CN114049054A - 一种应用于风险管控的决策方法与系统 - Google Patents

Abstract

本申请提供了一种应用于风险管控的决策方法与系统，利用历史业务数据建立决策数据库为风控决策提供数据支持。根据目标业务的种类分别建立相应的目标业务场景，在目标业务场景中添加场景字段以供策略规则引擎调用。又在目标业务场景中添加逻辑判断方式、场景建议并结合风控逻辑规则为目标业务风控水平评估提供评估手段。同时根据不同的目标业务类型，为风控逻辑规则和逻辑判断方式制定不同的加权分数，使决策评估方案适用于多类型目标业务风险评估。

Description

一种应用于风险管控的决策方法与系统

技术领域

本申请涉及风控决策处理技术领域，尤其涉及一种应用于风险管控的决策方法与系统。

背景技术

随着互联网信息技术的发展，金融行业的数字化程度提高，金融系统面临的风险也随之增加。建立实时风控系统可以降低金融系统风险发生的概率。

建立风控系统的常见方法是在风控系统中设置判断规则，结合客户输入的基本信息对风险进行判断。判断范围受限于风控系统的数据库内容的丰富程度，常见的数据名单库中只包括：身份证黑名单、IP黑名单、手机号码黑名单。风控系统通过对客户的基本信息与数据库名单进行匹配，以此作为风险判断依据。但这种风控系统中的判断规则和指标数值较为简单，应用场景单一，导致反馈的决策建议参考价值不高，因此普及程度不高。

为了丰富数据库的存储内容，增加风控系统的判断范围，将每次客户输入的基本信息、风控系统指标计算结果和决策结果都存储到数据库中以供后续调用。但随着数据量的增加，指标的复杂程度提升，风控系统在面对复杂指标计算时运算缓慢，导致决策耗时增加，影响业务体验效果。

发明内容

本申请提供了一种应用于风险管控的决策方法，以解决风控系统决策性能不足的问题。

本申请提供了一种应用于风险管控的决策方法，其步骤包括：

数据处理中心根据历史业务数据建立决策数据库。

所述历史业务数据包括渠道数据、缓存数据、场景数据、路由数据和结果数据。所述渠道数据为实时接入的数据，即客户上传的基本信息。所述缓存数据为场景指标计算过程中需要临时调用的数据，也包括场景指标计算过程中的中间变量结果。所述场景数据为场景特征对应的数据。所述路由数据为客户IP地址、上传终端IP等通信数据。所述结果数据为决策数据以及客户上传的基本信息与决策数据形成的映射。

数据接口接入目标业务数据。

所述目标业务数据为接收渠道接收到的数据，包含了客户上传的信息及事件发生的时间等基本数据。

业务处理中心根据目标业务创建目标业务场景。

对目标业务进行类别划分，每一类目标业务都有其对应的业务场景。通过场景字段和目标业务名称及客户上传的基本信息进行匹配来为目标业务选择目标业务场景，并在场景内设置适用于目标业务的场景指标计算规则。

风险评估中心通过策略规则引擎对目标业务数据进行风险评估，根据风险评估结果，进行目标业务决策。

策略规则引擎通过引入指标逻辑判断、复合嵌套规则来对目标业务数据进行风险评估分数计算，根据分数结果判断风险程度，并且与决策数据库中的数据进行匹配，做出相应的决策。

风险评估中心反馈目标业务决策结果，将目标业务及目标业务决策结果添加到决策数据库。

所述目标业务决策结果用于反馈给处理中心及操作人员，将所述目标业务与所述目标业务决策结果形成的映射关系及各自的数据添加到决策数据库中可以增加所述决策数据库的丰富程度，扩大匹配范围，从而提高决策结果的精准程度。

目标业务场景用于承载场景特征和决策流程，并且与策略规则引擎对接，对目标业务进行风险评估，目标业务场景的内容丰富程度越高，策略规则引擎的决策性能越高。

可选的，根据目标业务创建目标业务场景的步骤包括：

添加目标业务的场景特征。

制定目标业务场景的决策流程。

将目标业务场景接入策略规则引擎。

可选的，所述目标业务的场景特征包括：场景字段、场景建议和场景指标。

对场景特征进行充分的丰富与添加过后，需要将场景特征中包含的逻辑判断、评分规则、判断动作等算子进行排序以及对场景指标与评分规则的匹配。同时对于不同的目标业务，相应的目标业务场景中的算子排序及评分规则也授予不同的权值。

可选的，制定目标业务场景的决策流程的步骤包括：

添加决策流算子。

对所述决策流算子包含的规则进行分数加权。

对所述决策流算子进行排序，得到所述目标业务场景的决策流程。

制定目标业务场景的决策流程后，将所述目标业务场景接入策略规则引擎并结合接入的渠道数据就可以对目标业务的风险进行评分，同时给出决策结果。

可选的，设置策略规则引擎对目标业务数据进行风险评估，根据风险评估结果，进行目标业务决策的步骤包括：

调用场景字段，将场景字段与所述目标业务名称进行匹配。

将所述决策流算子包含的规则转化成分数判定表达式。

结合目标业务数据与分数判定表达式，计算目标业务数据的风险分数值。

将风险分数值与决策数据库中的历史业务数据进行对比，得出目标业务决策结果。

进行所述目标业务决策的关键步骤在于对所述目标业务数据风险分数值的计算，其计算结果也是影响决策性能的关键因素。

可选的，结合目标业务数据与分数判定表达式，计算目标业务数据的风险分数值的步骤包括：

结合所述目标业务数据与场景建议，搜索与所述目标业务数据关联的场景指标。

计算所述目标业务数据关联的场景指标数值。

对所述场景指标数值与所述分数判定表达式进行匹配比较，得到所述场景指标数值的风险评估分数。

场景指标数值的风险评估分数在进行过程中需要调用决策数据库中的历史数据，同时也要根据目标业务的类型与目标业务的输入数据进行实时计算。

可选的，计算所述目标业务数据关联的场景指标数值的方法包括：

采用时间切片的方式计算实时场景指标数值。

采用批处理程序计算离线场景指标数值。

所述时间切片的方式计算实时场景指标数值是通过将目标业务数据关联的每一个场景指标按时间进行均匀划分，分别求每个时间片中的子场景指标风险评估分数，最后累加得到场景指标风险评估分数。用于实时计算相当于并行处理目标业务数据，可以加快运算速度。

所述批处理程序主要用于计算离线场景指标数值，是通过设置调用离线指标脚本，计算出风险评估分数后，再对所述调用离线指标脚本进行初始化，计算过程中不占用系统内存，避免了系统因内存拥挤出现卡顿、死机等状况。

可选的，采用时间切片的方式计算实时场景指标数值的步骤包括：

将与所述目标业务数据关联的场景指标的事件发生时间均分为若干个时间片。

对每个时间片内的所述场景指标数值进行计算，并将计算结果存储到缓存空间。

对每个时间片内的所述场景指标数值进行累加计算，得到所述实时场景指标数值。

可选的，采用批处理程序计算离线场景指标数值的步骤包括：

设置离线场景指标数值调用脚本。

计算被调用的离线场景指标的数值，并储存至缓存空间。

初始化所述离线场景指标数值调用脚本。

本申请还提供了一种应用于风险管控的决策系统，包括：数据存储模块、数据接入模块、场景创建模块和决策模块。

所述数据存储模块用于控制数据处理中心根据历史业务数据建立决策数据库。

所述数据接入模块用于控制数据接口接入目标业务数据。

所述场景创建模块用于控制业务处理中心根据目标业务创建目标业务场景。

所述决策模块用于控制风险评估中心通过策略规则引擎对目标业务数据进行风险评估，根据风险评估结果，进行目标业务决策。

所述决策模块还用于控制风险评估中心反馈目标业务决策结果，将目标业务及目标业务决策结果添加到决策数据库。

本申请提供了一种应用于风险管控的决策方法与系统，利用历史业务数据建立决策数据库为风控决策提供数据支持。根据目标业务的种类分别建立相应的目标业务场景，在目标业务场景中添加场景字段以供策略规则引擎调用。又在目标业务场景中添加逻辑判断方式、场景建议并结合风控逻辑规则为目标业务风控水平评估提供评估手段。同时根据不同的目标业务类型，为风控逻辑规则和逻辑判断方式制定不同的加权分数，使决策评估方案适用于多类型目标业务风险评估。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为应用于风险管控的决策方法的步骤示意图；

图2为根据目标业务数据创建目标业务场景的步骤示意图；

图3为制定目标业务场景的决策流程的步骤示意图；

图4为设置策略规则引擎对目标业务数据进行风险评估，根据风险评估结果，进行目标业务决策的步骤示意图；

图5为结合目标业务数据与分数判定表达式，计算目标业务数据的风险分数值的步骤示意图；

图6为采用时间切片的方式计算实时场景指标数值的步骤示意图；

图7为采用批处理程序计算离线场景指标数值的步骤示意图。

具体实施方式

下面将详细地对实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。

本申请提供了一种应用于风险管控的决策方法与系统，结合图1对所述应用于风险管控的决策方法与系统进行详细说明，其步骤包括：

数据处理中心根据历史业务数据建立决策数据库。

所述历史业务数据包括渠道数据、缓存数据、场景数据、路由数据和结果数据。所述渠道数据为实时接入的数据，即客户上传的基本信息。所述缓存数据为场景指标计算过程中需要临时调用的数据，也包括场景指标计算过程中的中间变量结果。所述场景数据为场景特征对应的数据。所述路由数据为客户IP地址、上传终端IP等通信数据。所述结果数据为决策数据以及客户上传的基本信息与决策数据形成的映射。

数据接口接入目标业务数据。

所述目标业务数据为接收渠道接收到的数据，包含了客户上传的信息及事件的发生时间等基本数据。

业务处理中心根据目标业务创建目标业务场景。

对目标业务进行类别划分，每一类目标业务都有其对应的业务场景。通过场景字段和目标业务名称及客户上传的基本信息进行匹配来为目标业务选择目标业务场景，并在场景内设置适用于目标业务的场景指标计算规则。

风险评估中心通过策略规则引擎对目标业务数据进行风险评估，根据风险评估结果，进行目标业务决策。

策略规则引擎通过引入指标逻辑判断、复合嵌套规则来对目标业务数据进行风险评估分数计算，根据分数结果判断风险程度，并且与决策数据库中的数据进行匹配，做出相应的决策。

风险评估中心反馈目标业务决策结果，将目标业务及目标业务决策结果添加到决策数据库。

所述目标业务决策结果用于反馈给处理中心及操作人员，将所述目标业务与所述目标业务决策结果形成的映射关系及各自的数据添加到决策数据库中可以增加所述决策数据库的丰富程度，扩大匹配范围，从而提高决策结果的精准程度。

所述目标业务场景中包含了用于计算所述风险评估分数的限定规则、逻辑判断方法、得分标准以及规则触发动作等场景特征。所述场景特征还包括开始、结束、加分、最坏判断等与决策流程相关的算子，对所述算子进行排序，并将所述限定规则与得分标准匹配，再结合逻辑判断方法对目标业务的风险评估分数进行计算。此外，对于不同类型的目标业务，其得分标准的权值不同，通过改变场景特征的算子排序、得分权值以适应各种类型的目标业务，建立风险评估范围丰富的风控系统。

结合图2对目标业务场景的建立进行详细说明，其步骤包括：

添加目标业务的场景特征。

所述场景特征用于对目标业务进行评价，所述场景特征中的限定规则、逻辑判断方法、得分标准以及规则触发动作均可在后台自由设置，并且根据目标业务的复杂程度自由更改。

制定目标业务场景的决策流程。

所述决策流程是将所述场景特征中的开始、结束、加分、最坏判断等算子进行排序设置。所述算子可重复使用，所述开始、结束算子在一个决策流程中只添加一个，所述加分、最坏判断算子则与所述限定规则一一对应。

将目标业务场景接入策略规则引擎。

所述目标业务场景添加的场景特征服务于所述策略规则引擎，为所述策略规则引擎提供风险评估分数计算依据。所述决策流程中的步骤执行由所述策略规则引擎完成。

可选的，所述场景特征包括：场景字段、场景建议、场景策略和场景指标。

所述场景字段用于将目标业务与已有的场景进行匹配，所述场景建议用于根据目标业务类型对所述限定规则及所述评分标准进行初步设定，所述场景指标为根据目标业务数据计算得到，以数值的形式存在，用于与分数判定表达式进行匹配比较，得到风险评估分数。

对场景特征进行充分添加后，便可对场景的决策流程进行制定，下面结合图3对制定目标业务场景的决策流程进行详细说明，其步骤包括：

添加决策流算子。

所述决策流算子为所述场景特征的一部分，包括：开始、结束、加分、最坏判断等执行动作。

对所述决策流算子包含的规则进行分数加权。

所述加权操作是使得业务场景适用于多种业务类型的关键操作，通过对限定规则与得分标准的加权处理，使得不同类型的目标业务在面对同一条规则时的评分标准不同

对所述决策流算子进行排序，得到所述目标业务场景的决策流程。

所述策略规则引擎在调用场景字段将目标业务与相应的场景匹配后，即可按照场景中的决策流程对目标业务数据进行风险评估，下面结合图4对设置策略规则引擎对目标业务数据进行风险评估，根据风险评估结果，进行目标业务决策的步骤进行详细说明，其步骤包括：

调用场景字段，将场景字段与所述目标业务名称进行匹配。

所述场景字段对每个场景起概括作用，在对所述场景字段与所述目标业务名称进行匹配时，若所述目标业务名称与所述场景字段成功匹配则随即进行下一步操作。若匹配失败，则需要为所述目标业务添加一个新的场景，同时场景特征、决策流都需要重新制定，并且将新的场景添加到决策数据库中，再进行调用、评估等操作。

将所述决策流算子包含的规则转化成分数判定表达式。

所述决策流算子包含的规则即为限定规则，由于所述场景指标为数值，因此需要将所述限定规则也转化为与数值相关的公式作为判定依据。将所述限定规则转化为可供程序执行的MVEL（MVFLEX Expression Language，MVFLEX表达式语言）。

结合目标业务数据与分数判定表达式，计算目标业务数据的风险分数值。

结合所述目标业务数据，按照场景内设置的规则计算出场景指标，通过对场景指标与所述分数判定表达式进行匹配，得到所述目标业务的风险分数值。

将风险分数值与决策数据库中的历史业务数据进行对比，得出目标业务决策结果。

得出所述目标业务决策结果的关键在于计算所述风险分数值，下面结合图5对结合目标业务数据与分数判定表达式，计算目标业务数据的风险分数值的步骤进行详细说明，其步骤包括：

结合所述目标业务数据与场景建议，搜索与所述目标业务数据关联的场景指标。

不同类型的目标业务对应的场景指标一定不同，因此将与所述目标业务关联的场景指标找出并计算，节省了运算时间。

计算所述目标业务数据关联的场景指标数值。

对所述场景指标数值与所述分数判定表达式进行匹配比较，得到所述场景指标数值的风险评估分数。所述分数判定表达式将分数划分为若干个范围，每个范围对应一个风险评估分数，所述场景指标数值的风险评估分数为其所在分数范围对应的风险评估分数。所述分数判定表达式也可以是一个判定阈值，所述场景指标数值与所述判定阈值进行比较，得到风险评估分数。上述两种比较方法只是举例说明，实际应用时采用的指标数值与所述分数判定表达式匹配比较的方式包括上述方法但不局限于上述方法。

可选的，计算所述目标业务数据关联的场景指标数值的方法包括：

采用时间切片的方式计算实时场景指标数值。

所述时间切片的方式计算实时场景指标数值是通过将目标业务数据关联的每一个场景指标按时间进行均匀划分，分别求每个时间片中的子场景指标风险评估分数，最后累加得到场景指标风险评估分数。用于实时计算相当于并行处理目标业务数据，可以加快运算速度。

采用批处理程序计算离线场景指标数值。

所述批处理程序主要用于计算离线场景指标数值，是通过设置调用离线指标脚本，计算出风险评估分数后，再对所述调用离线指标脚本进行初始化，计算过程中不占用系统内存，避免了系统因内存拥挤出现卡顿、死机等状况。

下面结合图6，对采用时间切片的方式计算实时场景指标数值的步骤进行详细说明，其步骤包括：

将与所述目标业务数据关联的场景指标的事件发生时间均分为若干个时间片。

对每个时间片内的场景指标数值进行计算，并将计算结果存储到缓存空间。

对每个时间片内的场景指标数值进行累加计算，得到所述实时场景指标数值。

通过设置时间步长，将所述事件发生时间均分成若干个时间片。例如，需要统计客户IP近五分钟出现的次数，其具体的执行过程为设置所述时间步长为1，将所述事件发生时间均分为5个时间片，每个时间片取整对齐。划分时间片的时刻为最后一个时间片，其余四个时间片分别为以当前时间为基准，按时间步长为1分钟逐次前推得到。将所述5个时间片分别缓存，在计算场景指标时，从缓存空间中调用五个时间片中的数据，最后累加得到最终场景指标。

对于实时性需求高的目标业务采用时间切片的方式计算场景指标数值，而对于实时性需求不高的目标业务则可以采用批处理程序调用决策数据库中的数据计算离线场景指标数值。下面结合图7，对采用批处理程序计算离线场景指标数值进行详细说明，其步骤包括：

设置离线场景指标数值调用脚本。

计算被调用的离线场景指标的数值，并储存至缓存空间。

初始化所述离线场景指标数值调用脚本。

所述离线场景指标数值调用脚本从决策数据库中调用与目标业务数据相关联的场景指标，对调用的场景指标进行设置后，用于计算实时性需求较低的目标业务风险分数值。同时，触发初始化操作，将所述离线场景指标数值调用脚本初始化，准备进行下一次调用。

本申请还提供了一种应用于风险管控的决策系统，包括：数据存储模块、数据接入模块、场景创建模块和决策模块。

所述数据存储模块用于控制数据处理中心根据历史业务数据建立决策数据库。

所述数据接入模块用于控制数据接口接入目标业务数据。

所述场景创建模块用于控制业务处理中心根据目标业务创建目标业务场景。

所述决策模块用于控制风险评估中心通过策略规则引擎对目标业务数据进行风险评估，根据风险评估结果，进行目标业务决策。

所述决策模块还用于控制风险评估中心反馈目标业务决策结果，将目标业务及目标业务决策结果添加到决策数据库。

本申请提供了一种应用于风险管控的决策方法与系统，采用时间切片式的实时场景指标计算方法和批处理程序的离线场景指标计算方法相结合构成流批一体的指标计算架构。保证了指标计算结果的准确度又提升了计算速度。

同时，本申请提供的一种应用于风险管控的决策方法与系统。利用历史业务数据建立决策数据库为风控决策提供数据支持。根据目标业务的种类分别建立相应的目标业务场景，在目标业务场景中添加场景字段以供策略规则引擎调用。又在目标业务场景中添加逻辑判断方式、场景建议并结合风控逻辑规则为目标业务风控水平评估提供评估手段。同时根据不同的目标业务类型，为风控逻辑规则和逻辑判断方式制定不同的加权分数，使决策评估方案适用于多类型目标业务风险评估。

本申请提供的实施例之间的相似部分相互参见即可，以上提供的具体实施方式只是本申请总的构思下的几个示例，并不构成本申请保护范围的限定。对于本领域的技术人员而言，在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。

Claims (10)

1.一种应用于风险管控的决策方法，应用于金融机构的风险评估系统对用户业务的风险进行评估，其特征在于，包括：

数据处理中心根据历史业务数据建立决策数据库；

数据接口接入目标业务数据；

业务处理中心根据目标业务数据创建目标业务场景；

风险评估中心通过策略规则引擎对目标业务数据进行风险评估，根据风险评估结果，

进行目标业务决策；

风险评估中心反馈目标业务决策结果，将目标业务及目标业务决策结果添加到决策数据库。

2.根据权利要求1所述的应用于风险管控的决策方法，其特征在于，根据目标业务创建目标业务场景的步骤包括：

添加目标业务的场景特征；

制定目标业务场景的决策流程；

将目标业务场景接入策略规则引擎。

3.根据权利要求2所述的应用于风险管控的决策方法，其特征在于，所述目标业务的场景特征包括：场景字段、场景建议、场景策略和场景指标。

4.根据权利要求2所述的应用于风险管控的决策方法，其特征在于，制定目标业务场景的决策流程的步骤包括：

添加决策流算子；

对所述决策流算子包含的规则进行分数加权；

对所述决策流算子进行排序，得到所述目标业务场景的决策流程。

5.根据权利要求4所述的应用于风险管控的决策方法，其特征在于，设置策略规则引擎对目标业务数据进行风险评估，根据风险评估结果，进行目标业务决策的步骤包括：

调用场景字段，将场景字段与所述目标业务名称进行匹配；

将所述决策流算子包含的规则转化成分数判定表达式；

结合目标业务数据与分数判定表达式，计算目标业务数据的风险分数值；

将风险分数值与决策数据库中的历史业务数据进行对比，得出目标业务决策结果。

6.根据权利要求5所述的应用于风险管控的决策方法，其特征在于，结合目标业务数据与分数判定表达式，计算目标业务数据的风险分数值的步骤包括：

结合所述目标业务数据与场景建议，搜索与所述目标业务数据关联的场景指标；

计算所述目标业务数据关联的场景指标数值；

对所述场景指标数值与所述分数判定表达式进行匹配比较，得到所述场景指标数值的风险评估分数。

7.根据权利要求6所述的应用于风险管控的决策方法，其特征在于，计算所述目标业务数据关联的场景指标数值的方法包括：

采用时间切片的方式计算实时场景指标数值；

采用批处理程序计算离线场景指标数值。

8.根据权利要求7所述的应用于风险管控的决策方法，其特征在于，采用时间切片的方式计算实时场景指标数值的步骤包括：

将与所述目标业务数据关联的场景指标的事件发生时间均分为若干个时间片；

对每个时间片内的所述场景指标数值进行计算，并将计算结果存储到缓存空间；

对每个时间片内的所述场景指标数值进行累加计算，得到所述实时场景指标数值。

9.根据权利要求7所述的应用于风险管控的决策方法，其特征在于，采用批处理程序计算离线场景指标数值的步骤包括：

设置离线场景指标数值调用脚本；

计算被调用的离线场景指标的数值，并储存至缓存空间；

初始化所述离线场景指标数值调用脚本。

10.一种应用于风险管控的决策系统，其特征在于，包括：数据存储模块、数据接入模块、场景创建模块和决策模块；

数据存储模块用于控制数据处理中心根据历史业务数据建立决策数据库；

数据接入模块用于控制数据接口接入目标业务数据；

场景创建模块用于控制业务处理中心根据目标业务数据创建目标业务场景；

决策模块用于控制风险评估中心通过策略规则引擎对目标业务数据进行风险评估，

根据风险评估结果，进行目标业务决策；

决策模块还用于控制风险评估中心反馈目标业务决策结果，将目标业务及目标业务决策结果添加到决策数据库。

Images