据质量看板搭建教程 - 第1节
1.1 风控数据质量：决策的生命线
在信贷、支付、保险等金融业务中，风控决策引擎每天处理海量数据。数据质量直接决定模型区分度与策略有效性。低质量数据会导致误杀（拒绝优质客户）或漏过（放过欺诈分子），造成直接经济损失。
| 数据质量问题 | 典型表现 | 风控后果 |
|---|---|---|
| 缺失值 | 收入字段为空、手机号缺失 | 评分卡无法计算，策略规则失效 |
| 异常值 | 年龄=200、交易金额为负数 | 模型输出漂移，误判概率上升 |
| 时效性差 | 使用3天前的多头数据 | 无法反映用户最新负债状态 |
| 不一致性 | 同一客户不同系统性别不同 | 身份核验失败，拒绝率异常 |
| 重复数据 | 同一笔申请出现多次 | 重复授信，资金损失风险 |
核心观点： 风控数据质量不是IT问题，而是业务风险问题。每1%的数据质量提升，可能带来0.5%~2%的坏账率下降。
1.2 看板在风控决策中的核心作用
数据质量看板不是简单的报表展示，而是连接数据生产端与决策消费端的可视化桥梁。它帮助风控分析师、数据工程师、策略经理快速定位数据异常，缩短问题发现与修复的MTTR（平均修复时间）。
看板价值： 从被动响应（业务投诉后排查）转向主动监控（数据异常实时告警），将数据治理从成本中心转变为风险控制的前沿阵地。
1.3 课程目标与学习路径
本课程旨在帮助学员从零搭建一套生产级风控数据质量看板，覆盖数据采集、质量度量、可视化展示、告警响应全流程。
课程目标
- 掌握 风控数据质量的核心维度与度量指标（完整性、准确性、一致性、时效性、唯一性）。
- 学会 使用SQL/Python进行数据质量探查与异常检测。
- 能够 设计并实现多层级数据质量看板（概览层、明细层、趋势层）。
- 具备 数据质量问题的根因分析能力与告警策略配置能力。
学习路径
前置要求： 学员需具备基础SQL能力，了解风控业务基本概念（如授信、逾期、多头借贷）。本课程不涉及机器学习模型训练，聚焦数据质量工程化落地。