这里的决策究竟由谁或什么来作出?

每家公司都离不开决策:批准贷款、标记交易、调整额度、分派理赔案件。关键不在于是否作出决策,而在于决策如何作出,以及由谁控制背后的逻辑。

很多机构仍靠人工处理,或将业务规则分散在不同系统中维护。这会拖慢业务运营,也会带来风险。各项政策可能逐渐偏离原有设定,规则执行也不一致,变更往往需要较长时间才能发布。

决策引擎把决策逻辑集中管理。规则写得明确,每笔交易都按同一套规则处理,执行情况也有据可查。

决策由什么或谁来作出?

企业采用决策引擎,通常有以下原因:

  • 决策逻辑有章可循:以信贷申请为例,规则引擎每次都按相同顺序检查所有规则,不会漏掉授信政策或额度阈值,也不会因主观判断而随意套用例外。
  • 缩短交易处理时间:客户希望马上得到答复。人工处理一次只能处理一项请求,决策引擎则能并行评估数千笔交易。
  • 减少操作差错:人工处理容易出现差异。决策引擎会按原文执行已定义的规则集。
  • 及时更新策略:风控策略发生变化时,决策逻辑也要随之调整。使用决策引擎后,团队可以更新规则并重新发布,不必在各部门反复开展培训。
  • 应对业务量增长:业务增长会带来更多决策请求。决策引擎可以处理新增的工作量,无需增加人手,也不必重建现有处理流程。

决定自动化决策逻辑后,接下来要选用哪类平台。常见选择有三种:传统企业系统、开源引擎和云平台。

FICO Blaze Advisor、Experian Decision Engine 和 SAS RTDM 等传统平台已进入市场多年,功能覆盖面广,但实施复杂。许可费用较高,集成、配置和培训通常还需要专业顾问参与。

Drools 等开源引擎也是一种选择。这类引擎灵活,规则环境可以由团队完全掌控。不过,集成和维护需要工程资源。团队还要管理基础设施、升级和开发框架,常见的开发环境包括 Eclipse。

云平台逐渐受到成长型企业采用。云平台能减少基础设施运维负担,也能缩短部署周期。团队可以把精力放在决策逻辑上,不必管理服务器或维护平台。

双手将拼图拼成灯泡,寓意协作并形成完整的决策方案

不过,部署在云端也会带来另一个问题:数据治理。有些云服务商同时经营数据业务。企业需要了解客户数据如何存储、处理和保护,也要确认服务商是否会将这些数据用于其他产品。

选择决策引擎时,需要明确权衡部署速度、运营成本、团队的专业能力和数据控制权。

目标始终相同:每家机构都希望各项业务执行的决策保持一致,决策逻辑也能说明清楚、接受审计,并随着时间不断改进。

将这些审核规则纳入决策流

制定信贷、反欺诈或催收规则,并用于实际决策。