1. 课程导论：金融实体解析的定义、回放对比评审的核心理念、课程目标与适用人群
1.1 金融实体解析的定义
金融实体解析（Financial Entity Resolution，FER）是指从异构、多源、海量的金融数据中，识别、关联并合并指向同一真实世界金融主体（如个人、企业、账户、交易对手）的过程。其核心目标是在数据孤岛之间建立统一的实体视图，消除重复、冲突与歧义。
| 维度 | 说明 | 典型场景 |
|---|---|---|
| 实体类型 | 个人、法人、账户、金融产品、交易对手 | KYC、反洗钱、信用评估 |
| 数据来源 | 核心银行、支付、征信、工商、舆情 | 跨系统客户归并 |
| 解析动作 | 匹配、合并、拆分、标记、版本化 | 重复客户去重 |
| 输出产物 | 黄金记录、实体图谱、解析日志 | 监管报送、风险画像 |
关键认知：金融实体解析不是一次性ETL任务，而是持续演进的数据治理闭环。每一次解析决策都可能影响风控规则、监管合规与客户体验。
1.2 回放对比评审的核心理念
回放对比评审（Replay-Compare Review，RCR）是一种针对实体解析结果的可追溯、可复现、可审计的质量保障方法。其核心理念包含三个层次：
- 回放（Replay）：将历史解析过程按时间轴或版本顺序重新执行，保留每一步的输入、规则、中间状态与输出。
- 对比（Compare）：将回放结果与基准版本（如人工标注、生产快照、监管要求）进行结构化差异分析。
- 评审（Review）：基于差异报告，由数据治理专家、业务分析师与系统工程师共同判定解析逻辑的正确性与优化方向。
实践要点：RCR 强调“可观测性”——不仅看最终合并结果，更要看为什么合并、为什么拆分、为什么跳过。这是传统数据质量工具无法覆盖的深度。
1.3 课程目标
通过本课程的系统学习，学员将掌握以下核心能力：
- 理解金融实体解析的完整生命周期：从数据接入、特征工程、匹配规则到合并策略与版本管理。
- 掌握回放对比评审的方法论与工具链：包括回放日志设计、差异分析算法、评审报告生成与问题闭环。
- 具备数据治理视角下的评审决策能力：能够识别解析逻辑中的偏差、漏报与误报，并给出可落地的优化建议。
- 建立可审计、可追溯的实体解析管理体系：满足金融监管对数据质量与数据血缘的合规要求。
1.4 适用人群
| 角色 | 学习收益 | 前置知识建议 |
|---|---|---|
| 数据治理工程师 | 掌握实体解析质量评估与问题定位方法 | SQL、数据建模基础 |
| 金融风控分析师 | 理解实体解析对风险聚合与关联分析的影响 | 风控规则、反洗钱流程 |
| 数据架构师 | 设计可回放、可评审的解析系统架构 | 分布式系统、数据仓库 |
| 监管合规人员 | 建立实体解析的审计证据链与合规报告 | 金融监管要求、数据安全 |
| 数据产品经理 | 定义实体解析产品的功能需求与质量指标 | 产品设计、用户故事 |
重要提示：本课程不要求学员具备机器学习或自然语言处理背景，但建议对金融数据模型（如客户信息、账户结构、交易流水）有基本认知。课程中涉及的所有算法与工具均会从原理到实践逐步展开。