JSONPath 如何改进规则引擎的数据读取
JSONPath 可让规则引擎直接读取嵌套 JSON 数据,省去为每个属性硬编码的做法。本文介绍它的作用、如何处理动态结构和数组,以及常用语法示例。
JSONPath 可让规则引擎直接读取嵌套 JSON 数据,省去为每个属性硬编码的做法。本文介绍它的作用、如何处理动态结构和数组,以及常用语法示例。
决策流已不再局限于单张决策表或独立规则集。多个规则、第三方数据调用、客群分流和模型环节串联后,如果没有记录每个环节的决策脉络,就很难解释最终结果。
了解如何将授信策略中的收入门槛和 refer 评分区间配置到决策流,并测试数据缺失或评分落在两个评分区间之间时的处理方式。
坏账率为4%时,若挑战组占比为5%,结果观察期为六个月,要检出一个百分点的差异,可能需要19.6个月。分流设计还要决定缺少分流值的申请进入哪一组。挑战组分支没有上限时,这些申请可能会进入挑战组。
决策轨迹记录得出结果时使用的每项输入、规则、计算和外部调用。它展示决策流的各个环节,以及一份完整的决策轨迹应记录哪些内容。
决策工程师把采集到的数据转化为业务含义、决策逻辑和业务结果,覆盖放贷流程各环节。这个角色把审批决策与催收结果联系起来,并将已批准的策略转化为可测试的自动化决策。
本文介绍如何在规则引擎中通过分箱和规则集实现信贷评分卡,并讲解决策表、评分卡模块、按评分项汇总分值、校验和常见实现问题。
企业引入决策引擎,可以自动处理决策并扩大处理规模,从而降低成本、缩短业务流程耗时、提高效率。本文介绍实施中的关键环节:确定适合自动化的业务流程,梳理现有决策逻辑和所需数据,形成决策模型,选择合适的引擎,并评估由内部团队还是外部顾问负责实施。
先明确决策表的用途,再逐步完善。根据每项条件和动作编写测试用例,运行测试、核对结果,并调整决策逻辑,直到运行结果符合预期。如果允许部分输入没有结果,可以使用模拟数据集和有效取值范围进行测试。如果决策表必须始终返回结果,则应逐项测试边界情况和极端情况,可手动测试,也可借助工具。
自动化决策策略不能只考虑正常情况下如何决策。数据缺失、服务商超时或复杂决策流故障时,也要能给出稳妥、说得清原因的结果。本文介绍如何从一开始就把故障切换和缺失数据处理纳入决策逻辑。
本文介绍规则引擎如何通过自动处理 KYC 和常规核查,降低贷款审批成本。文章还将说明质量保障方面的改善、透明的决策逻辑如何降低违约风险,以及规则设计为何会影响合规工作。
决策树和决策表都能表达同一套决策逻辑,只是形式不同。两者可以互相转换,但并非适合所有场景。选择哪种形式,要看逻辑是否需要展示客群细分、紧凑地查询结果,或在规则变化后仍便于阅读。