4. 缺失模式识别：单变量缺失模式、多变量缺失模式、层级缺失模式
缺失模式识别是风控特征巡检的核心环节。不同缺失模式对应不同的数据生成机制与业务含义，直接影响缺失处理策略的选择。本节从单变量、多变量、层级三个维度系统梳理缺失模式的识别方法与业务解读。
4.1 单变量缺失模式
单变量缺失模式关注单个特征在时间维度或样本维度上的缺失分布规律。常见模式包括：
| 模式类型 | 特征表现 | 典型业务场景 | 处理建议 |
|---|---|---|---|
| 完全随机缺失 | 缺失与观测值、未观测值均无关，分布均匀 | 偶发采集失败、网络抖动 | 直接删除或均值填充 |
| 随机缺失 | 缺失依赖于其他已观测特征 | 高收入群体更易缺失收入证明 | 多重插补或模型预测填充 |
| 非随机缺失 | 缺失依赖于特征自身未观测值 | 高风险用户故意隐瞒负债信息 | 单独建模或标记为“缺失即信号” |
| 时间趋势缺失 | 缺失率随时间单调上升/下降 | 数据源接口升级导致字段废弃 | 分段填充或特征重构 |
| 周期性缺失 | 缺失率呈现固定周期波动 | 月末/季末数据上报延迟 | 周期对齐或滞后填充 |
巡检要点：单变量缺失模式识别应结合缺失率时序图与缺失自相关图。若缺失率在某个时间点发生突变（如从5%跳升至40%），需立即排查数据源变更或上游系统故障。
4.2 多变量缺失模式
多变量缺失模式关注多个特征之间的缺失关联性。当两个或多个特征同时缺失时，可能暗示共同的数据源故障或业务逻辑约束。核心分析方法包括：
- 缺失共现矩阵：计算任意两个特征同时缺失的样本占比，识别高共现特征对。
- 缺失关联规则：使用Apriori算法挖掘特征缺失之间的强关联规则，如“A缺失 → B缺失”置信度超过90%。
- 缺失聚类：基于缺失模式向量对样本进行聚类，发现特定客群的系统性缺失。
- 条件缺失率：在特征A不缺失的条件下，计算特征B的缺失率，识别条件依赖关系。
| 多变量模式 | 识别方法 | 业务含义 |
|---|---|---|
| 共缺失对 | 缺失共现矩阵 > 0.3 | 两个特征来自同一数据源，源端故障导致同时缺失 |
| 链式缺失 | A缺失 → B缺失 置信度 > 0.8 | 特征B的采集依赖特征A的取值 |
| 互斥缺失 | A缺失时B必不缺失，反之亦然 | 业务规则强制二选一（如“在职”与“离职”字段） |
| 客群聚集缺失 | 缺失样本在特定客群中占比 > 60% | 该客群的数据采集渠道不同或存在准入限制 |
实战技巧：构建缺失共现热力图时，建议将缺失率低于5%的特征过滤掉，避免稀疏矩阵干扰主模式识别。重点关注缺失共现率 > 0.5 的特征对，它们往往是数据质量问题的“根因”。
4.3 层级缺失模式（多头借贷数据）
层级缺失模式是风控领域特有的缺失结构，常见于多头借贷数据、关联网络数据等具有嵌套关系的数据源。以多头借贷数据为例，其层级结构为：用户 → 借贷平台 → 借贷订单。缺失可能发生在任意层级，且上层缺失会导致下层数据全部不可见。
层级缺失模式的识别需关注以下关键指标：
- 层级缺失率：各层级独立缺失比例，如用户层缺失率 = 无任何借贷记录的用户占比。
- 层级传导率：上层缺失导致下层缺失的比例，如用户层缺失 → 平台层100%缺失。
- 层级内缺失密度：同一层级内，缺失字段的分布集中度。
- 跨层级缺失关联：上层缺失与下层特定字段缺失的相关系数。
常见陷阱：在多头借贷数据中，若直接对订单层做缺失填充而不考虑用户层缺失，会导致严重的填充偏差。例如，用户层缺失的样本在订单层表现为“无任何订单”，若用全局均值填充订单金额，会错误地给这些用户赋予一个“平均借贷金额”，从而扭曲风控模型对“无借贷历史”客群的判断。
4.4 缺失模式识别流程总结
| 步骤 | 输入 | 方法 | 输出 |
|---|---|---|---|
| 1 | 原始特征矩阵 | 缺失率统计 + 缺失时序图 | 单变量缺失模式标签 |
| 2 | 单变量缺失标签 | 缺失共现矩阵 + 关联规则挖掘 | 多变量缺失模式标签 |
| 3 | 层级结构元数据 | 层级缺失率 + 传导率计算 | 层级缺失模式标签 |
| 4 | 所有缺失模式标签 | 模式聚合 + 业务规则映射 | 缺失处理策略建议 |
巡检看板设计建议：在风控特征缺失巡检看板中，建议为每种缺失模式单独设置一个可视化卡片。单变量模式使用折线图展示缺失率时序；多变量模式使用热力图展示缺失共现；层级模式使用树图或桑基图展示缺失传导路径。每个卡片需附带“模式标签”和“建议处理策略”字段，方便分析师快速决策。