科普文：架构设计之智能风控系统设计

在数字革命的浪潮中，金融行业正面临着一场深刻的风险管理转型，智能风控系统作为引领这一变革的先锋力量，正逐渐淘汰传统的风控措施，成为金融机构稳健前行的坚实盾牌。

笔者曾亲历风控决策引擎从概念萌芽到成熟应用的全过程，也见证过从零开搭建智能风控系统，思考设计方案，对核心组件有深入的理解，遵循严谨的设计哲学，并采取灵活的实施策略......通过分享这些相关案例，希望能为投身于金融风控领域的朋友们提供一份有价值的指南，启发思考，促进创新。

    什么是智能风控系统

       智能风控系统，作为融合大数据、人工智能与机器学习等尖端技术的集大成者，构建起了一个全方位覆盖、多层次协同、动态响应的综合性风险管理生态体系。该系统贯穿风险管理的全生命周期，从敏锐的风险识别起始，经由精确的量化评估，到持续的监控追踪，再到即时的预警响应，直至高效的问题处置，形成了一条闭环且高效的全链条管理流程。其核心使命在于引领风险管理的智能化革命，通过自动化流程减少人工干预，实现风险管理的实时动态调整，同时依托算法模型的精准计算，确保管理决策的科学性与前瞻性。智能风控系统的引入，标志着风险管理从传统模式向自动化、实时化、精准化时代的跨越，为金融机构的稳定运营与持续发展提供了强有力的支撑与保障。图1则是智能风控系统支撑的贷前风控体系示意图。

（图1：智能风控系统支撑的贷前风控体系）

        风控系统的特点

       智能风控系统有两个特点：一是计算机系统，包含软件、硬件、数据；二是服务于风控业务，在风控领域使用。从数据处理时效方面上看，风控系统分为在线系统和离线系统。在线系统需要实时处理信贷业务，并产生真实业务结果。离线系统则不产生真实业务结果，只用于分析、展示，如BI（Business Intelligence，商业智能）系统、建模平台。从组成部分上看，风控系统由模块和组件构成，模块是从逻辑上将系统分解，即分而治之，将复杂问题简单化。模块的粒度可大可小，可以是子系统、某个服务能力、函数、模型、功能块。组件则包括应用服务、数据库、网络、物理机、也包括技术组件，如MQ（Message Queue，消息队列）、容器、Nginx。

       风控系统架构

      在搭建风控系统前，需要确定风控系统架构。架构是指经过系统性地思考，为系统划分了明确的边界，深刻影响系统产品应用、功能组织、代码开发、部署运维等各方面，权衡利弊之后在现有资源约束下的最合理决策。最终明确的系统骨架包括子系统、模块、组件以及他们之间协作关系，约束规范，指导原则，并由它来指导团队中的每个人思想层面上的一致。风控系统建设基于业务需求的驱动，以架构设计为指引，全局把控，选择合适技术，解决关键问题、指导研发落地实施，如图2所示。

（图2：智能风控系统架构参考）

        风控系统架构按照应用方面，可划分为数据层、分析层、系统层、应用层，四层在逻辑上循序渐进，在业务上环环相扣，共同构造了风控系统。由于笔者时间有限，本篇只讨论数据层。

数据层

数据层是大数据在信贷业务的直接体现，是大数据分析处理的基础，也是大数据信贷审批流程优化设计的前提。数据层主要负责从海量数据中搜集整理有效信息，主要对应的是内部和外部数据，每个部分均对应相应的服务级别和权限，实现数据接入和存储。在银行实际信贷业务中，数据是分布在不同的数据库里，风控系统想要高效的利用数据，首先需要在数据层上，融合全量业务的数据，再在融合数据的基础上做抽取、清洗、预处理。

数据层通过数据平台提供的实时计算、离线计算、流式计算和批量计算进行数据处理，并接入了多个系统的业务数据，其中包括大量的非结构化数据。通过对数据的多样性、依赖性、不稳定性进行处理，最终输出完整的、一致性的风控指标数据，并通过数据接口提供给算法引擎层调用。

这一层最关键是基于数据库的技术架构和数据架构，并结合风控体系业务功能需求，建立数据治理体系，实现数据采集、数据校验、数据清洗、数据存储、标准输出、数据监控闭环管理，支持多种不同类型任务和临时查询，保证数据规范存储和顺畅流转，满足SQL查询、自定义函数、机器学习、深度学习、外部功能调用等不同场景开发需求支持工作流。图3表示风控系统数据层的工作原理和逻辑。

（图3  风控系统数据层的工作原理和逻辑）

分析服务层

分析服务层集合了各种数据挖掘算法，在系统内被分门别类的封装成各种常用的分类、聚类、关联、推荐等算法集，是数据分析师工作的主要平台。数据分析师通过分析服务层提供的各项算法能力，开展信贷数据挖掘全流程的工作，最终产出风控模型和识别规则。图1表示分析服务层的工作原理。

（图1：分析服务层的工作原理）

风控系统底层业务数据表较多，几十张甚至上百张。分析服务层通过数据关联，把多个表连接起来，形成模型进行数据分析。例如数据层提供信贷核心业务数据表，如表1所示，而分析层则根据个表共有主键id，将各表连接，形成大宽表，将信贷生命周期各类数据进行串联，供数据分析师建模和策略使用，如表1和图2所示。

表1 信贷业务数据表

序号	表名	存储内容
1	客户信息表	存储客户的相关信息，例如客户编号、客户名称、电话、客户年龄、客户地址等
2	贷款申请表	存储客户的授信申请记录包括申请编号、申请金额、审批通过金额、审批通过利率等
3	贷款产品表	存储行内贷款申请编号、产品编号、产品额度、利率等信息
4	审批信息	存储申请编号、审批编号、借据号、审批路径、数据源调用、审批结果规则
5	流程信息	储存流程编号、申请编号、业务类型、调用应用名、流程耗时

（图2：应用分析层的表关联）

系统层

系统层是风控系统的关键组成部分，由多个服务风控审批业务的子系统和模块构成，发挥信息技术在集中管理、防范风险、规范流程、提高效率的作用，更好地支撑信贷业务的发展。根据系统职能，风控子系统分为风控网关、审批系统、数据计算平台、催收系统、核心系统等。风控平台系统架构层各模块的工作原理和逻辑如图3所示。

（图3：风控平台系统架构层各模块的工作原理和逻辑）

我们主要讲风控系统的躯干：风控网关和审批系统

1. 系统对接：风控网关。风控系统如同一个高效运作的购物中心，拥有多样化的接入点（风控网关），让各类业务轻松接入。其核心区域（一楼至三楼）分别展示风控成果、部署识别规则等关键功能，确保风险的有效管理。同时，配备完善的监控、告警及客户服务系统，保障系统顺畅运行。

风控网关的目标就是简化接入流程，提升整体风控效率。风控网关模块是风控系统直接对接业务的服务。负责接受用户请求、串联风控系统的其它子模块等工作。针对风控系统中的各大子模块，风控网关是业务耦合最重的一块，需要有接收外部业务方请求，协同其余子模块处理业务方业务，返回给业务方分控结果，异步下发数据中心数据等功能。

（图4：风控网关示意图）

2. 授信管理：审批系统。审批系统全面集成并优化了风控网关传来的各类数据，包括但不限于申请表信息、历史数据、征信报告及关键埋点数据，确保信息的全面性与准确性。这些数据随后经过精心封装，无缝传输至决策引擎及关联子系统，为后续的审批决策提供坚实的数据支撑。

一旦决策引擎完成分析并输出决策结果，系统将迅速响应，通知核心系统据此开立合同，并同步审批结果至客户端，确保流程的高效与透明。在整个信贷工作流中，审批系统作为核心枢纽，精准串联所有审批组件，依据预设路径智能分配审批任务至各节点，实现审批流程的全面掌控。

从客户资料的提交到申请结果的反馈，审批系统核心功能模块可概括为：数据收集、变量加工与策略执行。数据收集环节广泛覆盖各类关键信息；变量加工则进一步精炼数据，转化为决策所需的有效变量；最终，策略执行模块利用这些数据变量，驱动策略引擎运行，快速输出申请结果或风险决策。决策引擎、变量管理系统等我还会纳入专题单独讲解。

针对大额信贷审批，如小微企业融资、产业融资等复杂场景，审批系统提供人工审批功能，以应对这些高价值、高风险贷款项目的特殊需求。在人工审批环节，系统为审批员提供了一个直观易用的界面，使其能够全面审视申请表信息、详尽的影像资料以及过往的审批记录。这一综合信息展示机制，确保了审批员能够基于完整、准确的数据作出专业、严谨的决策，从而保障大额信贷审批的质量与安全性。

因此，自动审批模块高效处理额度与借款审批等标准化流程，而人工审批模块则灵活应对复杂情况，覆盖从发起申请到最终审批通过的全流程操作，包括领单、提交、复议、补件等多个环节。这种灵活性与全面性的结合，为信贷审批提供了强大的支持。