# 数据接入与数据服务

> 风控体系的数据入口：把行内系统、三方数据源统一成一种调用方式，负责鉴权、限流、缓存、脱敏、降级与计费。它是所有变量、规则、模型的原料供应商。

## 一、它是干什么的

风控每天要调用大量数据：征信、工商、司法、运营商、设备、多头借贷、黑名单、行内交易与申请记录。这些数据源接口协议不同、字段口径不同、价格不同、稳定性不同。数据接入系统（也叫数据网关、数据服务中台）做的事情就是**把「多对多」的对接关系收敛成「一对多」**：下游只面对一套标准接口，上游的差异全部在这一层消化。

它不生产数据，也不做判断，只保证：**调得到、调得快、调得起、调得合规、出问题能兜住**。

## 二、谁在用

| 角色 | 用来做什么 |
| --- | --- |
| 数据接入工程师 | 新增/下线数据源、字段映射、联调与压测 |
| 风控策略 | 查询某数据源可提供哪些字段、试算取值 |
| 采购与财务 | 查看调用量、单价、成本分摊 |
| 合规与法务 | 核查数据授权范围、留痕、脱敏情况 |
| 运维 | 监控成功率、延迟、配额与告警 |

## 三、系统里有什么

| 模块 | 主要能力 |
| --- | --- |
| 数据源注册 | 供应商、接口、版本、计费方式、授权有效期、责任人 |
| 协议适配 | HTTP/JSON、SOAP、文件、SDK、数据库、消息队列统一封装 |
| 字段字典 | 统一字段名、类型、单位、枚举映射（如 A/B/C 映射为风险等级） |
| 密钥与鉴权 | 密钥托管、轮换、按应用授权，密钥不落到业务代码里 |
| 限流与配额 | 按应用/数据源限 QPS，按日/月限调用量，超限排队或拒绝 |
| 缓存 | 热点查询缓存（同人同日同一数据源只调一次），TTL 与穿透保护 |
| 脱敏与合规 | 敏感字段掩码、字段级授权、调用留痕、可导出审计 |
| 降级与兜底 | 超时、重试、熔断、降级返回默认值并打标 |
| 质量校验 | 空值率、格式校验、异常值拦截、字段缺失告警 |
| 计费与报表 | 调用量、成功率、单次成本、按产品/策略分摊 |
| 沙箱联调 | 测试环境模拟返回值，避免用生产额度调试 |

## 四、解决什么问题

| 痛点 | 没有这一层时的表现 | 平台化之后 |
| --- | --- | --- |
| 重复对接 | 每个业务系统各写一套 HTTP 调用 | 一次接入、多处复用 |
| 密钥散落 | 密钥写在配置、代码、脚本里 | 统一托管、按应用授权 |
| 三方不稳定 | 某数据源超时拖垮整条决策链路 | 超时预算 + 熔断 + 降级 |
| 成本不可见 | 月底才发现调用量翻倍 | 配额、告警、按策略分摊 |
| 口径不一致 | 同一字段在不同系统叫法不同 | 统一字段字典与枚举 |
| 合规说不清 | 无法证明数据使用在授权范围内 | 授权台账 + 调用留痕 |

## 五、深度解析

### 5.1 一次调用的链路

```text
业务请求 → 应用鉴权 → 参数校验 → 缓存命中？
  命中 → 直接返回（打缓存标记）
  未命中 → 配额检查 → 路由到供应商 → 超时/重试 → 字段映射 → 质量校验 → 写缓存 → 返回
                                     ↓ 失败
                              降级值 + 降级标记 + 告警
```

### 5.2 关键设计

**1）超时预算与降级语义**
决策链路的预算是固定的（常见 100—300ms）。数据网关必须给每个数据源设独立超时，并且**降级不是「返回空」**，而是返回带标记的默认值：策略层要能区分「查了是空」和「压根没查成」。这两者的风险含义完全不同。

**2）缓存的边界**
缓存能省钱，但也会带来「同一客户两次请求结果不一致」。原则：**强时效数据不缓存**（黑名单实时命中、当日申请次数），**弱时效数据按自然日缓存**（工商、司法、学历），缓存 key 用「数据源 + 实体 + 关键参数」并带版本，避免数据源升级后旧缓存污染。

**3）成本与配额的隔离**
多产品共用一套数据服务时，必须按产品/策略做配额与成本核算，否则一个批量任务能把整月的三方额度打光。常见做法是「优先级队列 + 配额令牌」，低优先级任务在额度紧张时自动让路。

**4）合规留痕**
每一次三方调用记录：谁调的（应用）、调了什么（数据源与字段）、依据什么（授权编号/客户授权时间）、结果状态。监管检查与客户投诉时，这份记录是唯一证据。

### 5.3 核心指标

| 指标 | 说明 |
| --- | --- |
| 成功率 / 错误率 | 按数据源、按应用拆分 |
| P99 延迟 | 是否在决策预算内 |
| 缓存命中率 | 成本与性能的关键杠杆 |
| 降级率 | 降级比例过高说明链路不稳或预算不足 |
| 单次成本 | 按数据源、按字段计费口径 |
| 字段空值率 | 数据质量与供应商健康度 |

## 六、竞品与选型参考

| 产品 / 厂商 | 类型 | 优点 | 局限 |
| --- | --- | --- | --- |
| Apache APISIX | 开源网关 | 性能高、插件生态活跃、可自建、无授权成本 | 只解决接入与流量治理，字段映射、计费、合规留痕要自建 |
| Kong | 开源 + 商业 | 插件体系成熟、有官方商业支持、社区大 | 体量偏重，企业能力收费，数据源适配仍需自己写 |
| 阿里云 API 网关 + DataWorks 数据服务 | 云托管 | 开箱即用、弹性伸缩、与云上数据打通 | 绑定云厂商，跨云与自建机房成本高，深度定制受限 |
| 腾讯云 API 网关 | 云托管 | 与腾讯云监控、鉴权体系集成好 | 同上，私有化与跨境场景适配成本高 |
| 数据聚合服务商（同盾、百融等） | 商业数据服务 | 一次接入多家数据源、字段口径已标准化、上线快 | 单点依赖、费用叠加，底层数据源透明度低 |

> 公开资料与行业常见认知整理，产品能力随版本变化，选型以官方最新资料与 POC 为准。

> **资料来源与时效**：厂商官网与公开产品文档、开源项目文档/仓库、公开技术文章与行业报告，以及行业常见实践；信息整理截至 **2026-10**，未逐一与厂商核实。产品能力、定价与版本会随迭代变化，选型前请核对官方最新资料并做 POC 验证；本节不构成选型推荐，也不含厂商商务信息。

## 七、与其他风险系统的关系

| 系统 | 关系 | 交互内容 |
| --- | --- | --- |
| 特征变量平台 | 下游 | 提供明细与三方字段，作为变量加工的原料 |
| 规则引擎 | 下游 | 决策流内实时调用名单、工商、司法等校验 |
| 名单服务 | 并行 | 外部名单经此批量导入，命中查询仍走名单服务 |
| 模型平台 | 下游 | 离线批量取数，拼训练与回溯样本 |
| 贷中监控 | 下游 | 定期拉取外部风险信号做预警 |
| 决策留痕 | 下游 | 记录每次调用的数据源、耗时、降级标记 |
| 策略分析 | 下游 | 数据源成本、成功率、覆盖率分析 |

## 八、常见坑

| 坑 | 后果 | 规避 |
| --- | --- | --- |
| 无超时、无熔断 | 一个慢数据源拖垮整条决策 | 每源独立超时 + 熔断 |
| 用空值表示失败 | 策略无法区分「查无」与「没查成」 | 降级标记 |
| 缓存不加版本 | 数据源升级后返回旧字段 | key 带数据源版本 |
| 密钥写在代码里 | 泄露、轮换困难 | 密钥托管 + 轮换 |
| 不做成本隔离 | 批量任务烧光预算 | 配额与优先级 |
| 字段直接透传 | 下游口径混乱 | 统一字典与枚举映射 |