???????? 上一篇，筆者介紹了謹(jǐn)慎使用“數(shù)據(jù)驅(qū)動”的風(fēng)控模型百炬，需要“高質(zhì)量的數(shù)據(jù) + 審慎嚴(yán)謹(jǐn)?shù)臎Q策模型 + 實時全面的監(jiān)控分析”動態(tài)閉環(huán)。本篇筆者會著力于介紹整個風(fēng)控決策體系的建設(shè)及持續(xù)優(yōu)化复亏。

風(fēng)控決策的管理并不是狹義上的規(guī)則或評分卡（Scorecard）模型类腮，而是廣義上對整個風(fēng)控策略的體系化管理做入，還應(yīng)覆蓋包括模擬驗證冒晰、冠軍/挑戰(zhàn)者實驗（A/B測試）、版本管理竟块、效能評估在內(nèi)的全生命周期壶运，如果有人工審核環(huán)節(jié)的話，也需要納入風(fēng)控體系進行統(tǒng)一管理浪秘。

工欲善其事必先利其器蒋情，為了提升管理效率，決策引擎的使用必不可少耸携。無論選用開源軟件棵癣、成熟產(chǎn)品，或是自建违帆，都要確保風(fēng)控決策獨立于代碼版本浙巫，可實現(xiàn)熱發(fā)布，便于版本回溯刷后。風(fēng)控決策的構(gòu)建的畴，應(yīng)該是自頂向下的，頂層應(yīng)當(dāng)是產(chǎn)品場景與風(fēng)控場景尝胆，例如電商分期丧裁、教育分期、信用卡代償?shù)鹊群危L(fēng)控場景包括風(fēng)控審批煎娇、額度、定價贪染、催收等各個環(huán)節(jié)缓呛。

決策如何合理編排、高效管理杭隙？不妨參考以下原則：

[if !supportLists]ü? [endif]清晰的定義頂層場景哟绊，而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痰憎，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）票髓。

[if !supportLists]ü? [endif]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)平衡铣耘。

[if !supportLists]ü? [endif]某些子決策作為通用步驟洽沟，可以被不同的產(chǎn)品場景共用、繼承（derive）或覆蓋（override）蜗细，便于統(tǒng)一管理裆操。例如，失信被執(zhí)行人命中炉媒、存在嚴(yán)重逾期或銀行卡四要素錯誤等專家規(guī)則踪区，不僅適用于電商分期產(chǎn)品，也適用于信用卡代償類產(chǎn)品橱野。

[if !supportLists]ü? [endif]強規(guī)則命中直接拒絕朽缴，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)重逾期歷史水援、手機使用少于3個月等欺詐嫌疑極高的規(guī)則密强；或者是不符合借款條件，如不滿18歲蜗元；強規(guī)則早期大部分來源于專家規(guī)則或渤，后續(xù)隨著數(shù)據(jù)的積累也能總結(jié)出新規(guī)則）。

[if !supportLists]ü? [endif]無成本/低成本規(guī)則優(yōu)先于高成本規(guī)則執(zhí)行奕扣，如自有黑名單規(guī)則優(yōu)先于外部調(diào)用的黑名單規(guī)則薪鹦。

[if !supportLists]ü? [endif]決策不應(yīng)只有通過、拒絕兩種結(jié)果，應(yīng)可以支持類灰名單命中之后的人工判斷池磁。

[if !supportLists]ü? [endif]決策順序的調(diào)換奔害，不應(yīng)影響到整體業(yè)務(wù)流程，造成流程的中斷或異常地熄。

[if !supportLists]ü? [endif]如某項規(guī)則的輸入來源于外部征信數(shù)據(jù)华临，需要定義好超時重試、跳過策略端考，避免因數(shù)據(jù)源的問題導(dǎo)致的決策中斷雅潭、或因此作出的錯誤決策。

???????? 出于“謹(jǐn)慎性原則”却特，決策發(fā)布前必須進行歷史數(shù)據(jù)模擬扶供。從大量數(shù)據(jù)的模擬中，可以發(fā)現(xiàn)潛在的問題裂明；分析該決策組合的通過率椿浓、捕獲率、潛在ROI漾岳，是否優(yōu)于原來的決策組合轰绵；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尼荆，是否使用左腔，放在哪一步?jīng)Q策使用，如何互相替代捅儒。

再來談?wù)劰谲?挑戰(zhàn)者實驗（A/B測試）液样。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)的考驗巧还，基于“謹(jǐn)慎”的原則鞭莽，新決策最好按較低的比例與老決策同步運行。運行一段時間后麸祷，如新決策的表現(xiàn)優(yōu)于老決策澎怒，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阶牍。為了提高效率喷面，多個新決策可以同時執(zhí)行冠軍/挑戰(zhàn)者實驗。

最后稍微談一下用于信用風(fēng)險評估的評分卡模型走孽。人們常提的評分卡一般指基于客戶的一組輸入數(shù)據(jù)惧辈，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)要解決的問題磕瓷，依據(jù)經(jīng)驗設(shè)計盒齿。一般適用于數(shù)據(jù)較少的情況念逞；（b）基于數(shù)據(jù)和算法產(chǎn)生，一般適用于數(shù)據(jù)比較豐富的情況边翁。算法可以有很多種翎承，人們常用的有邏輯回歸，支持向量機倒彰，決策樹审洞，隨機森林莱睁，神經(jīng)網(wǎng)絡(luò)等等待讳。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)建的仰剿。

信用風(fēng)險控制所用的評分卡主要是預(yù)測信貸人的違約概率创淡。如何評估評分卡的優(yōu)劣？在評分卡部署到生產(chǎn)系統(tǒng)之前南吮，需用現(xiàn)有的不同數(shù)據(jù)組進行回歸驗證琳彩，確保驗證的違約概率與評分卡所預(yù)測的概率吻合較好。評分卡投入使用后部凑，一定要持續(xù)監(jiān)控露乏，隨時準(zhǔn)備調(diào)整閾值。當(dāng)然還有其他的評估方法涂邀，如使用評分卡的KS瘟仿，ROC曲線等。

根據(jù)我們的經(jīng)驗比勉，評分卡的使用效果取決于客群劳较，客戶特征數(shù)據(jù)的選擇和數(shù)據(jù)的真實性保證，創(chuàng)建評分卡的方法浩聋，創(chuàng)建者和運行者等多種因素观蜗，是一項系統(tǒng)工程，而非像跑一個機器學(xué)習(xí)算法那樣簡單而又神秘衣洁。

???????? 最后出于“謹(jǐn)慎”原則墓捻，需要將決策編寫、模擬坊夫、檢驗砖第、發(fā)布的流程固化，任何決策發(fā)布之前需要得到授權(quán)人的審批践樱，避免因人為過失造成的損失厂画。發(fā)布之后，實時監(jiān)控表現(xiàn)拷邢，通過完整的效能評估方法驗證決策的有效性袱院。如何監(jiān)控，敬請期待即將推出的最后一篇：如何“謹(jǐn)慎”使用“數(shù)據(jù)驅(qū)動”的風(fēng)控模型（三）——監(jiān)控篇。