第三章 数据源接入：客户信息表、交易流水表、黑名单库、外部数据接口
数据源接入，是整个预警系统的地基。
我见过太多团队，算法模型搞得花里胡哨，结果数据源没接好，预警全是噪音。说白了，你连客户是谁、钱从哪来、流向哪去都搞不清楚，谈什么反洗钱？
这一章，咱们就聊聊这四类核心数据源怎么接、怎么用、怎么避坑。
3.1 客户信息表：你的“人肉”画像
客户信息表，是所有分析的起点。没有它，你连交易对手是谁都不知道。
我个人习惯，先把客户信息表拆成三块：
- 身份信息：姓名、证件号、国籍、职业、联系方式。嗯，这里要注意，证件号必须做脱敏处理，但又要保留校验能力。
- 风险等级：低风险、中风险、高风险。这个字段通常是人工或系统自动打标的结果。
- 关联关系：家庭成员、公司股东、实际控制人。这块最容易漏，但恰恰是洗钱团伙最喜欢利用的。
核心字段示例：
客户表结构（简化版）
--------------------------------
customer_id VARCHAR(32) -- 客户唯一标识
name VARCHAR(64) -- 姓名
id_type VARCHAR(4) -- 证件类型（01-身份证，02-护照...）
id_number VARCHAR(32) -- 证件号（需脱敏）
risk_level VARCHAR(2) -- 风险等级（L-低，M-中，H-高）
created_date DATE -- 开户日期
status VARCHAR(2) -- 状态（A-正常，F-冻结，C-销户）我在项目中遇到过，某家银行把客户信息存在十几个不同的系统里，光做数据拉通就花了三个月。你想想看，如果一开始就设计好统一的主数据模型，能省多少事？
3.2 交易流水表：钱流动的轨迹
交易流水，是反洗钱分析的核心素材。每一笔转账、每一笔消费，都可能藏着线索。
交易流水表，我建议至少包含以下维度：
- 交易主体：付款方、收款方（客户ID或账号）
- 交易要素：金额、币种、交易时间、交易渠道（网银、柜台、ATM）
- 交易属性：交易类型（转账、取现、消费）、对手方信息、IP地址、设备指纹
避坑指南：我曾经接手过一个项目，交易流水表里没有记录“交易渠道”。结果分析时发现大量异常交易，但就是查不出是通过哪个渠道进来的。后来花了两个月补数据，教训深刻。所以，交易渠道字段，一定要有。
交易流水表的数据量通常很大，一天几千万条很常见。接入时，我建议用分区表，按日期分区，查询效率能提升10倍以上。
3.3 黑名单库：第一道防火墙
黑名单库，说白了就是“坏人名单”。
常见的黑名单来源包括：
- 国际制裁名单：联合国、OFAC、欧盟等
- 国内监管名单：央行、公安部、最高法发布的名单
- 内部黑名单：本机构历史发现的涉案账户、可疑人员
黑名单匹配，不是简单的字符串相等。我见过有人直接用“张三”去匹配“张三”，结果漏掉了“张 三”（中间有空格）、“张三（已故）”这类变体。
注意：黑名单匹配必须支持模糊匹配、拼音匹配、别名匹配。我曾经遇到一个案例，客户叫“Mohammed”，黑名单里写的是“Mohamed”，少了一个字母，差点漏过去。后来我们加上了编辑距离算法，才把这类问题解决。
黑名单库的更新频率也很关键。我个人习惯，每天至少更新一次，遇到重大事件（比如新制裁出台）要实时更新。
3.4 外部数据接口：工商、税务、司法
外部数据，是反洗钱分析的“外挂”。光靠内部数据，很多线索是看不出来的。
我常用的外部数据接口有：
| 接口类型 | 核心数据 | 典型用途 |
|---|---|---|
| 工商信息 | 企业股东、法人、注册资本、经营范围 | 识别空壳公司、关联交易 |
| 税务信息 | 纳税记录、开票数据、税务异常 | 判断企业经营真实性 |
| 司法信息 | 涉诉记录、失信被执行人、犯罪记录 | 评估客户风险等级 |
| 征信信息 | 个人/企业信用报告 | 辅助判断还款能力和交易合理性 |
接入外部接口时，有两点要特别注意：
- 接口稳定性：外部接口可能随时挂掉，必须设计重试机制和降级方案。我习惯用“熔断器”模式，连续失败3次就自动切换到备用接口。
- 数据合规：外部数据涉及隐私，必须明确授权范围。我曾经见过一个团队，直接调用工商接口查所有客户，结果被监管部门约谈。记住，只能查有合理理由的客户。
3.5 数据源接入的整体架构
说了这么多，咱们用一张图来总结一下数据源接入的整体逻辑。
这张图展示了我常用的四层架构：数据源层 → 接入层 → 存储层 → 应用层。每一层都有明确的职责，层与层之间通过标准接口交互。
我个人习惯，在接入层做两件事：一是数据质量校验（比如金额不能为负、日期不能是未来），二是接口熔断（防止外部接口拖垮整个系统）。这两件事做好了，后面的分析才能站得住脚。
一个小技巧：数据接入时，建议保留原始数据（Raw Data）和清洗后数据（Clean Data）两份。原始数据用于审计追溯，清洗后数据用于分析计算。我曾经因为没保留原始数据，被审计问得哑口无言，后来再也不敢删原始数据了。
好了，数据源接入这块就聊到这儿。记住，地基打得牢，楼才能盖得高。下一章咱们聊聊预警规则怎么设计，那才是真正出活儿的地方。