策略规则结构化设计

关注 “番茄风控大数据”，获取更多数据分析与风控大数据的实用干货。  

当今社会基础技术不断发展，信息化程度不断加深，大量的数字化设备产生了海量数据，使得数据资源与日俱增。这些数据中，大部分都存储在关系型数据库中。

使用关系型数据库的同学，肯定非常清楚，在具体的结构性数据里，每个表对应的内容具体都对应着某项具体的属性或业务。比如在很多数据库演示案例中，提到的以学生信息(年级、班级)、学科的成绩、某位老师任职的班级的那几张表，到了查询具体的场景的业务时候，主要通过这几张表进行各种交叉连接。

回顾贯彻在整个风控的流程始终的策略，所涉及到的策略随着数据量、外部对接的数据源的的增加会越来越多 。如果不进行进行结构化的分类，不仅在策略的上线部署毫无逻辑，而且在后续的策略维护与调优的过程中，也会因为客群的迁徙、渠道的调整导致数据的波动，从而定位到具体原因时候无法找到问题所在。最重要的是当进行策略的迭代优化时候，也无从下手。基于以上的原因，我们参照着结构化数据，必须给策略也进行结构化的分类。

今天介绍两种最常见的结果化规则部署。

一：按照模块功能性的需求划分的结构化部署

功能需求型的策略重点就是在风险的流程架构中，能分得清具体实现的功能。

在具体的细分结构中，通常就是在一套的风险流程完整呈现，在梳理具体的规则前，我们必须理清楚整个风险的业务顺序。

将问题阐述清楚，今天我们从最简单的风险流程说起：

在以上的环节中，我们将规则按照风险的顺序先后分成以下几个结构化的模块：

1．政策准入模块
政策性的准入模块是我们在设计过程中，最需要把控的第一道关。通常我们产品的属性就觉得了，哪一类人群是我司的目标客户。

比如年龄必须是25岁到50岁，只要不符合的客群一般都是秒拒。

准入是门槛。

2．黑名单模块
准入一旦过审核，便到了匹配到我司内部黑名单的。此黑名单模块，是公司历史留档数据的黑名单客户。包括历史逾期跟历史查询黑名单类的客群。此部分的黑名单跟外部黑名单不在同个模块内。

均纳入该模块，用于评估与黑名单的关联性，直接或间接风险。该项需有贷后信息，任何不良贷后记录均需纳入风险评估。

3．反欺诈模块
可以看到到这一步，基本开始调用外部数据。在这里，我们会引进来脸部识别类OCR,设备指纹类的数据。调用外部的各种三方数据源进行风险把控，去验证申请贷款的人员是否是客户本人。

免费的先上，收费的在后。自己的数据通常都是用于第一道门槛的把控，调用外部数据再怎么也是放在后面。

4．审批策略模块
审批策略一般会考虑跟第五点的策略同时匹配，考察客户的信用风险等情况。

这里一般已经会结合客户提供的资料跟外部的资料，进行相关的综合评审，这里所用到的策略也一般非强拒类的规则。

5．第三方风险模块
这一块跟上面的模块，经常会交叉进行。信用风险的数据跟外欺诈风险的数据，在这里并没有太强的优先级别，但主要还是用于核验该信息的真实性和欺诈嫌疑。

按照功能性的划分的规则，在梳理整个风险的模块的过程，需要梳理每个模块的功能。了解具体的风险流程是规则整理成结构性框架的关键所在。

当然在上面只是一个最简单的风险架构，我们还没有实现客户分层、灰度客户的处理等等内容，在这些具体的环节中，各位读者可以根据产品、客群定位，稍微再梳理清晰些。

二．按照策略的有效程度的结果性策略
策略的有效性就是在划分策略的时候，这条规则是不是适合这个产品的属性跟内容，如果是前相关有效的规则就将其划为强拒绝，或者豁免，所以这里会按照强拒绝+准入+提醒类规则的把控进行结构性策略的划分。

---------------------- --------------------- ------------------------------------- ----------------------
十年职场生涯，这个长期混迹在风控界和科技界，摸爬滚打的大叔，曾经就职于全国最大的固网运营商平台、国内最大的ERP软件公司和一家老牌的互金公司，如果你想了解他，欢迎关注 “番茄风控大数据”一起学习一起聊！