2. 沙盘推演概念引入：定义、应用与风控数据质量价值

沙盘推演（Sand Table Exercise / Wargaming）并非风控领域的独创概念。它起源于军事领域的兵棋推演，后经商业战略领域广泛验证，最终被引入数据治理与风控体系。理解其本源与演进，是掌握风控数据质量沙盘推演方法论的前提。

2.1 沙盘推演的定义

沙盘推演是一种结构化、交互式的模拟决策过程。参与者基于预设的规则、数据和场景，在缩微模型或虚拟环境中推演不同决策可能引发的连锁反应，从而预判风险、优化策略、训练团队。

2.2 在军事与商业领域的经典应用

沙盘推演的价值已在两个领域得到充分验证，其方法论可直接迁移至风控数据质量管理。

2.2.1 军事领域：兵棋推演

• 红蓝对抗： 设定敌方（红方）行动预案，己方（蓝方）制定应对策略，推演战损比与关键节点控制。
• 后勤保障推演： 模拟补给线中断、弹药消耗速率，验证后勤数据（库存、运输）的准确性与时效性对战役的影响。
• 决策复盘： 战后基于实际战报数据，反向推演“如果当时选择另一条路线，结果会如何”。

2.2.2 商业领域：战略与运营推演

• 市场进入策略： 模拟不同定价、渠道投放组合下的市场份额与利润变化。
• 供应链风险推演： 假设某核心供应商断供，推演库存缓冲期、替代供应商切换成本及对客户交付的影响。
• IT系统灾备推演： 模拟数据库主库宕机，验证备份恢复流程、数据一致性校验脚本的有效性。

2.3 引入风控数据质量管理的核心价值

将沙盘推演引入风控数据质量管理，并非简单的概念移植，而是为了解决传统数据治理中“事后补救、被动响应、责任不清”的三大痛点。其价值体现在以下四个层面：

1. 前置风险暴露： 在数据进入风控模型或决策引擎之前，通过推演模拟“数据缺失”、“字段错位”、“时间戳异常”等场景，提前发现可能引发模型失效或误判的隐患。
2. 量化影响评估： 将数据质量问题与业务损失直接挂钩。例如：推演“客户收入字段缺失率从5%上升至15%”时，风控模型AUC下降多少？坏账率上升多少BP？
3. 优化治理优先级： 通过推演结果，识别出“对风控决策影响最大”的数据质量维度，从而将有限的治理资源投入到最关键的数据字段上，避免“眉毛胡子一把抓”。
4. 建立跨部门协同机制： 沙盘推演需要数据团队、风控团队、业务团队共同参与。在推演过程中，各方对数据质量的定义、容忍度、修复时效达成共识，形成可执行的SLA。

2.4 沙盘推演在风控数据质量中的定位

下图展示了沙盘推演在风控数据质量管理体系中的位置，它处于“数据质量监控”与“风控策略调优”之间的关键桥梁环节。

2.5 沙盘推演与传统数据治理的对比

为了更清晰地理解沙盘推演的独特价值，下表将其与传统数据治理方法进行对比：