摘要
同一批贷款、同一天的数据,逾期余额占比却从 50% 变成了 83.33%。问题并非数据发生变化,而是逾期统计口径从“超过 30 天”调整为“30 天及以上”,导致一笔贷款被重新计入。看似简单的规则调整,实际可能影响底层数据表、计算任务、风险看板及定期报表。
艾体宝 Actian 数据智能平台(Data Intelligence Platform)通过统一管理业务术语、数据资产与数据血缘,帮助企业建立从指标定义、数据加工到报表应用的可追溯关系。面对指标口径变更,团队能够定位相关数据资产及上下游依赖,梳理受影响的报表与业务环节,并通过定义管理、影响分析和变更验证,提升数据治理的一致性与协作效率。
一、场景还原:同一批数据,为什么会算出两种结果?
早会上,风控团队看到逾期贷款余额占比从 50% 变成了 83.33%。两次计算用的是同一天的贷款快照,本金余额和逾期天数都相同。差异出在规则里一个容易忽略的边界:原来统计“逾期超过 30 天”的贷款,现在统计“逾期 30 天及以上”的贷款。一笔恰好逾期 30 天的贷款,第二次被计入了分子。
这是一个用三笔模拟贷款构造的银行风险报表示例。它反映了数据统计中常见的对齐问题:谁能解释这个数字为什么变了?如果正式调整口径,哪些看板、数据表和定期导出的报表要一起更新?已经发出去的历史报表又该怎么处理?

按旧口径,只有贷款 C 计入逾期余额,结果为 300 ÷ 600,即 50%。按新口径,B 和 C 都计入,结果为 500 ÷ 600,约 83.33%。两者相差 33.33 个百分点,全部来自贷款 B 的 200 元本金。把这一步说清楚,报表使用者就能判断眼前的变化来自统计范围调整。
到了实际工作里,验算往往比找齐影响范围容易:口径写在风控团队的指标说明里,计算由数据加工任务执行,风险看板读取汇总表,月报又可能从看板导出后单独维护。各个环节数据相互脱节,新旧更替无法顺延数据链到达每个节点,最后的结果就是,到需要解释数字时,业务、数据工程和 BI 团队都得重新核对各自手上的定义、代码和版本,甚至有返工的风险。
二、一次口径变更,牵动哪些数据环节?
如何把数据放进同一个平台统一管理,提升数据治理的一致性和协作效率?艾体宝 Actian 数据智能平台给出答案:把指标定义、相关数据资产和已知的上下游关系放在可查阅的目录里。以这次调整为例,风控团队先确认应当执行的规则,数据团队据此排查影响,报表团队用同一份复核结果更新看板和说明。
第一步,确认定义、生效时间和责任人
风控负责人先确认新规则适用于哪张报表、从哪一天开始用,以及历史数据是否需要按新口径重新计算。和下游团队沟通时,可以把规则写完整:“在同一统计日,以纳入统计的贷款本金余额为分母,将逾期天数大于或等于 30 天的贷款本金余额计入分子。”这样,数据工程师可以据此核对筛选条件,报表使用者也知道这个比例按余额计算。
艾体宝 Actian 的业务术语可以记录指标定义、计算方法和相关责任人,并与技术资产关联。团队可在术语说明或配套变更记录里写清旧定义、新定义、生效日及历史重算安排。以后有人问“正好 30 天算不算”,可以从同一条术语找到约定口径,再联系对应负责人确认。
第二步,从风险看板往上追,再从汇总表往下查
在模拟场景中,贷款快照和当日汇率用于生成统一币种的标准贷款表。汇总任务按逾期天数计算占比,将结果写入每日指标表,风险看板再读取这张表。排查时,可以从看板逆向找到每日指标表和汇总任务,确认实际执行门槛的位置。再从这张指标表向下查看还有哪些报表或可视化依赖它。
在这个模拟场景里,排查后形成三项安排:数据工程师把指标汇总任务里的筛选条件从“超过 30 天”改为“30 天及以上”,并核对每日指标表按新口径出数。BI 团队复核风险看板读取的结果与指标表一致,并更新指标说明。手动导出的管理月报需要由报表负责人确认是否引用了这个指标,再结合生效日期和历史重算范围决定是否更新或重发。

图|Actian 官网客户订单示例。从右侧 Power BI 可视化向左追,可以看到客户和订单数据集的上游来源。贷款链路为本文的模拟场景。
第三步,复算边界样本,同步更新相关报表
有了影响清单,数据工程师可以在测试环境按新旧规则各算一遍,逐笔核对逾期 29 天、30 天和 31 天的样本。验收时可以先确认分母仍为 600 元、只有贷款 B 改变归类、分子增加 200 元,再核对下游报表是否都读到同一份结果。还应确认每天以哪个快照日计算、数据刷新完成后报表是否按约定时间切换。查询逻辑修改、数据重算和看板发布由相应系统及负责人完成。
发布时,风控团队可以向使用者说明新定义何时生效、受影响报表有哪些、历史数据是否重算。如果历史报表沿用旧口径,就在趋势图或说明中标出切换日期,让读者知道跨日期比较时该采用什么口径。术语定义、影响清单和复算记录也应同步更新。下一次有人追问数字,团队可以从报表追到术语、数据和验证记录。
三、试点需要投入什么,能交付什么?
对于需要试点的企业而言,可以先选一张风险看板和一个经常讨论口径的指标。第一轮要投入的工作,包括接入相关数据源和 BI 工具的元数据,在目录中确认核心资产及负责人,核对一段从汇总逻辑到报表的血缘,再安排风控、工程和 BI 各自确认变更环节。接入前先核对连接器、访问权限和可采集的血缘粒度。字段级关系或离线报表存在缺口时,可以从一个手工确认过的范围开始,保留缺口并逐步维护。
这一轮可以检查三份具体产出。新旧口径对照写明规则、生效日期、责任人和历史安排。影响清单列出需要修改、需要复核及需要通知的资产和使用方。复算记录保留样本、改变归类的那笔贷款以及新旧结果,供业务确认和后续追查。初期投入主要来自接入、核对依赖和与各团队对齐。重复变更的收益来自复用这些已确认的定义和关系。
要评估投入产出,可以在同一条报表链上做一次对照。先记录团队按原有方式确认指标定义、找到计算任务和列出下游报表用了多久,再用目录和血缘走一遍同样的流程。对照总耗时、遗漏的下游资产数量,以及发布后因口径不明发生的返工。同时记录维护术语和血缘花费的工时,判断这套做法是否值得扩到更多指标。
四、跨越“数据孤岛”,艾体宝 Actian 释放数据资产价值
除了本文列举的银行风险报表,零售团队也可能遇到同样的问题。假如退货率的分子由“发起退货申请”改为“退货审核通过”,同一批订单会算出不同的退货率。业务负责人先确定新规则与生效日,数据团队找到退货状态的来源和计算任务,再核对门店周报、经营看板及相关导出表是否都应调整。具体指标变了,查定义、核依赖、验算、通知使用方的步骤仍可复用。
在实际业务场景中,Actian 公布的法国 Groupe BPCE 案例也提供了一个参考。受限于日趋复杂的技术栈,数据孤岛阻碍了跨团队协作,导致集团难以高效管理数据。使用 Actian 数据智能平台后统一数据定义、建设共享业务术语表,并集中管理元数据,让业务和 IT 团队更容易发现和理解数据资产。
艾体宝 Actian 数据智能平台以统一的数据目录和知识图谱为基础,将业务术语、技术元数据、数据血缘、数据质量及治理信息关联起来,让企业不仅能够了解数据存储在哪里,还能理解数据代表什么、如何产生、被哪些业务使用。无论是指标调整、系统迁移,还是数据质量排查,团队都可以在完整的数据关系中开展分析与协作,减少信息孤岛和重复核对。
从一次报表口径变更,到企业级数据资产治理,Actian 帮助企业建立可信、透明且可持续的数据管理基础,让数据更容易被发现、理解和使用,为业务分析与智能化应用提供可靠支撑。
105