2. 数据源与特征定义管理：特征字典、数据血缘、版本控制基础

特征一致性校验的前提是“特征可追溯、定义可管理、变更可记录”。如果特征字典缺失、数据血缘混乱、版本控制缺失，任何校验都将是空中楼阁。本章聚焦数据源与特征定义管理的三大基础组件：特征字典、数据血缘、版本控制，为后续一致性校验建立元数据根基。

2.1 特征字典：特征定义的唯一权威来源

特征字典是信用评分模型中所有特征的“元数据仓库”，它记录了每个特征的业务含义、计算逻辑、数据类型、取值范围、衍生规则等核心信息。没有特征字典，特征一致性校验将失去参照基准。

2.1.1 特征字典核心字段

2.1.2 特征字典管理流程

1. 注册：新特征开发前，必须在特征字典中注册，通过审批后方可进入开发。
2. 评审：特征定义变更需经过业务、数据、模型三方评审，确保定义无歧义。
3. 发布：评审通过后，更新特征字典版本，并通知所有下游消费方。
4. 审计：定期审计特征字典与实际代码的一致性，发现差异立即标记并修复。

2.2 数据血缘：特征溯源与影响分析

数据血缘记录了特征从原始数据源到最终模型输入的完整加工链路。在特征一致性校验中，数据血缘用于回答两个关键问题：“特征从哪里来？” 和 “特征变更会影响谁？”

2.2.1 数据血缘核心要素

• 源节点：原始数据表、API接口、外部数据源。
• 加工节点：ETL任务、特征工程脚本、SQL视图。
• 目标节点：特征宽表、模型输入表、评分服务接口。
• 血缘关系：字段级映射、转换函数、聚合逻辑。

2.2.2 血缘在一致性校验中的应用

2.3 版本控制：特征定义的可追溯性

特征定义会随业务需求、数据源变化、模型迭代而不断演进。没有版本控制，将无法判断“当前模型使用的是哪个版本的特征定义”，也无法回滚到历史版本进行一致性比对。

2.3.1 版本控制范围

• 特征字典版本：特征定义本身的版本，每次变更需更新版本号。
• 特征工程代码版本：生成特征的SQL、Python脚本版本，与特征字典版本关联。
• 模型训练版本：训练时使用的特征版本快照，用于复现和校验。
• 线上服务版本：生产环境当前使用的特征版本，用于监控一致性。

2.3.2 版本控制策略

2.4 三者协同：构建特征治理闭环

特征字典、数据血缘、版本控制三者并非孤立存在，而是构成一个完整的特征治理闭环：

1. 特征字典提供定义的权威基准。
2. 数据血缘提供加工链路和影响分析能力。
3. 版本控制提供变更历史和可追溯性。