任买科技从最初使用Experian决策引擎产品,到自研开发第一版网页版决策引擎,到现在实现了决策引擎平台、函数计算平台、积木系统、章鱼监控系统等系统相互协作,共同构成了一套完整的风控决策平台,践行着我们 “技术赋能金融” 的宗旨。
这里简单普及一下风控决策引擎是干什么。风控决策引擎是对复杂的业务逻辑抽象化剥离出来的业务规则进行不同的分支组合、关联,然后层层规则递进运算,最终输出决策结果的产品。
决策结果会分绝对风险与相对风险:
对于绝对风险,决策引擎的输出结果是“拒绝”,即命中则拒绝;
对于相对风险,决策引擎常见有两种输出结果:
一类是风险评分,用于衡量风险大小,风险评分越高,风险越大。
一类是信用评分,用于衡量信用资质,信用评分越高,资质越好。
我们是在2014年正式引进了全球最大征信机构益博睿(Experian)的先进审批决策引擎,并采用世界领先建模方法合作开发基于个人信用的评分体系,通过覆盖客户风险要素特征的变化,提升风控效率与精度。这在当时还是非常符合业务需要,推动了业务高速发展。
在和Experian的合作告一段落后,我们培养出来我们这边2位同事专门从事Experian风控决策引擎规则的配置和开发工作,持续进行着风控决策引擎的研发工作。
大概到了2015年下半年,随着业务的规模化和多元化发展,我们对那套决策引擎系统有了自研的想法,由于Experian的规则开发和其他Java开发不太一样,严重依赖那2位同事开发,其他开发同事很难上手,所以当业务需求堆积的时候就导致并行开发问题,导致开发和测试效率偏低,业务、政策、产品、开发等几方因排期和查错问题上互相开始了抱怨。
我们的风控开发流程是:
由风控BA提出需求
由风控MA来训练验证,反馈风控BA验证结果
由风控BA向IT产品经理提开发需求
最后由IT开发工程师来排期开发实现
这个过程会存在效率低下,信息传播过长,沟通失真,数据源验证准确性等问题,导致上下游互相抱怨。
于是15年下半年,伴随着一个新产品的开发,我们开始了风控决策引擎的自研之路,围绕上面的开发流程持续进行完善,可以分四个阶段:第一阶段基于Experian决策引擎开发(外采,刚接触),第二阶段决策引擎-V1(节省IT开发时间),第三阶段决策引擎-V2(节省BA时间),第四阶段决策引擎-V3(进一步节省BA和MA时间,以及并发执行效率)。接下来就分为三篇文章来介绍这几个研发情况:
第一阶段:基于Experian决策引擎标准开发模式
通过Experian工具进行数据指标编码、规则编码以及规则公式的配置,导出Experian决策文件(后缀:.ser);Experian工具生产的决策文件,只对应单一的产品线,例如A产品一套决策文件,B产品一套决策文件,相互之间不能共用。
Java程序将Experian配置指标编码对应的数据作为入参,传入Experian决策文件中,通过Experian决策文件计算返回触碰的规则码:比如R912,R913等等。
业务流程再对触碰的规则码进行逻辑处理,判断是否放款,是否拒贷等。
这个时候是第一次使用到决策引擎产品,由于是外购,也只能说是使用,但也算是自研的开端,毕竟还是有些借鉴。
第二个阶段:决策引擎-V1
这个时候我们开始正式进入自研阶段,我们借鉴了Experian决策引擎产品,开发了第一版网页版决策引擎,实现了参数库、规则库、模型库、决策树模型的基本功能,支持在网页上配置规则和决策树,很大程度上减少开发工作量。
开发人员通过决策引擎系统可进行添加指标编码、指标类型、规则码、规则模型、决策树模型等信息,相同的规则可复用,可以灵活配置、导入、导出规则以及模型,在线测试规则公式的合法性、有效性等,提升排错效率。
配置好的规则码、规则模型、决策树模型可以一键提审,一键发布上线,无需生成任何文件,无需解析任何文件,效率得到极大提升。
业务线产品通过决策引擎服务API接口,传入必要的指标编码以及对应的数值,调用规则模型或决策树模型获取fel引擎计算结果,比如触碰了哪些规则码(R912、R913等)或计算得出决策树模型的评分,根据不同的结果,不同的业务逻辑,做出风控决策。
网页版决策引擎系统的上线,完全替换了Experian的基本功能,提升开发人员开发和配置效率,大大的节省了开发人员的时间。
关于任买科技研究院
任买研究院所有原创内容由金融科技解决方案提供商任买科技出品,专注金融科技、数据科学、行业分析及金融机构的智能转型等领域研究。
愿任买科技研究院成为引领金融科技创新的摇篮,以前瞻性的研究,推动金融科技的高质量发展。
