如何“谨慎”使用“数据驱动”的风控模型（二）——决策篇

上一篇，笔者介绍了谨慎使用“数据驱动”的风控模型，需要“高质量的数据 + 审慎严谨的决策模型 + 实时全面的监控分析”动态闭环。本篇笔者会着力于介绍整个风控决策体系的建设及持续优化。

风控决策的管理并不是狭义上的规则或评分卡（Scorecard）模型，而是广义上对整个风控策略的体系化管理，还应覆盖包括模拟验证、冠军/挑战者实验（A/B测试）、版本管理、效能评估在内的全生命周期，如果有人工审核环节的话，也需要纳入风控体系进行统一管理。

工欲善其事必先利其器，为了提升管理效率，决策引擎的使用必不可少。无论选用开源软件、成熟产品，或是自建，都要确保风控决策独立于代码版本，可实现热发布，便于版本回溯。风控决策的构建，应该是自顶向下的，顶层应当是产品场景与风控场景，例如电商分期、教育分期、信用卡代偿等等，风控场景包括风控审批、额度、定价、催收等各个环节。

决策如何合理编排、高效管理？不妨参考以下原则：

• 清晰的定义顶层场景，而各个子决策以流程的方式组合而成，子决策包括一系列决策步骤，决策步骤内嵌规则集（可以将评分卡也看作是一套规则集）。
• 将“因果关系”的专家规则与“相关关系”的机器学习规则有机结合，力争在通过率与坏账率之间取得最优平衡。
• 某些子决策作为通用步骤，可以被不同的产品场景共用、继承（derive）或覆盖（override），便于统一管理。例如，失信被执行人命