高风险客户分群判定：含/不含目标变量哪种方法更合理？

背景 #

面试作业任务：完成高风险客户分群相关工作，具体包括计算DTI（债务收入比），分析DTI在性别、婚姻状况、职业类型维度的分布，最终判定高风险分群。目前已制作两类Seaborn图表：

• 未纳入逾期标记变量is_delinquent的图表
• 包含逾期标记目标变量的图表

核心疑问 #

判定高风险分群时，哪种方法更合理？实际信贷评估场景中，信贷经理无法获取逾期标记这类目标变量，仅能依赖DTI（行业通常以DTI超40%视为高风险），但纳入逾期标记后会大幅增加分群数量。

解答 #

1. 贴合实际业务场景：优先选择无目标变量的DTI分群法 #

实际信贷审批时，信贷经理根本拿不到客户未来是否逾期的数据——is_delinquent是客户借款后产生的事后标记，审批阶段完全无法获取。所以从业务落地的角度，必须采用仅基于DTI（结合性别、婚姻、职业维度的DTI分布）的分群逻辑：

• 先以行业通用的40% DTI阈值为基础，划分高/低风险基准线
• 再结合不同维度的DTI分布特征细化分群，比如某类职业群体的DTI均值普遍高于其他群体，可针对性调整该群体的风险判定标准，但核心仍不依赖逾期数据

2. 纳入逾期标记的方法：适合模型优化/事后复盘，而非直接用于审批分群 #

纳入is_delinquent的分群方法，本质是用事后的逾期结果倒推事前特征的风险关联，它的价值体现在：

• 用于信贷风险模型迭代优化：分析不同DTI+维度组合下的逾期率，识别哪些细分群体的逾期风险显著高于平均，从而调整后续的审批规则
• 用于事后风险复盘：评估现有分群规则的有效性，比如验证DTI超40%的群体是否真的逾期率更高

但这种方法不能直接作为审批阶段的高风险分群依据——因为审批时没有逾期数据可用，强行使用会脱离实际业务逻辑，且分群数量过多会导致规则复杂到无法落地执行。

3. 面试作业的平衡策略 #

如果是面试作业，可以同时展示两种方法，并明确说明各自的适用场景：

• 重点展示无目标变量的分群结果，说明这是符合实际审批流程的可落地方案
• 将纳入逾期标记的分析作为补充，说明这是用于优化规则的辅助手段，最终的高风险分群判定仍以DTI为核心依据

内容的提问来源于stack exchange，提问作者Nandy