決策引擎簡述

決策引擎簡述決策引擎的必要性極速放款、閃電借款、閃貸等成為了互金時代信貸產(chǎn)品吸引客戶最為重要的手段之一。那除了風(fēng)控裸奔,可以通過高利率覆蓋高風(fēng)險的產(chǎn)品以外，中低利率的產(chǎn)品又是如何在需要控制那么多外部風(fēng)險要素以及需要處理那么多外部數(shù)據(jù)源的情況下做到極速放款的呢？對于互金機構(gòu)來說，因為人行征信報告獲取難度大，且由于客群定位的問題，人行征信客群覆蓋率也低，所以往往需要依賴大量的外部征信數(shù)據(jù)用以開發(fā)風(fēng)控體系，對抗各類欺詐風(fēng)險、信用風(fēng)險。據(jù)了解，目前主流現(xiàn)金貸風(fēng)控產(chǎn)品的風(fēng)控往往使用到十幾家或更多的外部數(shù)據(jù)，這些外部數(shù)據(jù)都需要對接、清洗、衍生、最后轉(zhuǎn)化為規(guī)則與模型。常用的外部數(shù)據(jù)公司有百融金服、前海征信、鵬元征信、考拉征信、新顏征信等。規(guī)則和模型的落地也是非常棘手的問題。一個信貸產(chǎn)品往往需要部署幾十條甚至數(shù)百條規(guī)則，幾個甚至十幾個模型。這些模型的落地給研發(fā)部門帶來了非常大的工作量。而且，面對日益壯大成熟的專業(yè)團(tuán)伙，一沉不變的規(guī)則很容易被識破，風(fēng)控體系的不斷優(yōu)化迭代是一個優(yōu)秀金融產(chǎn)

品必須要做到的核心環(huán)節(jié)。不斷的切換規(guī)則、規(guī)則組、模型的參數(shù)、邏輯、優(yōu)先順序等使得一些金融機構(gòu)的開發(fā)部門不堪重負(fù)。業(yè)務(wù)規(guī)則如何落地■信貸業(yè)務(wù)申請：合規(guī)類二申請客戶年齡小于1生拒坨敢簧類:外國人申請客戶，拒葩默洋類：姮期內(nèi)查詢出相同設(shè)茶不同眠?亍注站次數(shù)過手，拒免,信用姜：富戶有未結(jié)清，且逾期超過第天以上的貸款，拒葩?支付業(yè)務(wù)交易：?善現(xiàn)美：短時間多次同金頹交易，拒的?欺詐類：通時間跨多低交易，拒典模型策略如何落地?新.客戶審批：■申潔信用模型??新.客戶審批：■申潔信用模型?申請反欺詐模型?欺詐出伙識別?資中管理:?伊旨催收:*行為評介博生?客戶流失漠現(xiàn)?賬能漉破模變■回款率禊型，成功率模型?審批準(zhǔn)入策略??審批準(zhǔn)入策略?風(fēng)險定價策略■風(fēng)險預(yù)警第略■督度管理蔚略?催收策略止匕外，金融機構(gòu)還需要考慮數(shù)據(jù)成本問題。目前外部數(shù)據(jù)動不動一條就一塊錢，給到金融機構(gòu)的成本把控造成了很大的壓力。對于這個問題，金融機構(gòu)風(fēng)控部需要通過使用業(yè)務(wù)決策流的形式對外部數(shù)據(jù)、規(guī)則、模型的使用配置優(yōu)先級，形成漏斗的形式，才能緩解非常大的數(shù)據(jù)費用壓力。什么是決策引擎風(fēng)控決策引擎是金融科技的核心，它需實時支持大量業(yè)務(wù)的自動化處理，可以極大地解放人工處理的瓶頸與效率。風(fēng)控決策引擎實際上是一系列風(fēng)控規(guī)則的集合，用于識別絕對風(fēng)險與相對風(fēng)險。對于絕對風(fēng)險，決策引擎的的輸出結(jié)果是“拒絕”，即命中則拒絕；對于相對風(fēng)險，決策引擎的有兩種輸出結(jié)果。一類是風(fēng)險評分，用于衡量風(fēng)險大小，風(fēng)險評分越高，風(fēng)險越大。一類是信用評分，用于衡量信用資質(zhì)，信用評分越高，資質(zhì)越好。?

決策引擎搭建原則1可配置風(fēng)控的核心思路是基于大量真實的樣本數(shù)據(jù)，將逾期用戶的特征進(jìn)行提煉，并從概率學(xué)的角度上進(jìn)行剔除，從而保障剩余用戶群的逾期概率處于一個相對較低的區(qū)間。而對數(shù)據(jù)的提煉與作用過程，將使用到“參數(shù)”的定義?！皡?shù)”決定了區(qū)間范圍。一條風(fēng)控規(guī)則通常作用于某一數(shù)據(jù)類型，依據(jù)此數(shù)值是否滿足“參數(shù)”的定義范圍，得出是否可通過風(fēng)控的結(jié)論。由于風(fēng)控最終還是數(shù)據(jù)“喂出來”的結(jié)果,而非主觀臆斷的設(shè)限,故而，隨著數(shù)據(jù)樣本與內(nèi)容的不斷發(fā)展，必然會涉及到一些動態(tài)的調(diào)整，后期可能會發(fā)現(xiàn)原本設(shè)定的“參數(shù)”過于嚴(yán)謹(jǐn)而導(dǎo)致審核通過較低，或者是設(shè)定得過于寬松而導(dǎo)致逾期率較高。所以，風(fēng)控決策引擎需要是可配置的，有以下注意要點：非剛需與必要的風(fēng)控規(guī)則,能夠“開關(guān)化”舉例說明：一些必要的風(fēng)控規(guī)則，如用戶的身份證二要素驗證是必要規(guī)則，就無需可開關(guān)。而一些規(guī)則規(guī)則，如校驗用戶的芝麻信用分是否高于500分，則可做成“開關(guān)”。待該規(guī)則上線后，可通過分析此項規(guī)則的觸發(fā)率得出是否合理的判斷。因為芝麻信用分是否可作為決策依據(jù)將主要取決于業(yè)務(wù)方向與用戶群體，因為理論上芝麻信用分的高低主要與用戶在芝麻信用體系內(nèi)的數(shù)據(jù)綁定維度的多與少相關(guān)，并不一定絕對反映用戶的信用程度。風(fēng)控規(guī)則上的“參數(shù)”可靈活配置舉例說明：很多風(fēng)控體系通常會加入對手機運營商的校驗，如校驗用戶手機號的使用時長是否大于6個月。其中的“6個月”便是所定義的參數(shù)，此處最好可調(diào)整與配置。因為驗證用戶的穩(wěn)定性是用“6個月”合適，還是用“3個月”更合適？具體合理的參數(shù)是需要通過數(shù)據(jù)分析的結(jié)論得出的。比如發(fā)現(xiàn)手機使用時長雖然短一些，但并未與用戶是否逾期形成必然因素,那么可將該參數(shù)調(diào)整到“3個月”。風(fēng)控規(guī)則的分支可配置在規(guī)則系統(tǒng)的設(shè)計過程中，常常會發(fā)現(xiàn)，有時候只有固定的一些優(yōu)先級和一些參數(shù)的配置，還不能滿足多變的業(yè)務(wù)和復(fù)雜的風(fēng)控體系。風(fēng)控中常見的是不同場景，有不同的規(guī)則，有不同的規(guī)則參數(shù)。如果缺了規(guī)則的分支配置，會造成很大的不便。比如，某人征信評分達(dá)到650，申請金額2000元以下可以直接審批；征信評分在600~650，需要經(jīng)過學(xué)歷認(rèn)證；而征信評分在550~600，可能需要消費能力評估；等等。就是規(guī)則的結(jié)果影響它的下一條規(guī)則是什么。會讓整個規(guī)則流中，有不同的分支，有不同的參數(shù)。所以，規(guī)則可配也是一個智能規(guī)則引擎重要的部分。根據(jù)結(jié)果指標(biāo)自動調(diào)整參數(shù)在很多風(fēng)控系統(tǒng)中，規(guī)則的參數(shù)（閾值）都是依據(jù)風(fēng)控業(yè)務(wù)的經(jīng)驗。但是由于各個貸款產(chǎn)品面向的客戶群信用情況不同，客戶的信息也都在變化，這些參數(shù)早已不能依據(jù)經(jīng)驗了。例如前幾年可能有智能手機或者月均消費2000塊的人算消費能力不錯的，今天這些肯定會有變化，風(fēng)控業(yè)務(wù)的經(jīng)驗就失效了。所以，整個系統(tǒng)要基于現(xiàn)在有的大數(shù)據(jù)，可以根據(jù)結(jié)果指標(biāo)進(jìn)行調(diào)控參數(shù)。例如調(diào)控逾期率為0.05%,那么可以得到每個規(guī)則獨立的參數(shù)，這樣可以更科學(xué)更高效的幫助業(yè)務(wù)設(shè)置參數(shù)。風(fēng)控決策引擎是一堆風(fēng)控規(guī)則的集合，通過不同的分支、層層規(guī)則的遞進(jìn)關(guān)系進(jìn)行運算。而既然是組合的概念，則在這些規(guī)則中，以什么樣的順序與優(yōu)先級執(zhí)行便額外重要。風(fēng)控系統(tǒng)的作用在于識別絕對風(fēng)控與標(biāo)識相對風(fēng)險，如果是絕對風(fēng)控，則整套風(fēng)控的審核結(jié)果便將是“拒絕”。既然結(jié)果必然是“拒絕”，則沒必要運行完所有的風(fēng)控規(guī)則，而主要單條觸發(fā)“拒絕”即可停止剩余規(guī)則的校驗（但是在樣本量不足的情況下，或者說是業(yè)務(wù)初期，可以跑完全部規(guī)則，以便后期進(jìn)行規(guī)則有效性分析）。因為所有規(guī)則的運行，是需要大量的時間、金錢與性能成本的。所以，風(fēng)控決策引擎的規(guī)則是有優(yōu)先級的，有以下注意要點：.自有規(guī)則優(yōu)先于外部規(guī)則運行舉例說明：自有本地的黑名單庫優(yōu)先于外部的黑名單數(shù)據(jù)源運行。如果觸發(fā)自有本地的黑名單，則風(fēng)控結(jié)果可直接終止及輸出“拒絕”結(jié)論。無成本或低成本的規(guī)則優(yōu)先于高成本的規(guī)則運行舉例說明：借款用戶的身份特定不符合風(fēng)控要求的，諸如低于18歲的用戶，可優(yōu)先運行。而一些通過對接外部三方征信的風(fēng)控規(guī)則，需支出相關(guān)查詢費用的，則靠后運行。止匕外，在外部三方征信的規(guī)則中，“命中收費”的風(fēng)控規(guī)則又可以優(yōu)先“查詢收費”的風(fēng)控規(guī)則運行。消耗低性能的規(guī)則優(yōu)先于高性能消耗的規(guī)則運行舉例說明：直接基于用戶現(xiàn)有屬性的數(shù)值，如當(dāng)前用戶的民族是否非少數(shù)民族，則可優(yōu)先運行。而一些風(fēng)控規(guī)則，需借助爬蟲接口，且需待將爬取到的數(shù)據(jù)經(jīng)過二次加工與匯合之后，再對匯合的總值進(jìn)行判斷，如手機運營商賬單中的月總通話分鐘時長，則此類風(fēng)控規(guī)則應(yīng)后置運行。3規(guī)則及結(jié)果多樣式.規(guī)則多樣式在風(fēng)控引擎中，規(guī)則是很多類的，比如：a>5是個規(guī)則，只需要看滿足還是不滿足即可得出通過還是拒絕的結(jié)論。但是，如果是評分卡的情況，就不適合了。比如年齡在1-18歲1分，19-25歲3分，26-35歲7分，36-50歲12分，50-65歲3分，65歲以上1分。通過之前規(guī)則配置就滿足不了。需要增加區(qū)間性規(guī)則。這在建設(shè)系統(tǒng)的過程中需要考慮到。.結(jié)果多樣式規(guī)則的結(jié)果可能不只是兩個，有區(qū)間規(guī)則就必須有相應(yīng)的多個結(jié)果。對于不同的結(jié)果，會有不同的處理方式。結(jié)果多樣式，是在規(guī)則中輸出的結(jié)果需要多樣，可以輸出是與否，通過與拒絕，還需要輸出評分，甚至需要輸出風(fēng)險標(biāo)簽。多樣化的結(jié)果有助于風(fēng)控引擎后期擴展以及業(yè)務(wù)使用場景的滿足。4建模風(fēng)控體系的簡單與復(fù)雜，視業(yè)務(wù)模式的開展而定。風(fēng)控建模需借助于函數(shù)的定義，此外也可以借助評分卡的機制進(jìn)行補充。而評分卡的模式在另外一方面也作用于系統(tǒng)審核與人工信審，譬如高于X評分的訂單申請，系統(tǒng)直接通過；處于X與Y之間的評分，則需人工審核，甚至通過電話聯(lián)系；而低于Y評分的，則系統(tǒng)直接拒絕。歸結(jié)而言，風(fēng)控的本質(zhì)是數(shù)據(jù)，探索數(shù)據(jù)與數(shù)據(jù)之間關(guān)聯(lián)關(guān)系，根據(jù)其演變的規(guī)律，為業(yè)務(wù)所用。消費金融與信貸領(lǐng)域的準(zhǔn)入門檻在于風(fēng)控，越是高額度的產(chǎn)品，對風(fēng)控的要求越高。整個業(yè)務(wù)市場，如果按照風(fēng)控的由簡到難展開，則依次可以是：PaydayLoar的現(xiàn)金貸-信用卡代償-消費金融-高額度的信用貸……決策引擎功能詳解一個完整的決策引擎，需要包含以下功能模塊：.接口管理.規(guī)則集配置.評分卡配置人們常提的評分卡一般指基于客戶的一組輸入數(shù)據(jù)，計算出一個評分（數(shù)字）。設(shè)計一張評分卡一般有兩個路徑：（a）請專家根據(jù)要解決的問題，依據(jù)經(jīng)驗設(shè)計。一般適用于數(shù)據(jù)較少的情況；（b）基于數(shù)據(jù)和算法產(chǎn)生，一般適用于數(shù)據(jù)比較豐富的情況。人們常用的算法有邏輯回歸，支持向量機，決策樹，隨機森林，神經(jīng)網(wǎng)絡(luò)等等。還有一些專用算法，如美國通用的FICO信用評分就是基于自己的算法創(chuàng)建的。.機器學(xué)習(xí)“隨著小明反饋信息的增加，老師根據(jù)小明的實際情況對他進(jìn)行更深的策略修正，不停的在失敗總結(jié)中優(yōu)化套路。這個過程叫機器學(xué)習(xí)。”機器學(xué)習(xí)模型部署在后臺，能夠與系統(tǒng)對接，輸出模型評分。.歷史數(shù)據(jù)模擬在評分卡部署到生產(chǎn)系統(tǒng)之前,需用現(xiàn)有的不同數(shù)據(jù)組進(jìn)行回歸驗證，確保驗證的違約概率與評分卡所預(yù)測的概率吻合較好。評分卡投入使用后，一定要持續(xù)監(jiān)控，隨時準(zhǔn)備調(diào)整閾值。當(dāng)然還有其他的評估方法，如使用評分卡的KS，ROC曲線等。決策發(fā)布前必須進(jìn)行歷史數(shù)據(jù)模擬。從大量數(shù)據(jù)的模擬中，可以發(fā)現(xiàn)潛在的問題；可以分析該決策組合的通過率、逾期率、資本回報率是否優(yōu)于原來的決策組合；同樣，歷史數(shù)據(jù)模擬也可以用來驗證外部征信數(shù)據(jù)或人工審批的有效性，是否使用，放在哪一步?jīng)Q策使用，如何互相替代。盡管歷史數(shù)據(jù)的模擬表現(xiàn)很優(yōu)異，并不代表新的決策可以經(jīng)得住實戰(zhàn)的考驗，基于“謹(jǐn)慎”的原則，新決策最好按較低的比例與老決策同步運行。運行一段時間后，如新決策的表現(xiàn)優(yōu)于老決策，可以逐步將新決策的線上運行比例調(diào)高，直至完全替代老決策。為了提高效率，多個新決策可以同時執(zhí)行冠軍/挑戰(zhàn)者實驗。最后，出于謹(jǐn)慎原則，需要將決策編寫、模擬、檢3僉、發(fā)布的流程固化，任何決策發(fā)布之前需要得到授權(quán)人的審批,避免因人為過失造成的損失。發(fā)布之后,實時監(jiān)控表現(xiàn),通過完整的效能評估方法驗證決策的有效性。各個子決策以流程的方式組合而成,子決策包括一系列決策步驟,決策步驟內(nèi)嵌規(guī)則集（可以將評分卡也看作是一套規(guī)則集）。將“因果關(guān)系”的專家規(guī)則與“相關(guān)關(guān)系”的機器學(xué)習(xí)規(guī)則有機結(jié)合，力爭在通過率與壞賬率之間取得最優(yōu)平衡。某些子決策作為通用步驟，可以被不同的產(chǎn)品場景共用、繼承或覆蓋，便于統(tǒng)一管理。例如，失信被執(zhí)行人命中、存在嚴(yán)重逾期或銀行卡三要素錯誤等專家規(guī)則，不僅適用于電商分期產(chǎn)品，也適用于信用卡代償類產(chǎn)品。強規(guī)則命中直接拒絕，不必執(zhí)行后續(xù)規(guī)則（強規(guī)則指捕獲率極高的規(guī)則，如存在嚴(yán)重逾期歷史、