2. 特征缺失巡检体系设计

特征缺失巡检体系是风控数据质量保障的核心防线。设计一套完整的巡检体系，需要从巡检目标、巡检粒度和巡检覆盖范围三个维度进行系统规划。本节将逐一拆解这三个维度的设计要点与落地方法。

2.1 巡检目标：从被动发现到主动防御

特征缺失巡检的核心目标并非简单地“发现缺失”，而是构建一套可量化、可预警、可拦截的数据质量监控闭环。具体目标可拆解为以下四个层级：

2.2 巡检粒度：分钟级 / 小时级 / 天级

不同业务场景对特征缺失的敏感度差异巨大，因此巡检粒度需要分层设计。下表对比了三种典型粒度的适用场景与实现方式：

2.3 巡检覆盖范围：三类特征的差异化策略

风控特征按计算时效与来源可分为离线特征、实时特征和衍生特征。三类特征的缺失模式与巡检策略差异显著，需要分别设计巡检规则。

2.3.1 离线特征巡检

离线特征通常来自 Hive/Spark 等批处理系统，缺失原因多为上游表延迟、ETL 逻辑变更或分区数据丢失。巡检策略以天级全量扫描为主：

• 缺失率统计： 按分区统计每个特征的缺失比例，阈值通常设为 5% ~ 10%。
• 空值分布检查： 检测缺失值是否集中在特定时间窗口或用户群体。
• 字段完整性校验： 对比特征表与上游源表的记录数、主键唯一性。

2.3.2 实时特征巡检

实时特征依赖 Kafka/Flink 等流式计算引擎，缺失通常由网络抖动、数据源断流或反压导致。巡检策略以分钟级滑动窗口为核心：

• 缺失率滑动统计： 以 5 分钟为窗口，统计窗口内缺失特征占比。
• 数据新鲜度检测： 检查特征最近更新时间是否在预期范围内（如 < 30s）。
• 流量突变告警： 当特征流入量环比下降超过 50% 时触发告警。

2.3.3 衍生特征巡检

衍生特征由基础特征通过规则引擎或模型计算得到，缺失原因多为依赖链断裂或计算超时。巡检策略需关注依赖链路完整性：

• 依赖特征缺失传导检测： 若基础特征缺失，则所有依赖它的衍生特征自动标记为“不可计算”。
• 计算超时监控： 衍生特征计算耗时超过 P99 阈值时，记录为“计算缺失”。
• 版本一致性校验： 衍生特征版本号与基础特征版本号必须对齐。

2.4 巡检体系落地清单

以下清单总结了特征缺失巡检体系设计的关键交付物，供团队在落地时逐项确认：

1. 巡检目标文档： 明确 L1~L4 各层级的目标定义、关键指标与验收标准。
2. 巡检粒度矩阵： 按特征类型与业务场景，确定分钟级/小时级/天级的覆盖范围。
3. 缺失阈值配置表： 为每个特征或特征组配置缺失率、新鲜度、流量突变等阈值。
4. 依赖拓扑图： 梳理衍生特征与基础特征之间的依赖关系，支持传导分析。
5. 告警与拦截规则： 定义不同缺失等级对应的告警渠道（钉钉/邮件/电话）与拦截动作（降级/拒绝/回退）。
6. 巡检结果存储： 设计巡检日志表结构，支持历史回溯与趋势分析。