决策引擎的实施流程

企业希望优化业务时,通常会开始用决策引擎自动处理决策。常见目标包括降低成本、提高业务流程效率、缩短处理时间,或扩大决策处理规模。

用决策引擎实现决策自动化,通常先要找出业务中需要作出决策的流程,再了解当前的决策方式及所用数据。之后,将这些内容整理成决策模型,并在决策引擎中实现。

企业启动决策自动化,通常是为了优化运营。常见目标包括降低成本、缩短业务流程耗时,以及扩大决策处理规模。

决策自动化通常从确定一个需要作出决策的关键业务流程开始。接下来要梳理现有决策方式和所用数据,再将这些内容整理成正式的决策模型,供决策引擎执行。

明确决策策略

实施决策引擎的第一步,是检查现有的决策机制。完成评估并明确决策策略后,再选择合适的决策引擎。

决策策略明确后,可以评估不同的决策引擎,判断它们是否符合策略中的具体要求。

企业可以聘请外部顾问,也可以先由内部团队审查决策逻辑。内部审查可能发现重要的业务经验,这些经验或许能成为企业的核心能力,不宜轻易让竞争对手获知。

策略审查结束后,应形成正式文件,列明业务规则、决策逻辑、数据要求和数据采集方式。

这份文件应作为实施决策引擎的依据。选择决策引擎时,应确认其功能符合文件中的要求。例如,决策逻辑需要实时补充外部数据,或依赖预测分析时,所选引擎就要支持这些需求。

将决策引擎接入业务系统

决策自动化的最终目标,是让信息系统中的决策流程不再需要人工介入。

因此,决策引擎需要与执行自动决策的核心系统紧密集成。

集成时应规划清楚数据传输链路,确保决策引擎收到准确、完整的数据。还应提前考虑未来更换决策引擎等情况。

故障应对与业务连续性

集成方案应考虑引擎故障时的备用处理方式,避免业务因此中断。

应对这类技术故障,常见做法有两种:一种是在核心系统中设置默认决策策略,另一种是用消息队列暂存决策请求,待服务恢复后再处理。

选择哪种做法,要看具体业务要求,例如决策的时效性和重要程度。

数据准备要求

  1. 汇总评估决策所需的数据
  2. 补充系统生成的技术属性
  3. 在数据报文中加入相关背景信息

为执行既定决策策略,核心系统必须生成包含所需属性的数据报文。

数据格式

数据报文应采用 JSON 等通用格式,方便决策引擎接收和解析。

技术属性

除核心数据外,还应加入系统生成的属性,例如用于冠军/挑战者测试的随机数,以及时间戳、来源系统等元数据。

背景信息

加入相关背景信息,有助于提高决策准确性。信息可以包括时间因素,例如时段,也可以包括环境因素或用户特征等。

在决策引擎中实施策略

决策策略形成正式文件后,下一步是在决策引擎中实施,通常通过规则管理界面完成。

内部验证决策策略

发布前应由内部团队审查决策策略,验证其效果,并确认接入生产环境后能按预期运行。

上线后的决策审查

管理决策引擎时,一个重要环节是审查历史决策,并与引擎的评估结果进行对比。

如果结果不一致,应先暂停自动化切换,直到查明差异原因。

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。

测试环境与测试

每次新增或修订决策策略后,都应先在隔离、受控的环境中充分测试,再发布到生产环境。

测试环境应支持运行多种场景,并能重复得到相同结果。

实时监控与结果反馈

完成集成后,应持续监控引擎决策的质量及其业务影响。

监控重点应包括决策准确性和相关业务指标。还应建立反馈机制,收集并分析决策在实际业务中的结果。

这些数据可用于后续调整引擎参数和规则,改进决策质量。

发布记录与责任

正式记录每次发布到生产环境的决策策略变更,是一项值得采用的做法。在金融等受监管行业,可能还需要部门负责人正式批准。

这些记录可用于事后分析决策结果。如果决策作出后要经过较长时间才能观察到结果,例如贷款审批和违约率,记录尤其有用。

总结

决策引擎可用于改善客户交互、打击欺诈和优化运营。

首先要明确决策策略并形成正式文件,再将策略整理为决策引擎中的规则集。

之后应按明确的流程完成系统集成,减少未来出现问题的可能。

引擎发布后,仍需持续关注决策是否符合组织目标和 KPI。每次策略调整发布时,都应安排相应的测试和调整机制。

常见问题

什么时候该用决策引擎处理授信或反欺诈决策?

先整理好决策逻辑、所需数据,以及决策结果如何传回核心系统,再选择引擎。确认引擎支持所需的决策表或规则集、外部数据源,以及产品要求的响应时间。敏感的策略知识应由审批团队掌握。选型时应按这些要求比较引擎,不要先从供应商演示开始。

决策策略发布前要测试多少笔申请?

授信或反欺诈策略没有适用于所有情况的固定测试笔数。应回放覆盖常见情况、边界值、缺失数据和重要客群的历史申请,再确认结果样本是否足以评估关键指标,例如损失或欺诈识别。罕见事件所需的数据通常多于常见结果。如果样本不足以支持可靠比较,就应继续测试,不要发布策略。

切换自动决策策略前要比较哪些内容?

先用历史申请运行新策略,再让新策略处理实时请求,并在最终决策作出前与现行策略的结果进行比较。提前设定审批率、损失、欺诈识别和其他业务指标可接受的差异范围。扩大使用前,应调查所有重要差异及其原因。新策略带来更多审批或识别出更多欺诈,不代表结果一定有所改善。

决策引擎不可用时,应采用备用决策还是排队等待?

只有在业务已为特定产品和故障情况批准安全结果时,才采用备用决策。对于时效性要求高的决策,可以把请求放入队列,等服务恢复后处理,但延迟答复可能中断申请或支付流程。如果错误的默认结果可能带来重大信贷或欺诈风险,应转人工审核或暂停处理,不要默默采用宽松结果。

决策策略发布后应如何监控?

定期跟踪决策量和即时结果,并在后续结果出现后,与还款表现或确认欺诈等指标进行比较。记录每次决策所用的策略版本,以及变更的批准人。这样,团队发现表现变化时,就能对照当时运行的策略进行调查。发布前应设定复核阈值。如果结果超出阈值,应暂停扩大使用,查明原因后再决定下一步。

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。