一、项目背景及目标

1.项目背景

风险变量管理难度大：没有该平台之前，风险变量的加工以API形式提供，变更和投产需要以程序上线的形式实现，缺少风险变量池的统一管理，无法直观的对风险变量资产进行查询和管理，随着数字信贷业务风险准入策略、风险模型变量的迭代优化以及新场景产品的不断推出，可能会引发风险变量在变更、审批、版本管理等效率低下，业务需求实现效率低，无法及时控制业务风险等问题。

变量开发难满足需求：部分业务风险变量存在开发难度大、效率低、维护麻烦等问题。通过建设星瀚智策智能量化决策平台，实现风险变量的统一管理，并通过平台的基础数据底座和底层风险变量资源共享，可实现风险变量的快速开发、衍生和快速发布，降低开发门槛，减少开发投入，缩短需求开发周期，更好、更优地满足业务要求。

决策功能单一：原决策平台仅支持规则集和评分卡两项决策功能，功能较为单一，对复杂决策模型支持力度较低。同时因缺乏决策流配置功能，决策流程需要借助程序代码来实现，流程的灵活度较低，业务变更的效率不高。

2.需求目标

建立一套集成化、一体化的智能量化决策平台，梳理、整合现有小微网贷风控体系变量，进行变量数据统一存储、统一加工、统一服务，并建立决策功能全面以及可灵活配置决策流程的决策引擎，为贷前、贷中、贷后环节提供风险管理、风险监控服务。同时为满足未来全行数字信贷业务的决策需求，建立“租户”管理模式，实现一套系统，一套数据结构，多部门、多条线风险隔离使用和独立运营的模式。

需求建设将实现以下目标： 

2.1 需求实施方面

（1）风险变量集中管理：实现风险变量集中管理，将分散在不同系统的各类风险变量统一管理，清晰展现管理范围内的所有风险变量；

（2）支持变量溯源：支持查询、展示各个风险变量的数据来源、加工方法、统计口径、版本等信息，确保风险变量逻辑清晰、可追溯;

（3）实现变量共享：支持全行级风险变量共享，减少重复风险变量的开发；

（4）可视化配置和管理：支持可视化查看风险变量数据，了解风险变量应用趋势，支持对风险变量进行多种维度分析；支持可视化决策流程展示和拖拽式决策流程配置；

（5）支持多种计算模式：支持风险变量实时计算、批量计算、流式计算等计算模式；

（6）支持权限隔离与生命周期管理：支持灵活的权限管理功能，可在逻辑上对风险模型内容进行权限隔离，支持对风险模型新增、修改下线等生命周期管理；

（7）支持多种数据源接入：支持灵活配置内部、外部数据源的接入；灵活的标签体系，规范的指标口径；

（8）快速计算：内存数据库支持系统毫秒级响应；

（9）支持规则集、决策树、评分卡、决策流、冠军挑战者、机器学习模型等主流风控决策模型的落地部署。

2.2 业务落地方面

(1)构建统一指标池：完成现有指标的梳理融合，将现有的准入策略、风险模型、贷后预警等场景的全量风险变量在该项目中进行落地开发，构建我行统一的指标池体系。

（2）落地“统一入口”新产品研发：与决策引擎同步开发，首期绿业贷（下辖三个子场景产品）产品在该项目中进行落地开发，充分验证风控体系性能，后续将承载更多的数字信贷产品落地运行。

(3) 满足监管要求：加强模型的全生命周期管理，通过“令牌”变更机制严防操作风险；同时通过令牌号，将模型研发文档、测试报告、审批记录作为令牌的附件统一上传存储，形成可基于令牌变更号进行一键式回溯建模全套文档的审计机制，提升审计监督效率。

三、创新点

1. 算子工具

考虑到风险变量常用时间维度切片、类型遍历等衍生方法，我们提炼各类型风险变量特征，研发了算子计算工具来简化变量的研发。

以工商变更类指标为例，我们建立了工商变更算子，可通过向该算子传入近N个月参数（如3个月，6个月，12个月……）、变更类型参数（如法定代表人变更、经营范围变更、注册地址变更……）等参数，可灵活快速计算出指定参数下的风险变量，大幅提高了风险变量的研发、测试和部署效率。

2.租户管理模式

风险模型是数字信贷产品风控逻辑的核心，具有严格的保密性。作为打造的全行级的风控平台，一方面要满足多业务条线的使用需求，另一方面也要考虑风控措施隔离的保密要求。为此，我们建立了租户管理模式。以整个智能量化风控平台为基座，在统一的基础功能下，可建立多个不同的租户来共享基础系统功能，但各自的数据和风控参数是严格隔离的；同时租户内开发个性化功能满足业务的灵活性需求。

该模式通过严谨的系统架构设计，实现了一套系统多部门隔离使用，避免了重复建设多套系统的资金浪费和额外的日常运维消耗。

3.令牌式变更管理机制

风控逻辑的准确和严谨是保障线上业务良好运行的基础。不当的风控参数设置会对数字信贷业务带来灾难性的后果。为此，本系统设计“令牌”变更审批机制，“令牌”号附属重要的变更属性，如变更内容、变更时间窗口、审批复核人员等；实施变更时需要输入预先申请的令牌号，同时系统会将操作人员的实际变更内容和变更时间等令牌规定的实际变更内容和变更时间进行比对校验，若不符合则无法实施变更。

同时以令牌号为***变更ID号，一体化整合设计、研发、测试、审批证据链条，便于事后审计和追溯。

三、项目技术方案

1.风险变量模块技术架构

2.决策引擎模块技术架构

四、项目过程管理

1.计划编制

项目计划制定时，必须关注和确保任务之间的关联和依赖性。

避免工作任务安排上可能发生的人力资源瓶颈。

项目计划在执行过程中将根据实际情况做出回顾和调整。

设定不同层面的进展报告：单个项目层面、工程层面，并在不同层面设定常规的汇报会议。

2.进度控制

小组实施计划的进度控制由小组组长负责，并在每周的项目周报中反映，项目经理可对此进行每个交付成果和里程碑是否按期完成的检查等。

整体实施计划的进度控制由项目经理组负责，并由项目经理组在项目周报中反映。

项目计划在执行过程中将根据实际情况，由项目经理组做出定期的回顾和调整。

3.项目例会

项目组成员在例会前完成《个人周报》，提交项目经理；例会结束后形成《项目周报》，在每周项目周会后，项目经理发送给项目主管等项目干系人。对于例会中讨论的问题、做工作需求、人员分配、所耗工作量等，也应在项目周报中体现。

4.项目周期

根据项目范围和工作内容，项目实施周期预计12个月。实施阶段项目计划以项目实际开始时间做相应调整，各阶段工作内容、持续时间保持不变。

项目管理：T+360天，包括计划定制、需求书整理、工作环境准备、项目进度跟进等；

需求分析阶段：T+30天，包括业务需求分析、接口调研、技术方案分析等；

系统设计阶段: T+30天，包括系统架构设计、模型设计、指标设计、原型设计等；

系统编码开发：T+270天，包括系统功能及页面开发测试、接口及变量开发测试、配合联调测试等；

系统投产并试运行: T+30，包括数据验证、功能验证等；

系统正式运行。 

五、运营情况

系统上线后，首期落地产品为好企绿业贷。由于系统快速的开发实施速度，良好的管理模式，以及对产品的良好的支撑能力，系统在行内迅速打响了名声。在多租户管理模式下，以租户间风险和数据隔离的方式，在较短时间内迅速支撑了信用卡风险定价、普惠专营机构特色场景产品等业务落地，另外尚有信用卡贷前审批、贷后预警等业务场景正在规划中。

目前系统运行顺利，底层数据架构合理，既保障了租户间风控逻辑的严格的屏蔽和隔离，也在底层数据架构上按租户进行了有效的标识和区分，实现了从应用配置到底层数据的有效隔离。

六、项目成效

借助于智能量化决策平台的决策流配置功能，实现了“绿业贷”产品统一申请入口设计，通过决策流程进行客户产品匹配的智能路由和审批计算，可面向客户展示多种信贷审批组合，由客户自主灵活进行选择，避免了传统业务方式下客户面临多个产品申请界面难以准确选择产品入口的尴尬，以及多次重复提交申请信息的繁琐操作，大幅提高了用户申贷体验。

同时，平台快捷的研发功能，对风控措施的变更给予了快速的响应，及时将潜在风险扼杀在摇篮中，对信贷资产质量的提升起到了关键作用。

七、经验总结

经验总结如下：

1.信息系统建设，一定要以业务需求为驱动，终建设的成果才会真正在业务中发挥作用。本次星瀚智策智能量化决策平台项目建设的成功，正式深入对数字信贷业务进行了调研，掌握了业务急需的快速研发、灵活配置、管理控制等系统功能作为项目的攻关点，然后再结合主流技术进行前瞻性的架构设计，终在业务支撑方面取得了成功；

2.以监管精神为指引。系统建设过程中，要以监管精神和政策为指引来进行系统架构和功能设计，以确保业务运营合规进行。例如本次项目中严格遵循监管机构要求的对风险模型全生命周期进行管理，因此我们在平台中设计了在系统中以变更令牌号为主键，归集模型设计、研发、测试、投产审批等过程文档和审批记录，便于提升模型的内部管理规范程度。

3.数据基座在本项目中对风控逻辑的快速研发能力提供了重要基础。风险变量构造过程中会引入大量的内外部风险数据，同时可能经常性面临数据结构和字段的变化，项目中通过数据基座建设，一方面对外部数据进行了标准化处理，当外部数据结构变化时可在数据基座中进行映射和清洗，确保后续的风险变量构造逻辑不受影响；另一方面通过数据宽表建设，将风险数据整合成数张宽表，风险变量的构造完全基于宽表进行，减少了库表级关联带来的时间消耗，减低了开发难度，从而提升了研发速度和效率。