2. 数据漂移的成因：客群变化、政策调整、数据源变更、模型过拟合导致的分布偏移

数据漂移并非偶然发生，其背后通常有明确的业务或技术驱动因素。理解这些成因是监控与应对漂移的第一步。根据大量金融风控实践，数据漂移主要源于以下四类场景：客群结构变化、政策与规则调整、数据源或采集链路变更，以及模型过拟合导致的分布失真。

2.1 四大成因详解

2.2 成因一：客群变化（Population Shift）

客群变化是金融风控中最常见、最隐蔽的漂移来源。当产品面向新渠道、新地域或新用户群体时，入模特征的统计分布会自然改变。例如，一款面向白领的现金贷产品拓展至蓝领群体，收入、职业、教育程度等特征分布将整体左移。这种漂移通常表现为渐进式，PSI 在数周内缓慢爬升。

• 渠道效应： 不同获客渠道（如抖音 vs 银行 APP）的用户画像差异显著。
• 生命周期效应： 产品从成长期进入成熟期，早期用户与存量用户行为不同。
• 季节性效应： 双十一、春节等节点客群消费行为突变。

2.3 成因二：政策调整（Policy Shift）

监管政策、内部风控策略或定价模型的调整，会直接改变样本的入选标准和标签定义。例如，监管要求将逾期天数从 M3+ 调整为 M2+ 定义为坏账，则坏账标签分布瞬间改变，模型预测的目标变量发生概念漂移。政策调整通常带来突变式漂移，PSI 在单日内跃升。

2.4 成因三：数据源变更（Data Source Change）

数据采集链路中的任何环节变更都可能引发特征分布偏移。常见场景包括：替换第三方数据供应商、升级埋点 SDK、修改特征计算逻辑、数据库字段类型变更等。这类漂移通常集中在少数特征上，但影响可能被模型放大。

# 示例：数据源变更后的特征分布对比（Python 伪代码）
import pandas as pd
import numpy as np

# 旧数据源：收入字段均值为 8500
old_income = np.random.normal(8500, 3000, 10000)
# 新数据源：收入字段均值为 7200（因数据商统计口径不同）
new_income = np.random.normal(7200, 2800, 10000)

# 计算 PSI（分箱法）
def psi_calc(expected, actual, bins=10):
    # 实际计算逻辑省略
    pass

2.5 成因四：模型过拟合（Model Overfitting）

过拟合模型在训练集上表现优异，但在 OOT（Out-of-Time）样本上分数分布严重偏离。这是因为模型学到了训练集中的噪声和偶然模式，而这些模式在新样本中不复存在。过拟合导致的漂移具有模型特有性——特征分布可能正常，但模型输出分数分布异常。

• 表现： 训练集 AUC 0.85，OOT AUC 0.62；PSI > 0.25。
• 典型特征： 模型分数集中在 0.3-0.7 区间，两端概率极低。
• 解决方案： 降低模型复杂度、增加正则化、使用早停法、扩大训练样本。

2.6 成因关系总览

下图展示了四大成因之间的逻辑关系及其对数据分布的影响路径。理解这张图有助于在实际监控中快速定位漂移源头。

2.7 成因识别速查表

在实际监控中，可通过以下特征快速判断漂移成因：