风控数据SQL标签口径校准项目实战案例 - 第1节

1.1 风控数据标签：信贷决策的“数字基因”

在信贷风控体系中，数据标签是将原始用户数据转化为可量化、可决策的“数字基因”。无论是申请评分卡、行为评分卡，还是反欺诈规则引擎，其底层依赖的都是经过严格定义的标签变量。一个标签的准确与否，直接决定了模型区分度的上限和策略规则的命中精度。

1.1.1 标签在风控全链路中的关键作用

1.2 口径不一致：风控数据资产的“隐形黑洞”

在实际项目中，口径不一致是导致标签失效、模型迭代缓慢、跨团队协作冲突的最常见原因。它往往不是单一技术问题，而是业务理解、数据加工、代码实现三层面的系统性偏差。

1.2.1 口径不一致的三大典型场景

• 时间窗口歧义： “近3个月”是自然月、滚动90天，还是按账单周期？不同团队计算同一标签，结果可能相差20%以上。
• 业务逻辑遗漏： “逾期天数”是否包含宽限期？是否剔除节假日？是否区分首期逾期与连续逾期？
• SQL实现差异： 同一业务逻辑，因使用 DISTINCT、LEFT JOIN 与 INNER JOIN、窗口函数 RANK() 与 ROW_NUMBER() 的细微差别，导致结果集不一致。

1.3 本课程项目目标与预期成果

本课程以一个真实的信贷风控数据集为蓝本，模拟从标签定义混乱、口径冲突，到最终建立标准化标签资产库的完整校准过程。你不仅会学到SQL技巧，更会掌握一套可复用的标签口径治理方法论。

1.3.1 项目核心目标

1. 建立标签口径标准规范： 统一时间窗口、聚合逻辑、异常值处理、空值填充规则。
2. 实现SQL标签口径校准： 对存量混乱标签进行逐字段溯源、比对、修正，输出口径一致的标签宽表。
3. 构建标签血缘与监控体系： 通过元数据管理，让每个标签的加工链路可追溯、可复现。

1.3.2 预期交付成果清单