2. 风控数据基础：用户画像、交易与外部数据源
支付风控系统的核心能力建立在多维数据之上。本章系统梳理风控建模所需的三类基础数据：用户画像数据、交易数据和外部数据源。理解这些数据的结构、特征和采集方式，是后续进行Python实验评估的前提。
2.1 用户画像数据
用户画像是风控系统识别用户身份、评估信用和检测异常行为的基石。它通常包含三个子维度：身份信息、设备信息和行为偏好。
2.1.1 身份信息
身份信息用于建立用户的基础档案，是风控规则中最基础的匹配字段。
| 字段 | 示例值 | 风控用途 |
|---|---|---|
| 用户ID | U12345678 | 唯一标识，关联所有行为 |
| 实名认证等级 | L3（人脸+身份证+银行卡） | 评估账户可信度，低等级账户限制交易额度 |
| 注册时间 | 2024-01-15 10:30:00 | 识别新账户风险（注册时间<24小时为高危） |
| 绑定手机号 | 138****1234 | 二次验证、号码归属地校验 |
| 绑定邮箱 | user@example.com | 找回密码、异常登录通知 |
2.1.2 设备信息
设备指纹是风控反欺诈的核心技术之一。通过采集设备硬件、软件和网络特征，生成唯一设备标识，用于识别设备篡改、模拟器和多开行为。
设备指纹关键字段：IMEI/MEID、MAC地址、Android ID、IDFA、设备型号、操作系统版本、屏幕分辨率、时区、语言、是否Root/越狱、是否开启开发者模式、代理IP检测结果。
2.1.3 行为偏好
行为数据反映用户的操作习惯，异常的行为模式往往是欺诈的前兆。
- 登录行为：登录频次、登录IP段、登录设备数、登录时间分布（是否夜间高频登录）。
- 浏览行为：页面停留时长、点击路径、商品浏览偏好。
- 支付行为：常用支付方式（银行卡/余额/第三方）、常用收款方、单笔金额习惯。
2.2 交易数据
交易数据是风控系统直接分析的对象，每条交易记录都包含金额、时间、地点、频次等核心维度。风控引擎通过分析这些维度的异常组合来识别风险。
2.2.1 交易金额
- 单笔金额：是否超出用户历史均值的3倍标准差？是否接近风控阈值（如5000元）？
- 累计金额：当日累计交易额是否超过限额？短期内大额分散交易（试探性交易）是典型欺诈特征。
- 金额精度：整数金额（如10000.00）比带小数金额（如9999.87）更可疑。
2.2.2 交易时间
- 时间窗口：凌晨2:00-5:00的交易风险系数较高。
- 交易间隔：同一用户连续两笔交易间隔小于1秒，极可能是自动化脚本操作。
- 节假日/促销日：双十一、春节等特殊日期交易量激增，风控阈值需动态调整。
2.2.3 交易地点与频次
| 维度 | 正常模式 | 异常模式 |
|---|---|---|
| 交易地点 | 常驻地（如北京、上海） | 短时间内跨省/跨国交易（如10分钟前在北京，现在在纽约） |
| 交易频次 | 日均3-5笔 | 1分钟内发起10笔以上交易（撞库/盗刷特征） |
| 收款方 | 固定商户或熟人 | 频繁向新账户、新商户转账 |
Python实验提示：在后续实验中，你将使用Pandas对交易数据进行时间序列分析，计算滑动窗口内的交易频次和金额聚合特征，并利用Scikit-learn的Isolation Forest算法检测异常交易点。
2.3 外部数据源
仅依赖内部数据难以覆盖所有风险场景。外部数据源为风控系统提供更广的视角，包括黑名单、征信数据和设备指纹服务。
2.3.1 黑名单数据
黑名单是风控的第一道防线。常见黑名单类型包括：
- IP黑名单：已知的代理IP、Tor出口节点、恶意爬虫IP段。
- 设备黑名单：被标记为欺诈设备的指纹ID。
- 账户黑名单：历史欺诈账户、羊毛党账户、垃圾注册账户。
- 银行卡黑名单：盗刷卡、洗钱卡、虚拟卡BIN段。
2.3.2 征信数据
征信数据主要用于信贷类支付场景（如花呗、白条、分期付款）。
| 数据源 | 核心字段 | 风控应用 |
|---|---|---|
| 央行征信 | 逾期记录、负债率、查询次数 | 评估用户还款能力和意愿 |
| 百行征信/朴道征信 | 多头借贷、共债风险 | 识别过度借贷用户 |
| 互联网征信（芝麻信用等） | 信用分、履约记录 | 补充评估，覆盖无征信人群 |
2.3.3 设备指纹服务
第三方设备指纹服务（如数美、同盾、极验）提供更精准的设备识别和风险标签。
- 设备唯一性：跨应用识别同一设备，即使清除缓存或重装系统。
- 风险标签：设备是否被标记为“模拟器”、“云手机”、“群控设备”、“设备农场”。
- 关联分析：同一设备关联了多少个账户？这些账户是否存在批量注册特征？
2.4 数据质量与预处理要点
在Python实验环境中，原始数据通常存在以下问题，需要预处理：
- 缺失值：设备指纹字段可能为空（如用户拒绝授权），需用占位符或均值填充。
- 异常值：交易金额为负数或超过1亿元，需进行截断或剔除。
- 格式不一致：时间字段存在“2024-01-01”和“2024/01/01”两种格式，需统一转换。
- 数据漂移：用户行为模式随时间变化，需定期更新画像特征。
注意：在风控实验中，数据泄露（Data Leakage）是常见错误。例如，使用未来时间点的交易数据来预测当前交易的风险，会导致模型在线上表现远低于离线测试。务必在时间序列上正确划分训练集和测试集。
2.5 本章小结
风控数据基础是支付风控系统的“原材料”。用户画像数据提供身份和设备维度，交易数据提供行为维度，外部数据源提供全局风险视角。在后续的Python实验中，你将学习如何采集、清洗、融合这些数据，并构建风控特征。掌握数据基础是成为一名合格风控工程师的第一步。