1. 沙盘推演总览：课程目标、沙盘规则、数据质量对风控的重要性、整体推演流程

1.1 课程目标：从“被动救火”到“主动防御”

本课程旨在通过沙盘推演，帮助风控与数据团队建立一套可落地、可度量的数据质量优化体系。完成本课程后，学员将能够：

• 识别关键风险点：在风控全链路中定位数据缺失、延迟、不一致等核心病灶。
• 量化质量损失：将数据质量问题映射为坏账率、通过率、误杀率等业务指标。
• 制定优化策略：掌握从源头治理、清洗规则到监控告警的闭环方案。
• 推演决策效果：在沙盘环境中验证策略有效性，降低试错成本。

1.2 沙盘规则：模拟真实风控数据环境

本次推演采用“回合制+事件驱动”模式，每轮代表一个业务周期（如1天或1周）。学员将扮演风控数据治理小组，面对不断注入的脏数据与突发故障。

1.3 数据质量对风控的重要性：数字背后的代价

数据质量低下是风控策略失效的头号隐形杀手。以下是一组来自行业基准的对比数据，直观展示质量差异带来的业务影响：

1.4 整体推演流程：六步闭环法

整个沙盘推演遵循“诊断 → 清洗 → 监控 → 迭代”的闭环逻辑，具体分为以下六个步骤：

1. 数据全景扫描：使用预设的数据质量看板，识别当前数据集的完整性、唯一性、一致性异常。
2. 根因分析：针对TOP3问题字段，追溯是源系统接口故障、人工录入错误还是ETL逻辑缺陷。
3. 策略制定与资源分配：在治理积分约束下，选择修复方案（如：重跑历史数据、增加校验规则、升级接口）。
4. 沙盘执行：系统模拟策略执行后的数据变化，并生成新的风控报表。
5. 效果评估：对比策略前后的Q-Score与风控指标（坏账率、通过率、误杀率）。
6. 复盘与归档：记录成功经验与失败教训，更新数据治理知识库。