3. 数据指标体系：催收核心指标定义与计算口径

催收数据指标体系是看板搭建的基石。只有统一指标定义与计算口径，才能确保团队对“联系率”“承诺还款率”“回收率”等核心概念的理解一致，避免因口径差异导致决策偏差。本节将逐一拆解三大核心指标的业务含义、计算公式与常见口径陷阱。

3.1 联系率（Contact Rate）

联系率衡量催收员在有效作业时间内，成功与债务人建立沟通的比例。它是触达效率的“第一道关卡”。

3.2 承诺还款率（Promise to Pay Rate, PTP Rate）

承诺还款率衡量债务人在沟通中做出还款承诺的比例，是联系率向回收率转化的“中间桥梁”。

3.3 回收率（Recovery Rate）

回收率是催收业务的终极结果指标，直接反映资金回笼效果。根据计算口径不同，可分为多种子指标。

3.4 三大指标关系与计算口径对比

联系率、承诺还款率、回收率之间存在清晰的漏斗转化关系。理解这一漏斗，有助于定位催收流程中的瓶颈环节。

3.5 指标计算口径对比总表

为避免团队内部口径混乱，建议将以下对比表作为看板指标定义的“标准字典”。

3.6 指标计算示例与代码实现

以下 Python 代码演示了如何基于原始催收数据表，批量计算三大核心指标。实际看板中可复用此逻辑进行每日自动化计算。

import pandas as pd

# 示例数据：催收作业明细表
data = {
    'account_id': ['A001', 'A002', 'A003', 'A004', 'A005'],
    '逾期金额': [5000, 12000, 8000, 3000, 15000],
    '是否联系成功': [1, 1, 0, 1, 1],          # 1=成功，0=失败
    '是否有效联系': [1, 0, 0, 1, 1],          # 1=有效，0=无效
    '是否承诺还款': [1, 1, 0, 0, 1],          # 1=承诺，0=未承诺
    '承诺金额': [5000, 8000, 0, 0, 10000],
    '实际回收金额': [5000, 0, 0, 3000, 5000]
}
df = pd.DataFrame(data)

# 1. 联系率计算
total_accounts = len(df)
contact_success = df['是否联系成功'].sum()
effective_contact = df['是否有效联系'].sum()
contact_rate_wide = contact_success / total_accounts * 100
contact_rate_effective = effective_contact / total_accounts * 100

# 2. 承诺还款率计算
contacted_df = df[df['是否联系成功'] == 1]  # 仅对成功联系账户计算
promise_accounts = contacted_df['是否承诺还款'].sum()
ptp_rate_account = promise_accounts / len(contacted_df) * 100
total_overdue = df['逾期金额'].sum()
total_promise_amount = df['承诺金额'].sum()
ptp_rate_amount = total_promise_amount / total_overdue * 100

# 3. 回收率计算
total_recovery = df['实际回收金额'].sum()
recovery_rate_amount = total_recovery / total_overdue * 100
settled_accounts = len(df[df['实际回收金额'] >= df['逾期金额']])
recovery_rate_account = settled_accounts / total_accounts * 100

print(f"宽口径联系率: {contact_rate_wide:.2f}%")
print(f"有效联系率: {contact_rate_effective:.2f}%")
print(f"承诺还款率(账户): {ptp_rate_account:.2f}%")
print(f"承诺还款率(金额): {ptp_rate_amount:.2f}%")
print(f"金额回收率: {recovery_rate_amount:.2f}%")
print(f"账户回收率: {recovery_rate_account:.2f}%")

3.7 指标口径统一规范建议

为避免团队内部因口径不一致导致数据打架，建议制定以下规范：

• 分母统一：所有率值指标的分母统一使用“期初分配账户数”或“期初逾期金额”，避免因中途新增/移除账户导致分母波动。
• 时间窗口对齐：联系率、PTP率、回收率必须使用同一时间窗口（如当日、当周、当月），不可跨期混用。
• 异常值处理：对于“0逾期金额”或“0分配账户”的极端情况，分母取 max(分母, 1) 避免除零错误，并在看板中标记为“N/A”。
• 版本管理：每次口径调整（如有效联系时长从30秒改为45秒），需在指标元数据表中记录变更时间与原因，确保历史数据可追溯。