决策引擎的简明产品设计说明
决策引擎是什么？
决策是思维过程和行动过程结合的复杂过程，包括三个阶段：
- 抽象出对象特征，识别对象
- 通过规则或模型，诊断对象
- 根据诊断的结果，选择行动
决策引擎应当是承载业务思维过程和行动过程通用化工具集。在实际业务场景中，通常指支持第二阶段的工具，输入是一组对象及抽象出来的对象特征（即是变量），输出是针对对象的决策、标注、排序，被业务系统与映射到具体的业务行动中。
举例：
申请信用卡时候碰到的决策过程就符合这个结构：
- 将客户的基本信息输入，抽象出各中变量，如年龄、职业、收入、社交等
- 通过规则及模型，给出批准或不批准，批准多少额度的结果
- 选择后续行为，通过制卡/拒绝/需要补充资料的行动
什么样的业务需要决策引擎？
业务复杂性带来高决策成本和决策风险，需要决策引擎工具（本质上是效率工具）支持。符合以下特点：
业务链条长
- 决策场景多样化
- 参与角色多样化
- 业务对象多样化
决策引擎产品设计的原则？
通用工具适应个性业务
多样化决定个性化
决策场景多样化
- 人工干预 / 规则 / 模型 是个性的
- 外部限制条件是个性且动态的
参与角色多样化
- 决策标准和行动是有差异的
业务对象多样化
- 特征是复杂多变的
- 抽象成特征的方法多样的
工具属性决定通用化
- 本质上，决策引擎实现的是对业务对象的决策、标准、分类
- 结构上，工具可简化为规则、模型、人工干预三大模块（统计可作为附属模块）
角色化
- 决策过程中，不同角色权限、决策点、决策成本和收益、行为不同，输出结果应可回溯、可解释（机器学习模型有难度）、可修正救济
- 不同角色在不同决策场景下，需要获得的信息和使用的规则或模型也不同
服务化
- 提供接口层方便嵌入复杂业务流
- 不同决策的内容不同，可根据输出结果包装为不同小工具，作为服务输出
如何评估决策引擎产品的质量？
工具的质量评估：
- 服务稳定可靠
- 基础工具可灵活装配
- 方便部署
- 面向不同用户
决策引擎的实际应用？
金融风控决策引擎简明示例
| 营销阶段 | 贷前管理 | 贷后管理 | |||
|---|---|---|---|---|---|
| 服务 | 客户意向分析服务 | 申请反欺诈服务 | 信审服务 | 授信额度管理服务 | 贷后风险管理服务 |
| 规则 | 反欺诈规则组 | 风险预审规则 | 增信规则 | 风险规则 | |
| 自动化审批规则 | |||||
| 业务模型 | 客户识别模型 | 反欺诈模型 | 信审评分模型 | 行为分析模型 | 逾期预警模型 |
| 收益预估模型 | 收入模型 | 失联预警模型 |
决策引擎里的规则工具元素
实际业务中，规则引擎服务是决策引擎的核心之一，规则引擎包括一系列工具元素，像乐高一样组合成不同的规则服务：
- 规则/规则集
- 决策表
- 决策树
评分卡
- A卡（Application scorecard），常用于用于信贷审批
- B卡（Behavior scorecard），常用于贷后管理
- C卡（Collection scorecard），常用于催收管理
- 决策图
- 自定义函数与方法
怎么理解决策引擎里的模型
给模型一个简单的定义：
模型 = 算法 + 数据结构 + 参数值
针对模型的主要工作就可以分类如下：
- 调整算法
- 调整数据结构
- 调整参数，要求有良好的反馈机制，让业务结果反馈回模型