一、项目背景及目标

人工智能大时代背景下，越来越多的银行机构不断演化发展，科技赋能在金融机构的演化变更中起到了越来越重要的作用，包括提升效率、降低风险、等，让更多个体客户和小微企业得到便捷的金融服务，从而实现国家普惠金融的目标。

但在防范金融风险方面，却面临诸多痛点及问题，如交易欺诈、网贷申请欺诈、信贷全生命周期风险管理、客户价值分析等，那么在这样的背景下需要实现由传统流程向新型以改善用户体验、挖掘客户潜在价值进行转变，需要实现数字风控，而在数字风控的体系中，变量的统一实时管理是重要但是同时也容易被人忽视的一部分，如果说数据是原料，策略是产品的话，那么变量就是当中的零部件。一个完整的风控策略依赖的关键变量可能有几百上千个，底层的变量池子就远远大于这个数了。故为了更好的建设数字化风控体系，智能特征衍生系统建设便应育而生。

二、创新点

我们打造的智能变量衍生系统，首先，从变量需求、开发、上线、监控进行全生命周期支持;支持跨源异构数据的联合计算，数据架构更简单，满足复杂的数据情况，支持更简单开发各种变量。

其次，可形成变量池，高效共享变量;变量使用可追踪，变量效果可分析;打通大数据分析平台，开发后的变量批量计算后可同步到分析平台，供分析和模型训练使用，实现模型训练完毕可直接上线，无需再提生产变量开发需求。

后,可进行自助式开发零编码，只需提供sql或者配置化即可完成绝大部分变量的开发，由于采用sql和配置化的开发方式，大大降低了变量开发的难度，实现非技术岗的规则/模型师可以自助完成变量开发，避免需求提交给IT时，走IT研发过程带来的时间消耗，大幅提升开发效率，从而实现规则与模型的快速迭代上线，快速提升风控能力，提升审批通过率，降低逾期率;

三、技术实现特点

1、产品设计思路

搭建智能特征衍生系统实现统一变量管理，统一引擎计算，统一数据接入的管理方式，实现对行内业务审批系统提供标准化接入、标准化变量输出的功能。

智能特征衍生系统通过对变量的配置、初始化，为外围系统提供变量注册和变量获取服务以及变量结果同步服务；服务被调用后，平台返回外围调用系统所需的用于授信决策的相关数据。

2、应用流程分析

智能特征衍生系统通过对变量的配置、初始化，为外围系统提供变量注册、变量获取服务和变量结果同步等服务，服务被调用后，智能特征衍生系统可以自动获取外围系统需要的变量并提供给外围系统。

3、系统功能分析

①.系统管理

字典项管理：通过字典项管理，灵活的配置新增的资源，不需要每次新增资源时，进行编码配置。

字典项需提供增、删、改、查、批量导入等功能。

②.变量管理

1).原始变量：风控系统内部变量，同一进件，仅满足进件时修改一次值，其他决策节点过程中不允许发生赋值操作。主要用于风控系统变量名与业务流产生的变量之间的映射。

2).常值变量：用于管理某些改动比较频繁且应用到策略中的变量，达到修改变量值而无需修改策略包，实现策略生效。

3).服务变量：通过调用服务获取的变量，包括查询第三方征信系统，行内其他系统及风控系统内部名单。

4).衍生变量：通过一定的加工逻辑，条件可以为其他任何类型的变量衍生而来的变量。

5).结果变量：决策引擎决策后产生的变量，变量可以多次赋值。

统计变量：按照一定的维度统计的变量。

6).关联变量：按照关联关系获取的变量。

变量资源池：展示整个系统变量。

7).变量获取：不依赖其他系统，可进行变量逻辑校验。

上述变量操作需提供但不限于增、删、改、查、批量导入等功能。

③.服务管理

根据服务接口的约定，配置接口上送，回传变量的报文结构以及通讯URL,超时时间，重试次数，是否生效等。

④.变量服务

为外围调用系统提功变量注册、变量获取、变量结果同步等服务。

⑤.权限管理

服务网关：统一对接外部服务，并按照约定进行报文解析。

权限配置：提供对外服务的访问权限、熔断限流等功能。

经办复核：为操作员提供经办、复核权限，并对操作信息进行留痕处理。

⑥.监控管理

变量获取：变量的缺失进行实时告警

服务监控：调取外部服务异常时，进行实时告警或按照约定规则进行告警。

4、技术架构分析

系统架构为主流开放式系统架构。支持基于X86体系的分布式服务架构，支持PC Server和其他类型服务器集群部署。软硬件技术成熟可控、可维护，系统不依赖于任何特定的操作系统、系统虚拟化方案、数据库、中间件、容器和物理机类型等。

具备互联网应用架构必备的高可用性、服务弹性与可伸缩性、高性能、可管理性、技术成熟度等特性。可通过服务化、集群、分布式业务处理、分布式数据处理设计等技术手段保证系统高可用和业务连续性；通过硬件纵向和横向扩展来满足高波动性交易量处理需求，通过缓存等技术手段保证系统快速响应。

同时，满足服务化设计要求：通过服务化保证业务逻辑单元单纯化，差异化，可复用化，可分离部署化，可组合化。 支持异步处理，通过对发起方请求异步处理、消息队列、事件驱动、异步服务调用等技术手段，对实时性要求不高的业务采用异步处理，避免长时间等待。系统应具有良好异步式交易服务特性。支持缓存设计：通过分布式对象缓存、数据库缓存等技术手段保证系统快速响应。

四、项目过程管理

1、需求分析和概要设计阶段

此阶段时间段为2019年9月至2019年10月，其间主要完成了业务需求分析、业务功能和技术构架的高层设计。提交了现状需求分析报告、各功能模块的高层设计、技术构架和接口的高层设计等文档。

2、系统详细设计阶段

此阶段起始时间为2019年10月至2019年11月，其间主要完成了系统详细文档编撰工作，和产品原型设计工作，提交了智能特征衍生系统的详细设计说明书等文档。

3、系统编码、测试和上线准备阶段

此阶段起始时间为2019年12月至2020年5月，其间完成了智能特征衍生系统开发的编码、测试以及试点行上线准备工作，提交了智能特征衍生系统测试报告、上线方案、系统设置等文档。

4、试点行上线阶段

此阶段起始时间为2020年5月至2020年6月，其间完成了2款产品通过接入智能特征衍生系统的试点运行，并根据试点行上线运行的情况，为推广实施提出了优化需求。

此阶段起始时间为2020年6月至2020年6月，对除两个产品进行试点接入运行之外，其它存量产品接入分为三批接入投产上线，具体如下：

*****批上线：2020年7月

第二批上线：2020年9月

第三批上线：2020年11月

五、运营情况

1、配置监测

【变量衍生配置】

通过关联项目配置已将16个数据源实例在智能特征衍生系统中完成配置，例如：同盾，百融等数据项，并完成了30余项基础公用算子开发，如：tuple_union两数组并集；tuple_intersaction两数组交集等；并完成了3000余项服务变量接入，和1000余项原生变量的配置工作。

2、运行反馈

【实时计算】

通过实时计算能力，能很好的将将用户行为、log等信息清洗后保存在数据库中，并可通过产品的进件作为触发器或者协程等方式，建立统计变量索引机制，等用户的行为数据，APP操作数据有很好的统计和补充，特别是在反欺诈，反洗钱场景下的拦截防控有奇效。

六、项目成效

1.在模型，策略及反欺诈方面

通过规则/模型做实时决策时可依托智能特变量计算，运用 AI 提前捕捉已知未知欺诈。同样，变量计算在规则/模型训练占据非常重要的作用，在开发阶段快速衍生变量，上线后快速计算并且提供良好的管理与监控功能，以及很好提升规则/模型岗与IT技术岗的协作效率，提升规则/模型迭代速度。

2.实现变量多维的规范管理，提供更好的数据治理

通过变量的衍生能力，在依赖相同外部征信数据源的前提下，从更多维度对用户进行评判，赋能大数据风控，同时，风控系统变量统一规范，方便策略迭代。审批过程中，其他服务模块仅需通过此系统获取变量，无需进行繁琐的变量处理相关工作，提升工作效率。

3.提升离线计算能力

打通离线与实时计算能力，避免离线跑批计算与生产实时计算技术不同带来的研发和时间损耗。支持内存视图，大幅简化变量开发难度并提升计算性能。

4.自助变量提取，降低操作风险

通过配置化支撑模型训练时快速便捷变量选取，及变量结果输出接口。整个平台面向业务，可以业务自助上线，无需运维参与，上线后可以进行生产空跑和灰度，操作风险低。

七、经验总结

通过建设智能特征变量衍生系统，可通过变量的衍生能力，在依赖相同外部征信数据源的前提下，从更多维度对用户进行评判，赋能大数据风控，使其可以拥有快速应对风险响应能力，同时，风控变量统一规范，方便策略迭代，审批过程中，其他服务模块仅需通过此系统获取变量，无需进行繁琐的变量处理相关工作，提升工作效率及减少生产事故。