在風控規則引擎裡，是怎麼結合評分卡來輸出自動審批決策？

下面透過一個簡單的策略配置來進行了解。

01構想一個信審場景，設計一個銀行的信審流程

上述信審流程包含如下四個步驟：

第一步硬規則

任意一條此類規則被觸發，申請將被拒絕；

第二步風險規則

計算申請觸發的風險規則的數量

第三步評分模型

計算評分卡得分（評分卡包含四項內容：年齡、性別、手機在網時長、芝麻分）

第四步決策表

根據評分模型和使用者觸發的風險規則兩個維度，處理客戶最終是否准入，即審批通、審批拒絕或人工稽核。

四個信審策略：

1、硬規則

指使用者一旦觸發，就要被拒絕的規則，示例中包括如下具體規則：

年齡<18

年齡>45

手機在網時長<6個月

使用者在機構內部黑名單

使用者在外部徵信機構黑名單

2、高風險規則

指使用者雖然可以准入，但風險較高，達到一定程度，就需要考慮拒絕的規則，示例中包含如下規則：

在凌晨1-5點間申請

手機在網時長<12個月

使用者在外部徵信機構灰名單

使用者所在地區為高風險地區

使用者裝置標識缺失

3、評分卡

*根據該卡計算，最高得分為：100分，最低得分為：23分。

4、決策表

評分卡得分

高風險規則觸發規則數

0

1-2

3-4

5

（0,50）

拒絕

拒絕

拒絕

拒絕

[50,60)

人工

拒絕

拒絕

拒絕

[60,70)

透過

人工

拒絕

拒絕

[70,80)

透過

透過

人工

拒絕

[80,100]

透過

透過

透過

人工

02梳理業務流程，提煉輸入與輸出變數

接著根據上面擬定的信審策略提煉輸入與輸出變數，做簡單的示例：

輸入變數：

輸出變數：

*輸出變數用於輸出審批結果

03配置規則流

按上面給出的變數值和信審策略就可以開始配置規則流。

如下圖：

1. 上面分支代表硬規則策略，命中即拒絕；

2. 如未命中則往下走下面的高風險規則的分支，結合評分卡和決策表輸出審批結果。

這樣一個簡單的風控規則配置就完成了。後續還需配置檢查、策略測試以保證策略的完整與準確。

在真實的信審場景裡，風控規則更為複雜多變。除了對貸款申請進行自動審批的結論輸出，還需增加資產、收入、負債等輸入變數，給出貸款成數、貸款利率、貸款額度等來對客戶進行差異化的信貸政策。

04舉個"慄"子

Q:根據文中的例子，假設一名35歲的男性貸款申請人，爬蟲得知該客戶芝麻分550，手機在網時長12個月，觸發兩條高風險規則，那麼根據決策表的設計，此客戶的自動審批結論是怎麼樣的？

A:根據評分卡的設計：

35歲得分20；

男性得分8；

芝麻分550得分為8；

手機在網時長12個月得分16；

該客戶總評分卡分數為52；

再加觸發兩條高風險規則；

所以根據決策表的設計，自動審批結論是拒絕。

基於獲客成本，有些資料是該公司掌握的，有些資料需要花錢像第三方購買，有的資料便宜，有些資料貴。首先判斷免費的即自己公司掌握的資料，如果條件都滿足，則流程繼續往後走，開始判斷收費的資料。如果一旦遇到不符合的，即可終止。