大数据智能风控_大数据风控理论

引自博文：https://blog.csdn.net/qq_43036596

互联网金融的兴起，金融科技向传统金融渗透，智能风控平台应运而生。决策引擎担任着智能风控平台的核心角色，在当代的互联网金融浪潮中至关重要，本文主要讲解了现在市面上主流风控决策引擎产品包含的核心功能模块，其中主要是规则、评分卡、表达式、模型、决策流等功能模块。

1、大数据风控概念

在介绍决策引擎之前，首先了解一下大数据风控概念：大数据风控即大数据风险控制，是指通过运用大数据构建模型的方法对借款人进行风险控制和风险提示（百度百科）。

2、什么是风控决策引擎

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。

传统的风控决策引擎主要实现规则的逻辑判断；现有通常使用的风控决策引擎，在传统的基础上功能更加丰富，可以实现规则、评分卡、模型、表达式等多种类型的逻辑嵌套，实现层次更加丰富的逻辑运算，满足现在的互联网金融业务要求；高阶的风控决策引擎，是在现有的风控决策引擎上融入了自言语言处理平台、流计算平台等，提升了现有决策引擎的算力和处理时效；

下面主要介绍通常使用的风控决策引擎平台，包含的常用功能模块主要是规则、评分卡、模型、表达式、决策流。

规则模块
规则模块常用的产品实现方式主要有规则集、规则表、规则树。

规则集
其中规则集分为普通规则、循环规则，普通规则由变量、表达式、条件值、决策结果组成，如下：

变量：会员年龄表示、表达式：大于等于、条件值：18，这只是规则集的一条规则，其中规则与规则之间存在且、或逻辑关系，然后就是决策结果​：满足rule1，输出会员名名称“金牌会员”，不满足输出会员名称“普通会员”。​

循环规则可以对集合对象进行循环的执行规则，一个循环规则可以有一个或者多个循环单元，每个循环单元都是一个普通的规则，定义的方式同普通规则。只是在执行的循环规则时，需要添加循环条件，以及循环结束后输出的决策结果，在风控决策引擎中，循环规则运用的较少，这里不做详细的讲解，感兴趣的可以留言讨论。

规则表
规则表是一种表格形式的规则工具，在处理判断条件较多的时候，决策结果较多的情况时，可以快速定义出决策规则。

 

规则表分为条件列、决策列，其中上图借款人年龄、借款人是否有驾照、借款人命中黑名单是条件列，决策结果是决策列。

现在虽然风控决策结果输出的结果类型不要求多样化，但是规则种类、数量很多，采用规则表方案实现规则的决策配置可以更加便捷、清晰。

规则树
规则树也是规则集的另一种表现形式，在展示上更加形象，在风控业务上通过规则树、规则表进行规则的配置可以更加形象、快捷。

 

其中每条规则的实现方式同普通规则，都有变量、表达式（条件）、条件值、决策结果（变量赋值）构成。

评分卡模块
评分卡是对目标的信息进行分析打分的表达方式，表示此人或此机构由于信用活动的拒付行为所造成损失风险的可能性，评分通常用于对个人或机构的风险管理与评估。

 

评分卡实际也是规则的变形，通过有变量、表达式、条件值、得分四部分组成，当然评分卡还会有得分的计算方式，例如求和、加权求和等。

模型模块
通过主观意识借助实体或者虚拟表现构成客观阐述形态结构的一种表达目的的物件（物件并不等于物体，不局限于实体与虚拟、不限于平面与立体），风控决策引擎中使用的模型更多的是数据模型，描述的是目标的行为和特征。

模型在决策引擎中，对于决策引擎平台实际是一个已经封装好了的产品，决策引擎只会负责入参变量的配置、出参变量的配置以及模型的调用，所以这个模块的核心主要是考虑模型的类型（py、model）、调用逻辑、入参以及出参变量的配置。