智能風(fēng)控平臺核心之風(fēng)控決策引擎(二)

文章發(fā)布于公號【數(shù)智物語】?(ID:decision_engine)通殃,關(guān)注公號不錯過每一篇干貨。

來源 |?互金雜貨鋪(id:hjzahuopu)

作者 |?互金雜貨鋪

本文摘要:信貸風(fēng)控策略建設(shè)思路、決策引擎主要功能

適用閱讀人群:互金產(chǎn)品人員画舌、互金模型人員堕担、互金研發(fā)人員

在風(fēng)控決策引擎(一)中,只是對風(fēng)控決策引擎的核心功能規(guī)則曲聂、評分卡霹购、模型、表達(dá)式朋腋、決策流等模塊做了簡介齐疙。

大數(shù)據(jù)風(fēng)控,大數(shù)據(jù)輸入決策引擎通過規(guī)則旭咽、評分卡贞奋、模型、表達(dá)式穷绵、決策流等功能模塊就能輸出理想的風(fēng)控結(jié)果了嗎轿塔?

實際業(yè)務(wù)中的風(fēng)控流程依靠這幾個功能模塊是無法完全達(dá)到風(fēng)控目的,成熟的風(fēng)控方案有一套嚴(yán)謹(jǐn)?shù)牟呗泽w系仲墨,風(fēng)控決策引擎要結(jié)合風(fēng)控策略體系勾缭,最終才能達(dá)到風(fēng)險控制的目標(biāo)。

大數(shù)據(jù)風(fēng)控通用流程主要為貸前宗收、貸中、貸后全信貸生命周期風(fēng)控亚兄,分別對應(yīng)的評分卡有A卡(Application score card)申請評分卡混稽、B卡(Behavior score card)行為評分卡、C卡(Collection score card)催收評分卡审胚。評分卡的開發(fā)需要豐富的數(shù)據(jù)支撐匈勋,在信貸業(yè)務(wù)初期由于數(shù)據(jù)不充分,則不具備評分卡的開發(fā)膳叨,這時候就會選擇規(guī)則判斷進行初期的風(fēng)控洽洁。

信貸通用的風(fēng)控都是包含了規(guī)則和評分卡兩部分,貸前流行的風(fēng)控策略流如下:

基于準(zhǔn)入菲嘴、反欺詐(黑名單)饿自、信用評級、定額定價四部分構(gòu)成龄坪,具體的信貸場景在此基礎(chǔ)上也會有部分調(diào)整昭雌,在自有存量客戶較大的時候,新上線信貸產(chǎn)品之前很多廠家都會在準(zhǔn)入之前加入預(yù)授信策略健田。

無論是準(zhǔn)入烛卧、反欺詐、授信評級中的規(guī)則還是評分卡妓局,通常是都是通過決策引擎進行邏輯判斷总放,在智能風(fēng)控平臺之決策引擎(一)中介紹了四個常用的決策引擎功能模塊呈宇,其中決策流配置模塊就是用來配置信貸風(fēng)控策略流,評分卡模塊配置評分卡模型進行封裝成規(guī)則包局雄、規(guī)則模塊配置規(guī)則進行封裝成規(guī)則包甥啄,在通過決策流配置模塊配置風(fēng)控流程。

信貸風(fēng)控流程就是決策引擎對于傳入數(shù)據(jù)的組合運算哎榴,有風(fēng)控策略流程就有規(guī)則的優(yōu)先級運算也就有數(shù)據(jù)傳入的優(yōu)先級概念型豁,優(yōu)先級制定的原則主要是從數(shù)據(jù)源、規(guī)則的強弱(強規(guī)則命中直接拒絕尚蝌、弱規(guī)則需要組合判斷決策)迎变、數(shù)據(jù)成本、效率飘言、數(shù)據(jù)積累等方面進行考慮:

1. 自有數(shù)據(jù)源對應(yīng)的規(guī)則優(yōu)于三方數(shù)據(jù)源對應(yīng)的的規(guī)則

?自有數(shù)據(jù)源在接口請求衣形、性能、價格等方面都優(yōu)于三方數(shù)據(jù)源姿鸿,如自有?的黑名單庫數(shù)據(jù)谆吴,在命中黑名單規(guī)則可以直接拒絕。

2. 強規(guī)則(強規(guī)則命中直接拒絕)優(yōu)于弱規(guī)則(弱規(guī)則需要組合判斷決策)

很多決策引擎的性能伴隨著規(guī)則數(shù)量的增加下降苛预,考慮更好的利用決策引擎的資源句狼,強規(guī)則決策優(yōu)于弱規(guī)則決策。例如命中前科拒絕這種強規(guī)則热某,應(yīng)該優(yōu)于命中多頭借貸且命中逾期3次拒絕這種組合的弱規(guī)則腻菇。

3. 低成本數(shù)據(jù)對應(yīng)的規(guī)則優(yōu)于高成本數(shù)據(jù)對應(yīng)的規(guī)則

大數(shù)據(jù)風(fēng)控,數(shù)據(jù)的費用在整個智能風(fēng)控中占據(jù)著較重的比列昔馋,在制定的風(fēng)控策略流程的時候筹吐,低成本規(guī)則優(yōu)于高成本規(guī)則。三方數(shù)據(jù)服務(wù)主要由查得秘遏、查詢兩種計費模式丘薛,其中查得是指三方數(shù)據(jù)返回有結(jié)果進行計費;查詢是指請求三方數(shù)據(jù)邦危,不管三方數(shù)據(jù)是否返回結(jié)果就進行計費洋侨,因此查得對應(yīng)的規(guī)則優(yōu)于查詢對應(yīng)的規(guī)則。

4. 效率高的規(guī)則優(yōu)于效率低規(guī)則

有些規(guī)則比如規(guī)則甲只需要一個接口A就能做出決策倦蚪,而規(guī)則乙則需要三個接口B/C/E才能做出決策凰兑,因為接口的請求是需要時間,這時候就需要考慮規(guī)則效率审丘,效率高的由于效率低的規(guī)則吏够。

5. 需要積累數(shù)據(jù)的規(guī)則優(yōu)于無需積累數(shù)據(jù)的規(guī)則

在模型冷啟動的時候,有些變量作為后期模型潛在核心變量,需要盡可能多的收集這些數(shù)據(jù)锅知,此時需要積累數(shù)據(jù)的規(guī)則優(yōu)于無需積累數(shù)據(jù)的規(guī)則播急。

以上的優(yōu)先級原則不都是固定不變的,很多規(guī)則優(yōu)先級的制定都是基于幾個原則的綜合考慮售睹。

由規(guī)則的優(yōu)先級原則桩警,對于風(fēng)控決策引擎在決策運算時的功能要求是,能夠?qū)τ跊Q策流程命中拒絕結(jié)果后實現(xiàn)決策流程的決策終斷以及決策繼續(xù)昌妹,決策流程不僅可以在大的決策流上實現(xiàn)決策流程開關(guān)捶枢,而且也可以對小的支流某條規(guī)則實現(xiàn)決策流程的開關(guān)。

數(shù)據(jù)接入優(yōu)先級確認(rèn)飞崖,傳入決策引擎進行規(guī)則烂叔、評分卡、模型的決策固歪,此時還需考慮數(shù)據(jù)缺失時蒜鸡,數(shù)據(jù)缺失太多規(guī)則、評分卡等的風(fēng)控也會失靈牢裳,那此情形下的決策引擎應(yīng)該怎么處理呢逢防?

通常規(guī)則類的策略,在命中數(shù)據(jù)缺失的時候蒲讯,可以在規(guī)則中配置決策結(jié)果直接輸出缺失的結(jié)果忘朝。但是評分卡類的策略,如果在數(shù)據(jù)缺失時通過配置其得分判帮,最后計算總得分局嘁,依據(jù)總分進行評分卡的結(jié)果決策,這樣很難保證評分卡的效果脊另。例如評分卡中的變量豐富的時候导狡,其中核心變量是不能允許缺失约巷,但是如果決策引擎沒有對于的判斷機制偎痛,在核心變量缺失時,其他變量沒有缺失同時其他變量的得分較高独郎,此時拉高了整體的評分卡的得分踩麦,最后的得分做出決策為通過,實際該客戶因為核心變量缺失需要通過人工審核氓癌,因此在這種情形下并不能準(zhǔn)確的判斷客戶的征信情況谓谦。那么決策引擎應(yīng)該怎么去解決這個問題呢?

設(shè)計決策引擎產(chǎn)品下到規(guī)則集贪婉、評分卡的每一條決策判斷反粥,上到規(guī)則包、模型包的決策判斷都需要進行數(shù)據(jù)信息值的計算,在決策引擎中的規(guī)則才顿、評分卡配置上需要具備信息值的配置莫湘、信息值的閾值配置以及信息值的決策結(jié)果配置等。決策引擎在進行規(guī)則的判斷的時候郑气,首先應(yīng)該計算的是信息值幅垮,然后在進行策略的運算,通過對缺失值的管控尾组,實現(xiàn)更精準(zhǔn)的風(fēng)控效果忙芒。

決策引擎主要的用戶是模型策略人員,風(fēng)控策略伴隨著業(yè)務(wù)的發(fā)生讳侨,會進行不斷地調(diào)整呵萨、迭代,同時不同的業(yè)務(wù)場景所使用的模型策略也是不同的爷耀,因此決策引擎還需要滿足模型版本管理甘桑、模型對比的功能,可以更方便用戶配置操作歹叮、支撐更多的業(yè)務(wù)場景跑杭。

模型的優(yōu)化、迭代是需要豐富的歷史數(shù)據(jù)作為支撐咆耿,這里的歷史數(shù)據(jù)可以分為兩部分:一是傳入決策引擎的元數(shù)據(jù)德谅,二是決策引擎計算出來的結(jié)果數(shù)據(jù)包含規(guī)則、評分卡等數(shù)據(jù)萨螺。數(shù)據(jù)在傳入決策引擎進行計算后需要對元數(shù)據(jù)和結(jié)果數(shù)據(jù)進行存儲窄做,這里的存儲也會存在兩種方式:一是緩存,這樣可以避免同一個客戶在規(guī)定的時間內(nèi)重復(fù)調(diào)用三方數(shù)據(jù)慰技,造成不必要的成本浪費椭盏;二是存儲所有的風(fēng)控數(shù)據(jù),便于后期模型的調(diào)優(yōu)吻商、迭代掏颊,同時也可以用于貸中、貸后的管理艾帐。數(shù)據(jù)存儲的功能乌叶,更多的規(guī)劃在決策引擎的配套產(chǎn)品接口管理平臺中,在后面決策引擎配套產(chǎn)品介紹中會詳細(xì)的介紹柒爸。

實際業(yè)務(wù)中准浴,風(fēng)控的結(jié)果輸出,不僅僅只是“通過”捎稚、“拒絕”乐横、“人工審核”求橄,還會有很多詳細(xì)的內(nèi)容包含觸發(fā)的規(guī)則、預(yù)警的規(guī)則等葡公,這就要求需要一個詳細(xì)的風(fēng)控報告輸出谈撒,以備人工審核的人員獲取數(shù)據(jù),這也是決策引擎配套的風(fēng)控報告產(chǎn)品匾南。

以上介紹了關(guān)于決策引擎的部分主要功能和風(fēng)控策略流程的建設(shè)思路啃匿,應(yīng)大家的要求我會在下一章中補充介紹復(fù)雜規(guī)則、復(fù)雜評分卡的產(chǎn)品設(shè)計蛆楞,敬請期待溯乒。

星標(biāo)我,每天多一點智慧

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末豹爹,一起剝皮案震驚了整個濱河市裆悄,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌臂聋,老刑警劉巖光稼,帶你破解...
    沈念sama閱讀 221,695評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異孩等,居然都是意外死亡艾君,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,569評論 3 399
  • 文/潘曉璐 我一進店門肄方,熙熙樓的掌柜王于貴愁眉苦臉地迎上來冰垄,“玉大人,你說我怎么就攤上這事权她『绮瑁” “怎么了?”我有些...
    開封第一講書人閱讀 168,130評論 0 360
  • 文/不壞的土叔 我叫張陵隅要,是天一觀的道長蝴罪。 經(jīng)常有香客問我,道長步清,這世上最難降的妖魔是什么要门? 我笑而不...
    開封第一講書人閱讀 59,648評論 1 297
  • 正文 為了忘掉前任,我火速辦了婚禮尼啡,結(jié)果婚禮上暂衡,老公的妹妹穿的比我還像新娘询微。我一直安慰自己崖瞭,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 68,655評論 6 397
  • 文/花漫 我一把揭開白布撑毛。 她就那樣靜靜地躺著书聚,像睡著了一般唧领。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上雌续,一...
    開封第一講書人閱讀 52,268評論 1 309
  • 那天斩个,我揣著相機與錄音,去河邊找鬼驯杜。 笑死受啥,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的鸽心。 我是一名探鬼主播滚局,決...
    沈念sama閱讀 40,835評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼顽频!你這毒婦竟也來了藤肢?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,740評論 0 276
  • 序言:老撾萬榮一對情侶失蹤糯景,失蹤者是張志新(化名)和其女友劉穎嘁圈,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體蟀淮,經(jīng)...
    沈念sama閱讀 46,286評論 1 318
  • 正文 獨居荒郊野嶺守林人離奇死亡最住,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,375評論 3 340
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了怠惶。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片温学。...
    茶點故事閱讀 40,505評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖甚疟,靈堂內(nèi)的尸體忽然破棺而出仗岖,到底是詐尸還是另有隱情,我是刑警寧澤览妖,帶...
    沈念sama閱讀 36,185評論 5 350
  • 正文 年R本政府宣布轧拄,位于F島的核電站,受9級特大地震影響讽膏,放射性物質(zhì)發(fā)生泄漏檩电。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,873評論 3 333
  • 文/蒙蒙 一府树、第九天 我趴在偏房一處隱蔽的房頂上張望俐末。 院中可真熱鬧,春花似錦奄侠、人聲如沸卓箫。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,357評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽烹卒。三九已至闷盔,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間旅急,已是汗流浹背逢勾。 一陣腳步聲響...
    開封第一講書人閱讀 33,466評論 1 272
  • 我被黑心中介騙來泰國打工顽决, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留或粮,地道東北人。 一個月前我還...
    沈念sama閱讀 48,921評論 3 376
  • 正文 我出身青樓蝙泼,卻偏偏與公主長得像谣辞,于是被迫代替她去往敵國和親盟迟。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,515評論 2 359

推薦閱讀更多精彩內(nèi)容