为什么用合成数据

FULUOLA · 阅读约 4 分钟

想训练一个风控模型，却越来越拿不到能用的数据。这是过去两年风控团队最普遍的处境。

一、拿真实数据训模型，卡在哪

不是模型算法不够好，是燃料不够。

条件	为什么必须有
行为序列符合真实作案逻辑	真实欺诈不是随机一笔，而是「静置 → 小额试探 → 爆发」这样的序列。缺了序列，时序特征全是噪声。
异常率接近真实场景	异常率失真会让模型学到错误的先验，上线后阈值全偏。
字段格式经得起校验	卡号要过 Luhn 校验、BIN 段要合理、发票号要符合编码规则。否则数据清洗环节就先报错。
时间、金额、地点逻辑自洽	时间不能跳变，金额分布要符合业务类型，跨境要有对应国家码。
业务链路对得上	字段与流程要能映射到真实系统，否则模型学到的特征在线上不存在。
100% 不含真实个人信息	这是合成的最大价值——合规上可以直接用，不需要逐条授权。

每个场景先研究真实资料——监管通报、法院判例、行业风控实践——把真实业务链路拆出来：有哪些环节、哪些字段、每个环节上风控看什么、坏人怎么绕过。然后把这份知识写成配置，交给统一的生成引擎产出数据。

所以生成出来的数据不只是「像数据」，而是每个字段、每个异常标签、每段行为序列都能对上一个真实业务环节。

目前覆盖 6 大类 15 个场景：信贷风控、交易风控、资金风控、保险风控、营销风控、企业风控。每个场景 5 档难度，共 75 种组合。