4. 标签体系：如何构建用于人群切片的标签体系
人群切片的本质是将用户群体按照特定维度进行划分，而标签体系就是这些维度的具体化、结构化表达。一个高质量的标签体系，决定了额度定价模型能否精准识别风险、匹配额度。本章聚焦于三大核心属性：人口属性、信用属性、行为属性，讲解从原始数据到可计算标签的完整构建路径。
4.1 标签体系的三层架构
在金融风控场景中，标签体系通常采用“基础层 → 衍生层 → 策略层”的三层架构。基础层直接来源于原始数据，衍生层通过计算和聚合生成，策略层则直接服务于额度定价决策。
核心原则： 标签必须满足“可获取、可计算、可解释、可验证”四性。缺失率超过 80% 的原始字段不应直接入模，需先做填充或分箱处理。
4.2 人口属性标签：用户画像的基石
人口属性是用户最基础、最稳定的特征，通常变化周期长（年为单位），适合作为长期额度策略的锚点。常见的人口属性标签包括：
| 标签类别 | 典型字段 | 数据来源 | 风控应用场景 |
|---|---|---|---|
| 身份特征 | 年龄、性别、婚姻状况 | 身份证信息、用户注册 | 年龄分段定价（如 25-35 岁优质客群提额） |
| 教育背景 | 学历、毕业院校等级 | 学信网、用户填写 | 高学历客群给予更低定价系数 |
| 职业信息 | 行业、职位、工作年限 | 社保、公积金、用户填写 | 公务员/事业单位客群额度上浮 |
| 地域属性 | 居住城市、户籍地、IP 归属地 | GPS、收货地址、IP | 区域风险系数调整（如高风险地区收紧额度） |
| 家庭状况 | 子女数量、是否有房/车 | 资产证明、用户填写 | 家庭负担因子纳入收入负债比计算 |
实战避坑： 人口属性标签的缺失率通常较低，但“学历”和“职业”字段用户填写意愿差。建议优先对接社保/公积金数据，或使用“学历预测模型”进行填充，避免直接丢弃样本。
4.3 信用属性标签：风险定价的核心
信用属性直接反映用户的还款意愿和还款能力，是额度定价模型中权重最高的标签组。信用属性标签分为“人行征信类”和“替代数据类”两大来源。
4.3.1 人行征信衍生标签
- 逾期程度标签： 当前逾期天数、历史最高逾期天数、近 12 个月逾期次数（M1/M2/M3+ 分别统计）
- 负债水平标签： 总授信额度使用率、信用卡近 6 个月平均使用额度、贷款笔数
- 查询行为标签： 近 3 个月征信查询次数、查询机构数、贷后管理查询占比
- 信贷历史标签： 首笔信贷距今月数、信贷账户总数、已结清账户占比
4.3.2 替代数据信用标签
| 数据源 | 标签示例 | 计算逻辑 |
|---|---|---|
| 运营商数据 | 通话稳定性指数 | 近 6 个月通话号码去重数 / 总通话次数，值越低越稳定 |
| 电商消费数据 | 消费能力等级 | 近 3 个月月均消费金额分箱（低/中/高/超高） |
| 社交网络数据 | 社交关系风险分 | 通讯录中黑名单用户占比 × 100 |
| 设备指纹数据 | 设备关联团伙数 | 同一设备登录过的用户数，超过阈值标记为“团伙风险” |
合规红线： 替代数据的使用必须遵循“最小必要”原则。运营商通话详单、通讯录内容等敏感信息，严禁直接存储原始数据，只能输出脱敏后的聚合标签（如“通话稳定性指数”而非具体号码）。
4.4 行为属性标签：动态调额的引擎
行为属性标签反映用户在产品内的实时表现，是触发额度动态调整的关键信号。行为标签的更新频率通常为 T+1 或实时，适合做“事件驱动型”定价。
4.5 标签体系的构建流程
从原始数据到可用的标签，需要经过以下标准化流程：
- 数据接入与探查： 对接数据源（征信、运营商、电商、设备等），进行缺失率、异常值、分布形态探查。
- 数据清洗与标准化： 处理空值、去重、格式统一（如日期统一为 yyyy-MM-dd，金额统一为分）。
- 特征衍生： 基于业务逻辑生成衍生标签（如“近 3 个月逾期率 = 逾期次数 / 应还款次数”）。
- 分箱与离散化： 连续变量（如年龄、金额）按业务意义或等频/等距分箱，转换为类别标签。
- 标签质量评估： 计算每个标签的 IV 值（信息量）、缺失率、稳定性（PSI 指标），筛选入模标签。
- 标签上线与监控： 将标签写入数据仓库，配置 T+1 或实时更新任务，设置异常值告警。
实战案例： 某消费金融公司构建“收入负债比”标签时，发现直接使用用户填写的“月收入”缺失率高达 45%。最终采用“公积金基数 × 1.2 + 近 3 个月银行流水月均入账 × 0.8”的融合估算方式，将缺失率降至 8%，IV 值从 0.12 提升至 0.31。
4.6 标签体系的维护与迭代
标签体系不是一成不变的，需要定期进行以下维护：
| 维护动作 | 频率 | 触发条件 | 输出物 |
|---|---|---|---|
| 稳定性监控 | 每周 | PSI > 0.1 | 标签分布偏移报告 |
| 有效性评估 | 每月 | 模型迭代前 | IV 值衰减清单 |
| 新增标签开发 | 按需 | 新数据源接入 / 新风险模式出现 | 标签开发文档 + 测试结果 |
| 废弃标签下线 | 每季度 | IV < 0.02 且连续 3 个月无调用 | 下线审批 + 历史数据归档 |
效率建议： 建立标签元数据管理平台，记录每个标签的“血缘关系”（数据来源 → 计算逻辑 → 应用策略），方便排查问题和评估影响面。推荐使用 Apache Atlas 或自建轻量级标签字典。