1-1 度小满风控决策引擎的演进与实践

度小满风控决策引擎的演进与实践

一、风控决策引擎的演进历程

业界发展

1. 第一代：内嵌规则模式
2. 第二代：特定场景引擎
3. 第三代：通用决策引擎
4. 第四代：智能决策引擎
   • 轻量级简单规则判断
   • 特定场景有限可视化
   • 集成特定场景专家知识
   • 通用可视化变更和数据集成
   • 复杂决策编排和测试
   • 机器辅助人工决策

度小满风控决策引擎演进历程

1. 风控1.0（2015）：围绕外采Blaze构建风控决策系统
2. 风控2.0（2016-2020）：自研流程、规则、变量、实验等，形成完善的贷前、贷中、贷后风控系统能力
3. 风控3.0（2021-）：全面数据驱动和智能化，构建完善的风控数据体系、智能决策和分析体系

二、风控决策引擎的技术实践

痛点

1. 策略迭代效率低
2. 数据接入和应用成本高
3. 策略验证无系统化能力
4. 决策性能影响业务转化

技术实践

1. 规则平台：从Blaze黑盒自建转为全自研（自助&可视化）
2. 流程平台：从人工编排转为自建（基于Activity），再转为全自研（自助&可视化）
3. 并行流程引擎：实现依赖分析、变量预取、灰度执行等功能
   • 提升授信审批速度：授信从22秒+降低至5秒+，用信从13秒+降低至5秒+

三、并行流程引擎的设计与实践

设计思路

1. 保持现流程引擎使用方式，实现流程并行执行
2. 符合业界BPMN标准
3. 实现灰度执行功能
4. 实现主子流程功能

关键技术实践

1. 运行时并行：编辑时、发布时和运行时的并行处理
2. 依赖分析：节点执行的先后顺序和依赖关系
3. 变量预取：解耦变量查询和节点执行，提高并发度
4. 灰度执行：流程图中每个灰度节点都会产生笛卡尔积种流程图

四、风控系统的未来趋势展望

主要趋势

1. 全面数据驱动：数据使用标准和规范，变量加工可视化，数据质量管控
2. 智能决策：策略自动诊断和调优，智能坏账预测，智能拨备测算
3. 智能分析：实时分析预警，风险指标体系，策略管理系统化

非常感谢您的观看