批次偏移的典型成因

授信决策引擎的批次偏移，本质上是模型输入分布与训练时假设分布之间的系统性偏离。根据大量生产环境诊断案例，偏移成因可归纳为三大类：上游数据源变更、特征工程版本迭代、决策逻辑暗含时间依赖。以下逐一拆解其机理与典型案例。

2.1 上游数据源变更

上游数据源变更是批次偏移最频繁的诱因。数据仓库、第三方数据供应商、内部业务系统的字段定义、填充率、更新频率发生变化时，模型输入分布会随之漂移，而训练集无法感知这些变化。

典型案例：第三方多头借贷数据源字段口径变更

诊断过程：监控系统发现“多头借贷类特征”的 PSI 连续 3 天超过 0.25 阈值。回溯上游数据源日志，发现第三方供应商在未通知的情况下调整了查询口径。修复方案：与供应商确认口径变更时间点，对训练集进行重采样或引入版本化字段标识。

2.2 特征工程版本迭代

特征工程是模型迭代最活跃的模块。分箱边界调整、缺失值填充策略变更、衍生特征计算逻辑修改，都会导致同一原始数据产出不同的特征值，从而引发批次偏移。

典型案例：收入分箱边界调整导致评分分布偏移

某消费信贷模型使用“月收入”分箱特征，原始分箱边界为：

分箱版本 v1.0（训练集）：
  [0, 3000)   → 等级1
  [3000, 8000) → 等级2
  [8000, 15000) → 等级3
  [15000, +∞)  → 等级4

因业务需要，特征工程团队将分箱边界调整为：

分箱版本 v2.0（生产上线）：
  [0, 5000)   → 等级1
  [5000, 10000) → 等级2
  [10000, 20000) → 等级3
  [20000, +∞)  → 等级4

边界调整后，原本属于等级2（月收入 3000-8000）的用户中，收入在 5000-8000 的群体被划入等级1，导致该等级的用户违约率从 8% 跃升至 15%，模型区分度下降。

2.3 决策逻辑暗含时间依赖

授信决策引擎中，许多特征和规则隐式依赖时间窗口。例如“近30天最大逾期天数”、“近3个月查询次数”、“当前月份是否为促销季”。当时间窗口跨越自然月、季度或节假日时，特征分布会呈现周期性偏移，若模型未做时间对齐，就会产生批次偏移。

典型案例：跨月批次中“近30天查询次数”分布突变

某现金贷产品在每月 1 号出现批次偏移告警。经排查，“近30天查询次数”特征在月末最后一天与月初第一天的分布差异显著：

• 月末批次（如 1月31日）：近30天窗口覆盖整个1月，包含元旦假期后的查询高峰，均值 12.5 次。
• 月初批次（如 2月1日）：近30天窗口从1月2日到2月1日，恰好避开了元旦高峰，均值降至 8.3 次。
• 模型影响：月初批次用户因查询次数偏低，评分普遍偏高，通过率上升 7%，但坏账率随之上升 2.3%。

诊断与修复方法

三类成因对比总结

在实际生产环境中，三类成因往往交织出现。例如上游数据源变更可能触发特征工程默认值填充逻辑变化，进而放大时间依赖效应。因此，批次偏移诊断需要建立从原始数据到最终评分的全链路监控体系，而非孤立地检查某一环节。