1. 风控切片概述
1.1 什么是人群切片
人群切片（Cohort Slicing）是指从全量用户或事件流中，按照一组预定义的业务或风险维度，实时筛选出一个具有共同特征的子集，并针对该子集独立执行风控策略、模型评分或统计分析。在实时风控场景中，切片不是简单的“过滤”，而是一种动态、可组合、低延迟的数据划分手段。
典型的切片维度包括：
- 用户属性：新客/老客、会员等级、注册渠道、设备指纹
- 行为特征：高频操作、跨设备登录、夜间交易、IP 归属地突变
- 风险标签：历史黑名单、关联团伙、设备异常、信用分区间
- 业务场景：支付、借贷、营销、登录、内容发布
核心定义：人群切片 = 维度组合 + 实时条件 + 独立策略空间。切片不是静态报表，而是实时决策的“最小执行单元”。
1.2 切片在实时风控中的核心价值
实时风控系统每秒处理数万至数百万事件，全量分析在延迟和计算成本上均不可行。人群切片通过“分而治之”的思路，带来四个关键价值：
| 价值维度 | 说明 | 典型收益 |
|---|---|---|
| 降低延迟 | 只对命中切片的流量执行复杂模型，避免全量串行计算 | P99 延迟从 200ms 降至 30ms |
| 策略差异化 | 不同切片可绑定不同的规则集、模型阈值或处置动作 | 高价值客群通过率提升 15%，同时欺诈拦截率不变 |
| 资源隔离 | 高优先级切片独占计算资源，防止低价值流量挤占 | 核心支付场景可用性从 99.9% 提升至 99.99% |
| 可观测性 | 每个切片独立统计通过率、拒绝率、模型分数分布 | 异常波动定位时间从小时级缩短到分钟级 |
1.3 切片与全量分析的对比
全量分析（Batch/Full Scan）在离线报表、模型训练、事后审计中仍然重要，但在实时决策场景下，切片分析具有压倒性优势。以下从六个关键维度进行对比：
| 对比维度 | 全量分析 | 人群切片分析 |
|---|---|---|
| 数据范围 | 全部用户或全部事件 | 仅命中切片条件的子集 |
| 计算延迟 | 分钟级 ~ 小时级 | 毫秒级 ~ 秒级 |
| 策略粒度 | 全局统一策略 | 切片级差异化策略 |
| 资源消耗 | 线性增长，成本高 | 按需分配，成本可控 |
| 适用场景 | 离线报表、模型训练、审计 | 实时决策、在线拦截、动态处置 |
| 异常发现 | 事后回溯，发现滞后 | 实时监控，秒级告警 |
实践建议：不要试图用全量分析替代切片。在实时风控架构中，两者是互补关系——全量分析负责“训练与校准”，切片分析负责“实时执行与反馈”。一个健康的系统通常同时保留两种能力。
常见误区：切片不是“缩小版的全量分析”。切片在维度组合、策略绑定、实时性要求、资源隔离等方面与全量分析有本质区别。将全量分析的 SQL 查询直接套用到实时切片上，往往会导致性能灾难或策略失效。