用途：面向贷前建模的原始信用数据，做质量评估、缺失处理与变量筛选。
主要能力：流水线分 11 步，每步独立执行且不删除原始数据：加载数据；按机构统计样本量与坏样本率；分离 OOS 样本；剔除坏样本或总样本不足的异常月份；计算整体与机构级缺失率；剔除高缺失率特征；剔除整体 IV 过低或在过多机构中 IV 过低特征；剔除 PSI 不稳定特征；用标签置换法做空重要性降噪；按原始增益剔除高相关特征；导出含各步明细与统计的 Excel 报告。报告包含汇总、机构样本统计、分离OOS数据、异常月份处理、缺失率明细、有值率分布、IV/PSI 明细与分布、空重要性处理、高相关剔除等表。IV 与 PSI 计算支持多进程加速。
使用方式：运行脚本 python ".github/skills/datanalysis-credit-risk/scripts/example.py"。核心函数来自 references.func 与 references.analysis，如 get_dataset、org_analysis、missing_check、drop_abnormal_ym、drop_highmiss_features、drop_lowiv_features、drop_highpsi_features、drop_highnoise_features、drop_highcorr_features、export_cleaning_report 等。主要参数：DATA_PATH、DATE_COL、Y_COL、ORG_COL、KEY_COLS、OOS_ORGS；min_ym_bad_sample=10、min_ym_sample=500、missing_ratio=0.6、overall_iv_threshold=0.1、org_iv_threshold=0.1、max_org_threshold=2、psi_threshold=0.1、max_months_ratio=1/3、max_orgs=6、n_estimators=100、max_depth=5、gain_threshold=50、max_corr=0.9、top_n_keep=20。
适用场景：贷前信用风险建模前的数据准备。限制：资料未提供运行环境、依赖版本与性能数据，暂未提供。