基于业务规则的客户风险评分 - ODM/JRules实现

本文介绍如何利用IBM ODM/JRules技术实现金融行业的客户风险评分。通过规则设计和模型构建,包括准入规则、评分规则和分级规则,实现了评分的灵活性和自动化,以适应业务的快速变化。
摘要由CSDN通过智能技术生成

通常的业务规则我们使用If then的形式来描述,而现实生活中的企业业务决策要复杂得多,一般由多个规则组成,而且其复杂性很难直接通过经典的基于rete的规则引擎利用其推理能力执行多个if then语句来解决。需要对规则流的设计,模型的建立,规则的层次结构有一个整体的考虑设计,以真正达到企业运营决策逻辑的敏捷变更的目的。

本文将使用一个金融行业常见的客户风险评分场景,来说明怎么利用业务规则技术(IBM ODM/JRules)实现复杂决策。

客户风险评分需求

所谓客户风险评分,就是根据客户信息使用特定的公式规则算法计算出用于标识客户风险级别的分值,在金融行业广泛的应用,如银行信用卡申请,个人或企业贷款审批。自动化的客户风险评分可以提高风险管理的及时性,确保评分决策的一致性,减少人工干预,进而实现业务流程自动化,降低运营成本。通常企业希望评分机制可以根据情况随时调整,包括评分参数,计算公式,风险因子等。如果使用代码方式或者数据库参数表的方式实现评分逻辑,其灵活性通常难以达到用户的期望。

一个客户的具体风险评分需求如下:

1. 准入规则

- 申请人的年龄比如大于18岁,小于60岁

- 申请的金额不得超过1,000,000

- 申请人必须有正当职业,不接受无业者的申请

2. 评分规则

以下表格是客户风控部门设定的评分标准的一个子集,实际的评分模型当然远远比示例复杂,某些因子之间有关联关系,其权重或者风险分值也可能相互影响。

风险要素 权重 缺省分值 风险要素取值范围 风险要素分值
Age 10% 10 < =25 75
      26 - 30 30
      31 - 45 10
      > =46 50
Gender 5% 20 Male 100
      Female 50
Education Level 15% 20 High School 80
      Associate Degree 50
      Bachelor Degree 20
      Master Degree 20
      Doctor Degree 50
Employment Type 10% 20 Employed 20
      Self Employed 50
Corporate Type 10% 30 Top 1000 Corporations 10
      State Owned Corporations 20
      Others<
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值