1. 课程导论：什么是坏账率？为什么坏账率是金融风控的核心指标？
1.1 坏账率的定义与业务本质
坏账率（Bad Debt Ratio, BDR）是衡量金融机构信贷资产质量最直接的量化指标。它表示在特定统计周期内，因借款人违约、破产、失联等原因导致无法收回的贷款本金及利息总额，占该周期内全部应收贷款总额的比例。
| 维度 | 说明 |
|---|---|
| 核心公式 | 坏账率 = (当期确认坏账金额 ÷ 当期应收贷款总额) × 100% |
| 统计口径 | 通常按逾期天数（如 M3+、M6+）或监管五级分类（次级、可疑、损失）界定 |
| 业务含义 | 每放出 100 元贷款，最终有多少元无法收回 |
| 数据质量依赖 | 高度依赖底层还款流水、合同状态、客户信息等数据的准确性与完整性 |
关键认知：坏账率不是静态数字，而是数据质量的一面镜子。如果底层 SQL 查询口径不一致、数据缺失或重复计算，坏账率将完全失真，直接误导风控决策。
1.2 为什么坏账率是金融风控的核心指标？
坏账率贯穿信贷业务的全生命周期，是连接业务、风控、财务与监管的枢纽指标。其核心地位体现在以下四个层面：
- 风险定价的基准：坏账率直接决定贷款利率的风险溢价。坏账率每上升 1 个百分点，金融机构通常需要提高 2-3 个百分点的贷款利率才能覆盖损失。
- 资本充足率的约束：监管机构（如银保监会）要求金融机构根据坏账率计提贷款损失准备金，坏账率越高，占用资本金越多，业务扩张能力越受限。
- 风控策略的校准器：风控模型（如评分卡、反欺诈规则）的有效性最终通过坏账率验证。坏账率异常波动往往是风控策略失效或数据质量崩塌的预警信号。
- 经营健康度的仪表盘：投资者、管理层、审计部门均以坏账率作为评估资产质量的核心 KPI。坏账率恶化通常先于利润下滑 3-6 个月出现。
数据视角：在 SQL 数据仓库中，坏账率计算涉及多张事实表（放款表、还款计划表、还款流水表）与维度表（客户表、产品表）的复杂关联。任何一张表的脏数据都会导致坏账率计算偏差，这也是本课程聚焦“SQL 数据质量评估”的根本原因。
1.3 坏账率计算的数据链路与质量风险
为了直观理解坏账率对数据质量的敏感性，下图展示了从原始业务数据到最终坏账率指标的数据流转链路，以及每个环节可能引入的数据质量风险。
⚠ 常见误区：很多团队只关注坏账率最终数值，却忽略了 SQL 计算过程中数据质量问题的累积效应。一个微小的数据重复或缺失，经过多层聚合后可能被放大数倍，导致坏账率偏差超过 20%。
1.4 本课程的学习目标
本课程以“坏账率哨兵”为实战案例，系统讲解如何利用 SQL 技术对金融核心指标进行数据质量评估与监控。完成本课程后，你将掌握以下能力：
| 能力维度 | 具体目标 |
|---|---|
| SQL 审计能力 | 能够编写 SQL 脚本自动检测坏账率计算中的重复、缺失、异常值等质量问题 |
| 数据链路分析 | 掌握从源系统到数据仓库再到报表的全链路数据质量追踪方法 |
| 哨兵监控设计 | 设计基于 SQL 的坏账率质量哨兵规则，实现自动化预警与告警 |
| 根因定位 | 当坏账率异常波动时，能通过 SQL 快速定位数据质量根因 |
| 质量报告输出 | 生成结构化的数据质量评估报告，支持风控与业务决策 |
1.5 适用人群
本课程面向以下三类核心人群，每类人群的学习侧重点有所不同：
- 数据工程师 / 数据仓库工程师：负责金融数据 ETL 与数仓建设，需要掌握坏账率计算的数据质量保障方法，提升数据交付的可靠性。
- 数据分析师 / 风控数据分析师：日常使用 SQL 进行坏账率分析，但常被数据质量问题困扰，希望建立系统化的数据质量评估框架。
- 数据质量架构师 / 数据治理专家：需要设计企业级数据质量监控体系，本课程提供以坏账率为切入点的实战案例，可直接复用至其他金融指标。
前置要求：建议具备基础的 SQL 语法知识（SELECT、JOIN、GROUP BY、窗口函数），了解金融风控基本概念。本课程不要求具备数据质量评估的预先经验，将从零构建知识体系。