这里指的复杂逻辑控制是指在决策的判别过程比较深,并且在逻辑的判断过程中可能存在判别结果的冲突。例如,在某公司一次贷款的审批决策中,根据目前的设置,贷款人的收入评估不佳,拒绝发放贷款。由于该公司目前正计划拓展该地区的市场,希望尽量让申请通过,此时需要在原判别的基础上加上一条覆盖规则(即允许该地区的申请通过)。但由于新的覆盖规则会允许一部分资质特别不好的客户也得以通过(例如涉诉未结案),因此公司决定再建立一条对覆盖规则进行修改的规则。业务的迅速发展会不断对现有的规则体系冲击,并且为了使规则是合理的往往会涉及多次的覆盖重写,因此复杂逻辑控制是一个规则自动化应用不得不面对的问题。以下仅从实现复杂逻辑控制(Complicated Logic Control以下简称CLC)的规则系统进行讨论,为方便讨论,以下假定这是一个信贷审批的CLC。
图1 CLC系统结构
Fig1. Structureof CLC
CLC一般都要求规则系统判断的逻辑具备一定深度,基于此可以设计图1所示的系统结构。图中左边部分是系统的逻辑结构,右边是对应的机器学习算法。
逻辑结构是由逻辑块构成的,逻辑块一般是根据实际业务的需要进行划分的,图中R0~R4是顶层的逻辑块,其下还可以根据需求继续划分逻辑块。一般来说,CLC是由数据库变动开始,以智能算法的判断作为一次迭代的终止,因此R0~R4的具体功能如下:
R0负责数据库探索。当有新的申请到达时,R0负责进行数据的预处理,包含了从数据库中关联该申请的申请人,整理行为特征、客户画像等。R0的处理使得每一个申请不再是“无历史”的状态,即同一个人的多次申请可以被区分对待。
R1主要运行强规则集。强规则通常直接产生接受或拒绝的结果,例如某个申请人涉诉未结案,那么拒绝该申请。
R2 主要运行弱规则集。弱规则是指规则通常有两方面的不确定性,一方面是规则的判定条件,如某个申请人近期多头借贷10次,但是决策无法决定使用几次作为接受/拒绝的标准;另一方面弱规则的结果也具有不确定性,规则可能转向人工调整而非自动审批。
由于R2的复杂性,一般来说可以在这个模块加入机器学习/模式识别的模型和算法,用来更好的将客户分层。这里是应用个性化方案的逻辑块—根据不同的客户给到不同的产品。
R3 运行关于规则的规则。CLC的浅层应用主要在R3中设置。由于R0、R1、R2的运行,可以认为申请到这一步已经被打上了多个标签,可以用于筛选过滤和控制。例如从R0的客户画像中我们知道该客户属于本次营销活动的对象,因此在R3中设置“push”规则,将客户的审批状态改为通过;为了防止某些不合规的申请通过,R3中设置“pull”规则,将R1标记涉诉未结案的客户拉回,转向人工审批或者拒绝。另外,某些客户虽然在R1在没有触发拒绝规则,但是在R2中有诸如多次借贷、手机在网时间过短等问题,也可以在R3中进行拉回。最后,R3还会对申请触发的所有规则进行汇总,根据汇总信息还可以进一步的设置拉回规则。
R4是调整策略的模块,CLC的深层应用在R4设置。如果把R0~R3的设置看成是灵活的审批自动化,那么R4则是对这种自动化进行深度的调优。假设R4中已经有了几套预案(称为策略)分别对应不同的客户或者不同的客户行为,R4根据目前的状况决定审批最终放行,或者重新执行另一套策略(审批从R0开始,应用新的策略重新执行),这样避免了审批过程被轻易攻破的风险,达到更好的审批结果。另外R4还可以实时的更新数据,从宏观上进行控制,避免系统性风险。例如一般的数据应当复合合理的统计特性,一旦数据出现突变点,R4会立即报警甚至停止业务,避免损失。
优缺点。处理CLC的规则引擎能够大量节约人花费在制定、管理和优化业务规则上的时间,并支持非常灵活的策略,达到千人千面的目的。首先,由于逻辑块的划分,规则的设置和结果分析是很容易的。其次,优化算法可以对不断加入规则引擎的规则进行优化(包括冲突、分歧)等的跟踪和解决,甚至提出新的优化规则。最后,由于配置了不同的策略,因此可以达到不同人、甚至同一个人多次申请所触发的规则是不同的,更加精准和灵活。
由于CPC规则引擎处理的规则具有较深的层次,因此其执行时间较长。以信贷审批的场景为例,一个申请的处理时间(包含IO)大约需要5秒左右。本质上说,CPC时效性只能是“准实时”的,除了规则需要多轮的判定,还有许多由于嵌入不同策略中的算法和模型会消耗较多的时间,因此不太适合需要进行实时处理的场景。
引自
https://mp.weixin.qq.com/s__biz=MzI4MTAwMTY2MA==&mid=2247484004&idx=2&sn=40947f1fc5b9e5fbf3c17b9c87cdf69c&chksm=ebaea9b7dcd920a176b804877721a0f16e1ec5dc774906936dc81c0a3ec07648e2579a884d4e&mpshare=1&scene=1&srcid=0702Opiwx9kgZzva5RjCjWMz&pass_ticket=E%2BFTf%2BWVLRYr2YjQUPH%2BysYD8q51r7nr2JBOmj7pk6jxIFyZuvE7fqg6%2Fe%2BWzLMJ#rd