4. 巡检体系设计：巡检的维度与分级策略

金融知识图谱的特征巡检不是一次性的质量检查，而是一套持续运行的监控体系。设计巡检体系时，需要从四个核心维度出发，并针对不同业务场景制定分级策略，确保巡检结果既能反映真实质量，又能指导后续治理动作。

4.1 巡检的四个核心维度

金融知识图谱的特征质量可拆解为四个正交维度：完整性、一致性、时效性、准确性。每个维度对应不同的巡检指标和检测方法。

4.2 四维巡检流程框架

下图展示了从数据源到巡检结果输出的完整流程，四个维度并行检测，最终汇聚到分级评估模块。

4.3 分级策略设计

不同业务场景对特征质量的要求差异巨大。例如，风控模型中的“企业黑名单”特征要求秒级准确，而“行业分类”特征允许小时级更新。因此，巡检体系需要引入分级策略，将特征按业务影响程度划分为不同等级，并匹配差异化的巡检频率和阈值。

4.3.1 三级分级模型

4.3.2 分级策略与巡检维度的联动

不同等级的特征，在四个维度上的巡检权重也应不同。例如，L1 特征更关注准确性和时效性，而 L3 特征可能更关注完整性。下表展示了分级与维度的联动配置示例：

4.4 分级巡检执行流程

在实际执行中，分级策略需要嵌入到巡检调度引擎中。以下是一个典型的执行流程：

1. 特征注册与分级：每个特征在入库时，由数据治理团队根据业务影响评估其等级（L1/L2/L3）。
2. 调度策略匹配：巡检引擎根据特征等级自动匹配巡检频率、检测规则和权重配置。
3. 四维并行检测：按照 4.1 节的方法，对特征进行完整性、一致性、时效性、准确性检测。
4. 分级评分计算：根据等级对应的权重公式，计算综合质量评分。
5. 阈值判定与告警：将评分与等级对应的容忍阈值比较，低于阈值则触发告警。
6. 治理工单生成：根据告警等级，自动生成不同优先级的治理工单（L1 告警 → 紧急工单，L2 → 普通工单，L3 → 低优先级工单）。

4.5 分级策略的 SVG 架构图

下图展示了分级策略从特征注册到治理工单的完整架构，重点体现等级与巡检维度的联动关系。

4.6 分级策略的代码实现示例

以下是一个简化的分级策略配置代码，使用 Python 字典定义等级与维度的联动关系：

# 分级策略配置示例
GRADE_CONFIG = {
    "L1": {
        "frequency": "hourly",
        "weights": {"completeness": 0.2, "consistency": 0.2, "timeliness": 0.3, "accuracy": 0.3},
        "thresholds": {"completeness": 0.999, "accuracy": 0.995},
        "alert_level": "critical"
    },
    "L2": {
        "frequency": "daily",
        "weights": {"completeness": 0.3, "consistency": 0.25, "timeliness": 0.2, "accuracy": 0.25},
        "thresholds": {"completeness": 0.95, "accuracy": 0.90},
        "alert_level": "warning"
    },
    "L3": {
        "frequency": "weekly",
        "weights": {"completeness": 0.4, "consistency": 0.3, "timeliness": 0.1, "accuracy": 0.2},
        "thresholds": {"completeness": 0.80, "accuracy": 0.80},
        "alert_level": "info"
    }
}

def calculate_grade_score(feature_grade, dimension_scores):
    """根据等级权重计算综合评分"""
    config = GRADE_CONFIG[feature_grade]
    score = 0
    for dim, weight in config["weights"].items():
        score += weight * dimension_scores[dim]
    return score

def check_alert(feature_grade, dimension_scores):
    """判断是否触发告警"""
    config = GRADE_CONFIG[feature_grade]
    for dim, threshold in config["thresholds"].items():
        if dimension_scores[dim] < threshold:
            return True, config["alert_level"]
    return False, None