2. 特征巡检概述
特征巡检是金融图谱特征工程中一项持续性的质量保障活动。它通过定期或事件驱动的检查，验证特征数据的完整性、一致性、时效性与分布稳定性，确保下游模型始终基于可靠的特征输入进行推理与决策。在金融风控、反欺诈、智能营销等场景中，特征质量直接决定模型收益，巡检因此成为模型生命周期中不可或缺的环节。
2.1 特征巡检的目的与意义
特征巡检的核心目的可归纳为以下四个维度：
| 维度 | 目的 | 业务意义 |
|---|---|---|
| 完整性 | 检测特征是否存在大面积空值、缺失或截断 | 避免模型因输入缺失产生偏差，保障评分卡/决策树等模型的基础可用性 |
| 一致性 | 校验特征取值逻辑、单位、编码规则是否与设计文档一致 | 防止因上游数仓变更、ETL 脚本错误导致特征含义漂移 |
| 时效性 | 监控特征数据从产生到落表的时间延迟 | 确保实时/准实时模型能拿到最新图谱快照，避免决策滞后 |
| 分布稳定性 | 对比特征当前分布与历史基准分布的差异（PSI / KS） | 提前预警客群结构变化或数据采集异常，防止模型预测能力衰减 |
关键收益： 一次有效的特征巡检可避免因特征质量劣化导致的模型 AUC 下降 3%~8%，在亿级信贷审批场景中，这相当于减少数千万至数亿元的风险损失。
2.2 巡检在模型生命周期中的位置
特征巡检并非孤立活动，而是嵌入在模型开发、部署、监控的完整闭环中。下图展示了巡检在模型生命周期中的典型位置与上下游关系：
从图中可以看出，特征巡检位于模型监控与特征工程之间的关键反馈环上。当模型监控发现性能衰减，或定时触发条件满足时，巡检模块立即对特征质量进行扫描，并将结果反馈至特征工程环节，驱动特征回溯与优化，形成持续改进的闭环。
2.3 巡检频率与触发机制
合理的巡检频率需要在及时发现异常与控制计算成本之间取得平衡。根据金融图谱特征的特点，推荐采用以下分层策略：
2.3.1 按时间维度的固定频率巡检
| 巡检类型 | 频率 | 适用特征 | 典型检查项 |
|---|---|---|---|
| 日巡检 | 每日凌晨 T+1 | 实时/准实时特征（如交易频次、额度使用率） | 空值率、延迟时间、最新数据时间戳 |
| 周巡检 | 每周一 | 近线特征（如周均社交活跃度、周关联交易数） | 分布偏移（PSI）、极值变化、缺失模式 |
| 月巡检 | 每月初 | 离线特征（如月均收入、历史逾期标签） | 全量分布对比、特征重要性排序变化 |
2.3.2 事件驱动的触发机制
除固定频率外，以下事件应立即触发一次特征巡检：
- 模型版本更新：新模型上线前，必须对所用特征进行全量巡检，确保特征逻辑与训练时一致。
- 上游数据源变更：图谱数据源（如企业工商库、司法涉诉库、设备指纹库）发生表结构或字段映射变更时。
- 监控指标告警：模型在线监控系统检测到 AUC 下降超过 2%、拒绝率异常波动、或特征 PSI 超过 0.1 阈值时。
- 数据管道故障恢复：ETL 任务失败重跑或数据回溯后，需验证特征数据是否完整恢复。
最佳实践： 建议将固定频率巡检与事件触发巡检结合使用。日巡检作为基线扫描，事件触发作为深度扫描。当事件触发时，除检查触发原因外，还应扩大范围检查关联特征，防止“涟漪效应”导致其他特征劣化。
2.3.3 巡检触发决策流程
下图展示了从触发信号到执行巡检的完整决策流程：
注意： 紧急巡检（如模型 AUC 骤降、特征大面积缺失）必须设置自动化执行路径，跳过人工审批环节，以分钟级速度完成扫描与告警。非紧急巡检可纳入队列，由数据工程师在下一个工作窗口统一处理，避免频繁全量扫描对图谱存储与计算资源造成冲击。