3. 信用评分数据模型设计：用户画像、交易流水、外部征信数据的数据结构设计；评分卡模型输入特征定义

信用评分模型的核心在于数据。原始数据的质量、结构以及特征工程的合理性，直接决定了评分卡模型的区分能力和稳定性。本章将详细定义三类核心数据源的数据结构，并明确评分卡模型的输入特征规范，为后续Kafka实时特征计算与模型推理奠定数据基础。

3.1 三类核心数据源的数据结构设计

信用评分场景下，数据源通常分为内部用户画像、交易流水以及外部征信数据。每一类数据在Kafka消息中的序列化结构必须统一、完备且易于扩展。以下采用Avro作为序列化格式示例，因其支持Schema演化，适合流式数据管道。

3.1.1 用户画像数据（User Profile）

用户画像数据是静态或准静态的客户基础信息与行为标签，通常来自CRM系统、注册信息或历史行为汇总。该数据在Kafka中作为“慢变维度”存在，通常以用户ID为主键，每日或每小时更新一次。

3.1.2 交易流水数据（Transaction Log）

交易流水是高频、实时产生的行为数据，是信用评分模型中“行为评分”的核心输入。每条交易记录代表一次独立的金融行为，必须包含时间戳、金额、交易对手、渠道等关键信息。

3.1.3 外部征信数据（External Credit Data）

外部征信数据来自央行征信中心、百行征信、同盾等第三方机构。这类数据通常以查询接口或批量文件方式获取，在Kafka中作为“补充特征”与用户画像进行关联。数据结构需包含征信报告的核心指标。

3.2 评分卡模型输入特征定义

评分卡模型通常采用逻辑回归或XGBoost等算法，其输入特征必须经过严格的特征工程，包括缺失值处理、异常值截断、WOE编码或分箱等步骤。以下定义评分卡模型的标准输入特征集，这些特征将作为Kafka Streams实时特征计算的输出目标。

3.2.1 特征分类与定义

特征分为三大类：基础属性特征、行为特征、征信特征。每类特征在模型中的权重和业务含义不同。

3.2.2 特征计算与Kafka Streams映射

在Kafka Streams中，特征计算通过时间窗口聚合和状态存储实现。以下是一个典型的特征计算拓扑示例：

// Kafka Streams DSL 示例：计算近30天平均交易金额
KStream<String, TransactionLog> transactions = builder.stream("transaction-topic");

KTable<String, Double> avgAmount30d = transactions
    .groupByKey()
    .windowedBy(TimeWindows.of(Duration.ofDays(30)).grace(Duration.ofHours(1)))
    .aggregate(
        () -> 0.0,
        (key, value, aggregate) -> aggregate + value.getTransAmount(),
        Materialized.with(Serdes.String(), Serdes.Double())
    )
    .toStream()
    .map((windowedKey, value) -> KeyValue.pair(windowedKey.key(), value / countPerWindow));

3.3 数据模型与特征工程的整体架构

下图展示了从原始数据源到评分卡模型输入特征的完整数据流架构，涵盖Kafka主题、Streams计算节点以及特征存储。

3.4 特征数据质量监控

数据质量是评分卡模型的生命线。在Kafka链路中，必须对特征数据实施实时质量监控，避免因数据异常导致模型评分偏差。以下列出关键监控指标：

通过以上数据结构设计和特征定义，我们为信用评分模型构建了清晰、可扩展的数据基础。下一阶段将基于这些特征，在Kafka Streams中实现实时的特征计算管道，并最终驱动评分卡模型的在线推理。