4. 切片维度设计：从单维到多维的立体透视

人群切片是风控复盘的核心操作，而切片维度的设计直接决定了分析结论的深度与可执行性。本章将系统讲解单维度切片、多维度交叉切片以及时间维度切片的设计原则、适用场景与实战技巧。

4.1 单维度切片：快速定位风险分布

单维度切片是最基础的分析方式，即按一个特征维度对客群进行分组统计。它适用于快速发现风险集中区域，为后续深入分析提供方向。

4.2 多维度交叉切片：发现隐藏的风险模式

单维度切片只能看到单一特征下的风险分布，而多维度交叉切片通过组合两个或以上维度，能够揭示更深层的风险结构。交叉切片是风控策略调优的核心工具。

4.2.1 二维交叉切片

最常见的交叉形式，例如“年龄 × 职业”、“地区 × 收入水平”。以下是一个典型的二维交叉分析结果示例：

4.2.2 三维交叉切片

当二维交叉仍不足以解释风险差异时，需要引入第三个维度。例如“年龄 × 职业 × 地区”或“收入 × 负债率 × 产品类型”。三维交叉通常用于策略调优的最终验证阶段。

三维交叉的注意事项：

• 样本量门槛：每个交叉分组的样本量不应低于100笔，否则统计结果不可靠。
• 维度选择：优先选择与逾期率相关性最高的三个维度，避免盲目组合。
• 可视化辅助：三维交叉结果建议使用热力图或气泡图辅助解读。

4.3 时间维度切片：捕捉风险演变趋势

时间维度切片是风控复盘中不可或缺的一环。它帮助分析师判断风险是短期波动还是长期趋势，是策略调整的依据。

4.3.1 时间切片的基本形式

4.3.2 时间 + 单维度联合切片

将时间维度与单维度结合，可以观察不同客群的风险变化趋势。例如“每月各年龄组的逾期率变化”，能够发现某些年龄组在特定时间段的风险恶化。

-- SQL示例：按月统计各年龄组的逾期率
SELECT
    DATE_FORMAT(loan_date, '%Y-%m') AS month,
    CASE
        WHEN age BETWEEN 18 AND 25 THEN '18-25'
        WHEN age BETWEEN 26 AND 35 THEN '26-35'
        WHEN age BETWEEN 36 AND 45 THEN '36-45'
        ELSE '46+'
    END AS age_group,
    COUNT(*) AS total_loans,
    SUM(CASE WHEN overdue_days > 30 THEN 1 ELSE 0 END) AS bad_loans,
    ROUND(SUM(CASE WHEN overdue_days > 30 THEN 1 ELSE 0 END) / COUNT(*) * 100, 2) AS overdue_rate
FROM loan_table
WHERE loan_date >= '2024-01-01'
GROUP BY month, age_group
ORDER BY month, age_group;

4.3.3 时间 + 多维度联合切片

这是最复杂的切片形式，例如“每月 × 年龄 × 职业 × 地区”的逾期率变化。这种分析通常用于：

• 策略效果归因：判断策略调整是否对特定客群产生了预期效果。
• 风险迁移分析：观察高风险客群是否在时间推移中向其他维度转移。
• 季节性风险识别：发现某些交叉客群在特定月份（如春节、双十一）的风险异常。

4.4 切片维度设计全景图

以下SVG图展示了从单维度到多维度再到时间维度的完整切片体系，以及各层次之间的递进关系。

4.5 切片维度选择决策矩阵

在实际复盘中，如何快速选择合适的切片维度组合？以下决策矩阵可以帮助分析师根据分析目标匹配合适的切片方案：