如何对数据进行评估

对于一个金融机构而言，流量和风控决定利润，而数据质量是风控核心。为提升风控水平，会引入新的数据源，面对新数据维度时，一般都会思考两个方面：数据能否用，数据如何用。本篇文章会从线下数据测试、线下数据评价、线上数据应用整个流程介绍如何谨慎的评估一个数据源。
一、线下数据评估
1.1 、不同类型数据源的评估
首先，将数据分成4类，黑名单类、评分类，变量类，原始数据类。
黑名单类应用在反欺诈环节，一般通过“命中率”、“逾期率”这两个指标评估数据的有效性。一个好的黑名单应具有的性质是“命中即逾期”，即为保证准确性，黑名单的命中率一般不会很高（5%之内），但只要命中，逾期概率就很高。
评分类的变量直接作为风控策略使用，一般通过“缺失率”“有效性”“稳定性”“与现有数据共线性”“投入产出”这5个方面去评估。当评分具有稳定的排序能力，可用作客户分层或者准入。当评分具有明显的尾部极端趋势，可做准入规则，拦截掉极端的坏客户或者准入极端好客户。
变量类一般考虑策略/模型环节使用，一般通过“缺失率”“有效性”“稳定性”“变量之间的共线性”“与现有数据共线性”“投入产出”去评估。当变量具有稳定的排序能力，考虑建立模型。当变量具有极端趋势且变量含义具有欺诈的性质，可考虑做一条反欺诈的规则。
原始数据类，一般是客户授权爬取的信息，需要做特征工程后评估数据的价值。评估方法同变量类数据。
1.2 、评估指标
（1）缺失率
缺失率是考量数据覆盖程度的指标。根据业务情况和数据的应用场景，确定数据覆盖程度的需求。
（2）有效性
分析单变量的GINI、KS、IV 值、趋势。评分类的变量，一般要求ks>