2. 数据质量基础：风控场景下的六大维度

在风控数据治理中，数据质量不是抽象概念，而是直接影响模型效果、策略执行与监管合规的硬指标。本章将六大维度——完整性、准确性、一致性、及时性、唯一性、有效性——逐一映射到风控业务场景，明确每个维度的定义、典型问题与度量方式。

2.1 完整性（Completeness）

定义：数据记录中关键字段是否存在缺失或空值。在风控场景中，完整性直接影响特征计算与规则命中。

• 典型问题：身份证号缺失、收入字段为空、联系人手机号未填。
• 度量方式：字段缺失率 = 缺失记录数 / 总记录数 × 100%。
• 风控影响：缺失率超过 5% 的特征通常被降级或剔除，导致模型 AUC 下降 0.02~0.05。

2.2 准确性（Accuracy）

定义：数据值反映真实业务事实的程度。风控决策依赖准确的数据，否则将产生误杀或漏过。

• 典型问题：年龄录入为负数、交易金额小数点错位、职业分类与事实不符。
• 度量方式：准确率 = 正确记录数 / 总记录数 × 100%；或通过交叉验证（如与第三方征信比对）。
• 风控影响：收入字段误差超过 20% 会导致信用评分偏差 30~50 分。

2.3 一致性（Consistency）

定义：同一数据实体在不同系统、不同时间点或不同字段间的逻辑关系保持统一。风控数据通常来自多个源（如核心系统、风控引擎、第三方），一致性是融合分析的前提。

• 典型问题：客户姓名在 CRM 与风控系统中不一致；同一笔交易在账务系统与风控系统的金额不同。
• 度量方式：一致性比率 = 一致记录数 / 关联记录总数 × 100%。
• 风控影响：不一致率超过 2% 时，规则引擎可能产生冲突决策。

2.4 及时性（Timeliness）

定义：数据从产生到可被风控系统使用的时间延迟。实时风控场景对及时性要求极高。

• 典型问题：交易数据延迟超过 5 分钟、征信报告 T+2 才更新、黑名单同步滞后。
• 度量方式：延迟时间（秒/分钟/小时）；或按时到达率 = 按时到达记录数 / 总记录数 × 100%。
• 风控影响：延迟超过 10 分钟的交易数据，欺诈检测模型效果下降 15%~25%。

2.5 唯一性（Uniqueness）

定义：数据集中不存在重复的主键或业务实体记录。风控系统中重复记录会导致统计偏差与决策冗余。

• 典型问题：同一客户产生多条进件记录、同一笔交易被重复记账、黑名单 ID 重复。
• 度量方式：重复率 = 重复记录数 / 总记录数 × 100%。
• 风控影响：重复率超过 1% 时，多头借贷统计可能虚高 10%~20%。

2.6 有效性（Validity）

定义：数据值符合预定义的格式、类型、值域或业务规则。有效性是数据可用的基本门槛。

• 典型问题：手机号不足 11 位、身份证校验位错误、日期格式为“2025/02/30”（无效日期）。
• 度量方式：有效通过率 = 通过校验记录数 / 总记录数 × 100%。
• 风控影响：无效数据直接导致规则无法执行或模型报错，严重时引发生产事故。

2.7 六大维度在沙盘推演中的联动关系

在沙盘推演工具中，六大维度并非孤立存在。调整一个维度的质量参数，会连锁影响其他维度与最终风控效果。下表总结了常见联动场景：