1. 课程导论：什么是 PSI，漂移的常见原因与规则冲突的引入

1.1 什么是 PSI（Population Stability Index）

PSI（Population Stability Index，群体稳定性指标） 是衡量两个样本分布之间差异程度的量化指标。在数据质量与风控建模领域，PSI 常用于监控模型输入特征或模型评分在时间维度上的分布变化，从而判断模型所处的环境是否发生显著偏移。

PSI 的计算基于将连续变量分箱后，比较每个箱内实际占比与预期占比的差异。其核心公式如下：

PSI = Σ ( (Actual_i - Expected_i) * ln(Actual_i / Expected_i) )

其中：

• Expected_i：第 i 个分箱中基准样本（如建模样本）的占比；
• Actual_i：第 i 个分箱中当前样本（如上线后样本）的占比；
• ln：自然对数。

PSI 的判定阈值通常如下：

1.2 PSI 漂移的常见原因概述

PSI 漂移并非单一因素导致，实践中常见的原因可归纳为以下四类：

1. 客群结构变化： 市场政策、获客渠道调整或季节性因素导致入模样本的年龄、收入、地域等分布发生改变。
2. 数据采集/加工异常： 上游数据源字段缺失、ETL 逻辑变更、空值填充规则不一致等，导致特征值分布突变。
3. 外部环境冲击： 宏观经济波动、监管政策出台或突发事件（如疫情）导致用户行为模式整体偏移。
4. 规则冲突（本课程核心）： 多个数据质量规则或业务规则在同一特征上同时生效，且规则之间存在逻辑矛盾或优先级混乱，导致特征值被错误修正或重复计算，最终引发分布漂移。

1.3 规则冲突作为核心诱因的引入

在数据治理实践中，一个特征字段往往会被多条规则同时约束。例如，对于“用户年龄”字段，可能同时存在以下规则：

• 规则 A： 年龄必须为整数，且范围在 18-100 之间；
• 规则 B： 若年龄字段为空，则使用身份证号中的出生年份推算填充；
• 规则 C： 若年龄 < 18，则强制置为 18（业务合规要求）；
• 规则 D： 若年龄 > 70，则标记为“高龄客群”，并参与后续风控策略。

当这些规则被同时执行时，如果执行顺序不当或规则边界重叠，就可能产生冲突。例如：规则 B 填充的年龄可能恰好为 17 岁，随后被规则 C 强制改为 18 岁，但规则 D 的标记逻辑是基于原始填充值计算的，导致标记结果与最终存储值不一致。这种不一致会直接反映在特征分布上，造成 PSI 漂移。

为了直观展示规则冲突如何引发 PSI 漂移，下图描绘了一个典型的冲突传导链路：

从上图可以看出，规则冲突并非直接导致 PSI 漂移，而是通过“特征值异常”和“分布偏移”两个中间环节逐步传导。因此，排查规则冲突型 PSI 漂移时，需要具备以下能力：

• 规则依赖分析： 梳理每个特征字段上所有生效规则的执行顺序与依赖关系；
• 冲突检测： 识别规则之间的逻辑矛盾（如互斥条件、循环依赖、边界重叠）；
• 影响评估： 量化冲突对特征分布的具体影响程度，定位漂移源头。