Apa itu decision engine?

Pekan lalu, Anda meninggalkan rapat kebijakan kredit dengan perubahan yang telah disepakati: ambang batas pendapatan baru dan rentang rujukan. Keputusan sudah dibuat, tetapi rilis berikutnya dari sistem pinjaman disebut-sebut sebagai waktu paling awal perubahan itu bisa diterapkan. Anda diminta mempelajari decision engine, jadi Anda membuka halaman sejumlah vendor di sela rapat dan perencanaan rilis. Satu vendor menyebut produknya rules engine, yang lain platform pengambilan keputusan, dan satu lagi decision engine. Ada yang menonjolkan scorecard. Anda ingin memahami kaitan istilah-istilah itu dengan perubahan yang sudah menunggu di meja Anda. Apa yang sebenarnya akan berubah pada ambang batas ini?

Perubahan pendapatan masuk ke alur keputusan

Decision engine menjalankan alur keputusan: menerima masukan yang dikirim kepadanya, menjalankan logika keputusan yang dikonfigurasi, lalu mengembalikan hasil atau memberi tahu Anda jika proses berhenti sebelum menghasilkan keputusan. Decision engine menyatukan kebijakan dan masukannya dalam satu proses pengambilan keputusan yang berulang.

Sistem pinjaman Anda mengirim data pengajuan kredit, termasuk pendapatan, lalu sumber data menghubungi biro kredit untuk mengambil informasinya. Kumpulan aturan menerapkan aturan tegas, termasuk ambang batas pendapatan yang telah disepakati. Scorecard menghitung skor, lalu tabel keputusan memetakan rentang skor ke hasil. Tabel keputusan adalah salah satu cara untuk menetapkan rentang tersebut. Jika kebijakan menggunakannya, model machine learning juga dapat menghasilkan skor di dalam alur.

Rentang rujukan serta rentang approve dan decline menentukan tindak lanjut pengajuan setelah pemeriksaan tersebut. Perubahan ambang batas pendapatan menentukan pengajuan mana yang lolos dari aturan itu dan mana yang mendapat hasil approve, refer, atau decline.

Peran scorecard dan decision engine

Scorecard mengubah karakteristik pemohon menjadi skor. Decision engine menjalankan alur keputusan yang lebih luas di sekitar perhitungan itu, mulai dari data dan aturan kebijakan hingga hasil pengajuan. Scorecard saja tidak menetapkan kebijakan untuk pengajuan atau menentukan bagaimana skor menjadi hasil keputusan.

Kumpulan aturan menerapkan aturan tegas, seperti ambang batas pendapatan yang telah disepakati. Scorecard menggunakan karakteristik pemohon untuk menghitung skor dan memasukkannya ke dalam data agar dapat digunakan oleh bagian alur berikutnya. Tabel keputusan kemudian memetakan rentang skor ke hasil approve, refer, atau decline.

Alur yang lebih luas menentukan data apa yang perlu diambil, aturan mana yang dijalankan sebelum skor dihitung, dan bagaimana rentang skor menghasilkan keputusan. Alur ini juga menetapkan respons kebijakan jika panggilan ke sumber data eksternal gagal.

Masukan yang tidak tersedia dan rentang yang tidak tercakup dapat mengubah hasil

Sebelum memutuskan apakah alur ini sesuai dengan kebijakan Anda, periksa hasil yang dikembalikan saat pengajuan melewati jalur yang tidak terduga. Hasil di bawah ini menjelaskan perilaku produk yang terdokumentasi.

Dalam contoh pendapatan, nilai kosong dianggap nol dalam perbandingan numerik. Jika panggilan ke biro kredit gagal, komponen biro kredit ditandai gagal, tetapi bagian alur lainnya tetap berjalan. Jika skor 35 masuk ke fork dengan rentang 0 hingga 30 dan 40 ke atas, tidak ada cabang yang cocok. Tanggal yang tidak tersedia tidak cocok dengan kedua arah perbandingan tanggal. Hasil eksekusi keputusan yang terdokumentasi membedakan kasus-kasus ini dari komponen yang tidak dapat diselesaikan, yang menghentikan proses dengan kesalahan.

Yang terjadiArtinyaRespons yang dikembalikanTindakan
Sumber data tidak meresponsSumber data tidak merespons, mengembalikan kesalahan, atau tidak dapat menggunakan kredensialnya. Komponen tersebut menandai hasilnya sendiri sebagai gagal, tetapi bagian alur lainnya tetap berjalanKeputusan, dengan kesalahan pada komponen tersebutAturan yang memilih cabang berdasarkan kesalahan komponen tersebut
Angka kosong, false, atau nullNilainya dianggap 0 dalam perbandingan numerikKeputusan seolah-olah nilainya 0Kondisi "is not a number" yang ditempatkan di urutan pertama
Tanggal tidak tersediaPerbandingan tanggal tidak cocok ke arah mana punKeputusanPemeriksaan nilai yang tidak tersedia, lalu cabang berdasarkan hasilnya
Tidak ada cabang fork yang cocokProses berhenti di forkHTTP 200 dengan seluruh hasil yang dihitung hingga titik ituCabang terakhir dengan kondisi "any value" yang diarahkan ke tinjauan manual
Satu komponen tidak dapat diselesaikanProses berhenti pada komponen tersebutHTTP 500 dengan alasan, bukan keputusanPemetaan atribut pada komponen yang disebutkan, diperiksa terhadap data yang Anda kirim

Panggilan biro kredit yang gagal tetap menghasilkan keputusan dalam respons, sedangkan fork yang tidak menemukan cabang cocok mengembalikan HTTP 200 dengan hasil yang tersedia sebelum fork. Komponen yang tidak dapat diselesaikan mengembalikan HTTP 500. Periksa status dan isi respons untuk memastikan apakah alur sudah menghasilkan keputusan.

Jalankan pemeriksaan ini dalam alur keputusan

Buat aturan untuk kredit, fraud, atau penagihan, lalu jalankan pada keputusan nyata.

Tetapkan penanganan pengecualian dalam kebijakan

Setiap kasus tersebut memerlukan aturan dalam alur keputusan. Untuk pendapatan, periksa apakah nilainya tidak tersedia atau bukan angka sebelum menjalankan perbandingan ambang batas, karena nilai angka yang kosong dibaca sebagai nol. Setelah itu, tentukan tindakan kebijakan untuk pengajuan tersebut.

Untuk biro kredit, periksa apakah panggilan ke sumber data gagal, lalu tentukan tindakan berikutnya dalam kebijakan. Anda dapat menggunakan penyedia lain, memilih hasil yang lebih berhati-hati, atau melakukan tinjauan manual. Jika alur tidak memeriksa kegagalan, aturan dapat membaca informasi biro kredit yang tidak tersedia sebagai tidak ada temuan.

Untuk fork skor, tambahkan cabang terakhir dengan kondisi any value dan arahkan ke tinjauan manual. Cabang ini menangani skor seperti 35 saat rentang lainnya menyisakan celah.

Uji rilis sebelum memutuskan untuk menerapkannya

Masukkan ambang batas pendapatan dan rentang rujukan yang telah disepakati ke dalam rilis, lalu uji jalur normal dan pengecualiannya sebelum diterapkan ke production. Rilis menyimpan snapshot logika alur keputusan. Anda dapat mengujinya dengan contoh pengajuan, menerapkannya ke endpoint staging, lalu ke production.

Gunakan contoh pengajuan untuk menguji ambang batas pendapatan dan rentang rujukan, nilai pendapatan yang kosong, panggilan biro kredit yang gagal, serta skor 35. Untuk setiap hasil, periksa apakah aturan yang dimaksud dijalankan, apakah pengajuan mencapai hasil yang dipilih, dan apakah skor yang tidak cocok dengan rentang mana pun diarahkan ke tinjauan manual. Jalankan pemeriksaan ini pada setiap contoh pengajuan.

Anda dapat menyimpan keputusan di database perusahaan Anda dan mengaktifkan pencatatan komponen alur untuk mendukung proses peninjauan. Sebelum deployment, lakukan backtest pada rilis baru terhadap keputusan yang sudah dibuat. Tinjau setiap keputusan yang akan berubah dan pastikan apakah kebijakan baru memang dimaksudkan untuk mengubahnya. Jika riwayat mencakup hasilnya, bandingkan juga hasil tersebut. Untuk setiap perubahan hasil backtest yang ingin Anda hindari, sesuaikan ambang batas, rentang, atau aturan pengecualian yang relevan, terbitkan rilis baru, lalu uji kembali. Backtest melaporkan perubahan yang akan terjadi. Pemilik kebijakan menentukan apakah perubahan itu dapat diterima.

Tentukan apakah perubahan pendapatan siap diterapkan

Untuk ambang batas dan rentang rujukan yang menunggu di meja Anda, gunakan prosedur ini untuk menyusun kebijakan, memeriksa pengecualiannya, dan menentukan apakah perubahan siap diterapkan.

  1. Pilih satu proses pengambilan keputusan berulang yang memiliki kebijakan tertulis. Catat masukannya, ambang batas, dan kemungkinan hasilnya.
  2. Untuk setiap masukan, tandai apakah data itu ada dalam permintaan yang dikirim sistem Anda atau berasal dari sumber data yang dipanggil oleh alur.
  3. Susun kebijakan dalam satu alur keputusan. Gunakan kumpulan aturan untuk aturan tegas, scorecard untuk menghitung skor, tabel keputusan untuk menentukan hasil berdasarkan rentang, dan model jika kebijakan menggunakannya.
  4. Untuk setiap masukan, tetapkan aturan nilai yang tidak tersedia sebelum aturan lain yang menggunakan masukan tersebut.
  5. Setelah setiap sumber data, tambahkan aturan untuk menangani panggilan yang gagal dan tentukan respons kebijakan, seperti menggunakan penyedia lain, memilih hasil yang lebih berhati-hati, atau melakukan tinjauan manual.
  6. Untuk setiap fork, tambahkan cabang terakhir any value yang mengarah ke tinjauan manual.
  7. Rilis alur, uji dengan contoh pengajuan, lalu terapkan ke staging sebelum production.
  8. Simpan setiap keputusan di arsip milik perusahaan Anda dan catat komponen alur saat pengujian.
  9. Sebelum perubahan kebijakan berikutnya diterapkan, lakukan backtest pada rilis baru terhadap keputusan yang sudah dibuat. Tinjau keputusan yang akan berubah, periksa hasilnya jika tercantum dalam riwayat, lalu sesuaikan kebijakan agar perubahan sesuai dengan yang direncanakan.

Pertanyaan yang sering diajukan tentang decision engine

Apa itu decision engine dan apa bedanya dengan scorecard?

Scorecard kredit mengubah karakteristik pemohon atau akun menjadi angka untuk mengurutkan tingkat risiko kredit. Decision engine menjalankan alur keputusan yang lebih luas di sekitar skor tersebut, termasuk panggilan data, aturan kebijakan, dan logika yang menghasilkan keputusan. Scorecard memberikan hasil untuk digunakan dalam proses, sedangkan alur menentukan pengaruh hasil itu terhadap keputusan.

Apa perbedaan rules engine dan decision engine?

Rules engine mengevaluasi aturan berdasarkan fakta. Decision engine menjalankan alur keputusan yang lebih luas, yang dapat menggabungkan aturan, skor, sumber data, dan penanganan hasil.

Baca arsitektur rules engine untuk memahami cara aturan disimpan, dikelola, diterapkan, dan dijalankan, cara menangani versi, serta alasan pengujian perlu dilakukan sebelum rilis.

Bagaimana cara kerja decision engine?

Sistem mengirim masukan ke alur, lalu alur mengevaluasi komponen yang telah dikonfigurasi secara berurutan. Proses dapat mengembalikan keputusan, respons parsial, atau kesalahan, bergantung pada apa yang terjadi di dalam alur.

Apakah keputusan sebaiknya diproses secara real-time atau batch?

Gunakan real-time jika setiap transaksi memerlukan keputusan saat diterima. Gunakan batch jika engine perlu mengambil keputusan untuk sekumpulan data, seperti portofolio nasabah untuk pre-scoring. Baca pengambilan keputusan real-time dan pemrosesan batch atau real-time.

Apakah decision engine dapat menggunakan model machine learning?

Ya. Model yang telah dilatih dapat diimpor dan digunakan untuk menghasilkan skor di dalam alur keputusan.

Apa yang perlu dilakukan jika decision engine tidak mendapatkan masukan yang diperlukan?

Tetapkan kebijakan yang jelas untuk kasus tersebut. Periksa nilai yang tidak tersedia sebelum menggunakannya, buat cabang untuk panggilan sumber data yang gagal, dan tambahkan cabang terakhir any value pada setiap fork, misalnya ke tinjauan manual.

Jalankan pemeriksaan ini dalam alur keputusan

Buat aturan untuk kredit, fraud, atau penagihan, lalu jalankan pada keputusan nyata.