作者知苦行甜

1. 特征的概念

1.1 特征&变量&指标

在以往专家规则系统时代，更多的是用“变量”一词来表示规则模型的入参，随着技术的发展，机器学习领域采用“特征”一词来表示算法模型所需要的入参。随着机器学习领域的广泛普及及专家规则的算法化趋势，“特征”一词成了更多人使用的入参统称(本文将统一用“特征”一词)。

指标一词具备浓郁的业务含义，比如血压指标、信贷指标，具备明确的业务含义。当前，在技术领域，指标平台被普遍认为是更高阶段的BI产品，因为BI的发展基本走完了以报表为核心的固定看书阶段、以宽表为核心的自主分析阶段，进入了以指标为核心的智能用数时代。

1.2 特征之于风控体系

银行风控是银行业务管理的核心部分，主要通过一系列策略、流程和技术手段，对银行业务中可能产生的各类风险进行预防、识别、评估和控制，通常用在全流程信贷(贷前、贷中、贷后)、反欺诈、安全运营等业务。

可以说特征是支撑风控模型的数据表现，是风控体系成效凸显的重要一环，银行内部的特征可以简单概括为以下几类：

1.3 实时特征工程的痛点

首先就是特征开发难度高、部署难度大的问题。比如存在特征穿越、离线/在线逻辑不一致的问题、存在python代码与SQL相互翻译以进行生产投产的难题。此外，还存在监控不健全、分享复用难度大等难点。

另外就是离线回溯的问题。内部特征的回溯需要进行稳定性和成本的平衡，比较理想的肯定是通过离线回溯系统，实现业务系统数据定期备份到这里用。但因为考虑到部署成本，实际在离线回溯时，一些数据还是直接去调业务接口，但会进行一些限速，并且做比较严格的监控，最终实现在模型回溯效果与实用成本之间实现平衡。

2. 如何建设一套易用的特征体系

2.1 特征平台定位及供需关系

笔者认为，特征平台的定位与应用目的非常清晰，即加工特征并向风控系统及机器学习平台提供特征数据。特征平台向风控系统提供特征数据的方式可以概括为以下三种方式：

A方式：基本是一种大家不会采用的方式，因为提前获取了模型实例所需的外部数据、征信数据，带来了较高的运营成本。

B、C方式：是通过将模型按照数据成本进行拆分，能够大幅度降低运营成本，其中B方式美中不足的地方在于风控系统压力较大。但，这里笔者强烈不建议用户无缘由的在B方式与C方式之间切换，因为这样的技术方案的变化还要带动模型的重构与测试，影响范围甚广，且收益甚小。(备注：B方式的蓝色虚线，涵盖了API访问和直接读取数据两种方式，不再展开来说)

2.2 特征平台的场景支撑力

2.2.1 业务及功能定位

特征平台必然要包括征信特征、三方外部数据、企业内数据、图数据，并尽可能提供拖拉拽、低代码、DSL(动态脚本语言)等对敏捷迭代友好型特征加工方式的平台化产品。

2.2.2 丰富加工能力的诉求

业务系统在调用反欺诈模型时候通常会设置逃生机制。同样的道理，在计算特征过程中获取外部数据的时候，也会面临类似的问题。根据特征的应用场景，可以概括为下面三种：

支撑实时决策场景。决策模型及数据特征考虑简单高效的思路，采用性能优先的原则。可以容忍特征调用所需数据计算失败，甚至如果决策超时会有兜底的降级策略。

支撑准实时决策场景。一般是异步化结果响应，保障准确率优先。在数据调用失败时会重试，甚至有些关键数据接口失败要开启授信熔断并等待恢复，这些都是保障准确率的有效手段。

支撑离线决策场景。特征不但支持实时决策场景，同时可以结合实时场景获得的数据，用于实现贷中、贷后等批量决策场景，用于额度管理、催收、逾期管理等业务。

2.3 计算特征的几种方式

实时计算特征。是一种最基础的特征加工方式，就是在决策引擎调用特征引擎时，特征引擎从数据源拉取数据、完成计算并返回结果，它是一种读时计算(类似的概念有：读时建模)的模式，优点是数据实时准确，工程复杂度低，缺点就是并发能力一般。

预计算特征。指标计算模块实时获取业务系统发生的业务变化，并对相关特征进行预先加工与计算，等到决策系统实用该特征结果时候，特征引擎将此结果提供出来。此方式也存在局限性，比如预计算未完成时发生了特征调用，可能将无法拿到数据，所以选择这种方式也会评估数据的变化频率。

批量计算特征。对于数据变化不敏感的数据采用离线批计算将是更好的方式，既能保障了数据更加精准（无实时数据的噪音），又能提高决策效率，但其缺点可能会缺失最新的数据。

融合计算的方式。结合以上三种计算方式，针对不同的应用场景、业务诉求采取合适的计算方式，从而做到低成本满足实用要求。

2.4 几种常见的开闭源特征平台

说了这么多，对于我们在建设特征平台过程中是否有可借鉴、参考的产品呢。共享一张个人感觉比较客观的图片，如下：

上图对计划进行特征平台建设的企业应该会有一定帮助。

3. 长远来看

特征计算最终是面向API接口与数源的计算，函数计算思想是其一种比较理想的计算方式。

一个好的特征平台，一定要具备将征信系统、外部数据系统、企业内数据等丰富的数据接入并融合加工的能力，能够支持不同环节的风控模型，能够支持机器学习模型，能够实现离在线一体化能力与敏捷发版能力。此外，还有能够对特征进行很好的管理与管控，以及支持可配置化的特征加工能力。