3. 监控体系总览：漂移监控的目标、监控层级与架构设计原则
漂移监控不是零散的指标堆砌，而是一套分层、闭环的观测体系。本章从监控目标出发，定义规则级、特征级、决策级三个监控层级，并给出架构设计原则，为后续章节的指标设计与告警策略奠定框架基础。
3.1 漂移监控的核心目标
漂移监控的最终目的是在模型或规则引擎性能衰减之前，提前发现分布变化并触发干预。具体目标可拆解为四个维度：
| 目标维度 | 说明 | 典型问题场景 |
|---|---|---|
| 早期预警 | 在业务指标（如通过率、坏账率）恶化前，检测到输入分布或规则命中率的变化 | 用户年龄分布偏移，但通过率尚未明显波动 |
| 根因定位 | 当监控告警触发时，能快速定位是哪个特征、哪条规则或哪个决策分支发生了漂移 | 某条规则命中率骤降，但不知道是特征A还是特征B变化导致 |
| 影响量化 | 评估漂移对最终决策结果（通过/拒绝/人工）的实际影响程度 | 特征漂移导致拒绝率上升5%，需要量化对业务量的影响 |
| 闭环反馈 | 监控结果能驱动规则更新、模型重训或特征工程调整 | 监控发现某特征PSI>0.2，自动触发特征替换流程 |
实践要点：早期预警是漂移监控的第一优先级。理想情况下，监控系统应在业务指标恶化前 1-2 周发出告警，为风控团队留出规则调整窗口。
3.2 监控层级：规则级、特征级、决策级
漂移监控需要覆盖从输入到处理再到输出的全链路。我们将监控体系划分为三个层级，每个层级关注不同的对象和指标。
3.2.1 特征级监控（输入层）
特征级监控关注入模特征或规则引擎输入变量的分布变化。这是最前置的监控层级，能最早发现数据分布漂移。
- 监控对象：连续型特征（年龄、收入、负债比）、离散型特征（职业、地区、产品类型）
- 常用指标：PSI（群体稳定性指标）、KS统计量、均值/方差变化、空值率变化
- 典型场景：新客群涌入导致年龄分布右移；外部数据源接口异常导致某特征空值率飙升
3.2.2 规则级监控（处理层）
规则级监控关注每条规则或规则组的命中率、拒绝率、通过率的变化。这是风控规则引擎特有的监控层级，直接反映规则的有效性。
- 监控对象：单条规则（如“年龄<20且收入<3000”）、规则组（如“多头借贷规则组”）、规则链
- 常用指标：命中率、拒绝率、规则覆盖率、规则冲突率、平均规则触发数
- 典型场景：某条黑名单规则命中率从5%骤降至0.5%，可能黑名单库未更新；某规则组拒绝率持续上升，可能客群质量下降
3.2.3 决策级监控（输出层）
决策级监控关注最终决策结果（通过/拒绝/人工/复议）的分布变化，以及决策后的业务表现（如逾期率、通过率）。这是业务最敏感的监控层级。
- 监控对象：最终决策分布、各决策通道的转化率、贷后表现（逾期率、坏账率）
- 常用指标：通过率、拒绝率、人工审批率、逾期率（30+/60+/90+）、F1-score变化
- 典型场景：通过率从60%下降到45%，需要回溯是规则收紧还是客群漂移；逾期率上升，需要判断是模型失效还是外部环境变化
层级关系：特征级 → 规则级 → 决策级，形成从输入到输出的监控链路。特征级漂移会传导至规则级，最终影响决策级。监控系统应支持从决策级告警向下钻取到规则级和特征级，实现根因定位。
3.3 监控架构设计原则
设计漂移监控架构时，需要遵循以下五项核心原则，确保系统可扩展、可维护、可解释。
| 原则 | 说明 | 落地建议 |
|---|---|---|
| 分层解耦 | 特征级、规则级、决策级监控独立部署，互不依赖 | 每个层级使用独立的计算任务和存储，避免单点故障 |
| 实时与离线结合 | 离线计算用于日/周级趋势分析，实时计算用于分钟级告警 | 离线使用Spark/ClickHouse，实时使用Flink/Redis |
| 可下钻性 | 从决策级告警能一键下钻到规则级和特征级明细 | 统一事件ID串联三个层级，支持OLAP多维分析 |
| 阈值自适应 | 监控阈值不应固定，应根据历史分布动态调整 | 使用移动平均+标准差或分位数法自动计算阈值 |
| 低侵入性 | 监控系统不应影响规则引擎的主流程性能和稳定性 | 采用旁路采集、异步写入、读写分离架构 |
3.4 监控架构总览图
下图展示了漂移监控的整体架构，包含三个监控层级、数据采集通道、计算引擎和告警输出链路。
3.5 架构设计补充说明
在实际落地中，还需要关注以下三个关键设计点：
- 时间窗口对齐：特征级、规则级、决策级监控应使用统一的时间窗口（如T+1日、最近7日滑动窗口），避免因时间口径不一致导致误告警。
- 基线管理：每个监控层级都需要维护一个参考基线（如训练集分布、上线首月分布、最近30日滚动分布），漂移检测本质上是当前分布与基线的对比。
- 告警分级：根据漂移严重程度设置P0/P1/P2三级告警，P0（严重漂移，需立即处理）触发自动规则回滚，P1（中度漂移）触发人工审核，P2（轻微漂移）仅记录日志。
常见误区：不要只监控决策级指标（如通过率）。决策级指标是滞后指标，当通过率已经变化时，漂移可能已经持续数周。必须前置监控特征级和规则级，才能实现早期预警。