基于决策引擎的多场景分阶段自动化信贷的方法

本发明涉及互联网金融领域的数据处理及数据交互的方法，具体讲是基于决策引擎的多场景分阶段自动化信贷的方法。

随着互联网金融的高速发展，改变了人们的消费观念，使得网上信用贷款的人数量急剧增加，线上实时审批的需求也随之日益增长。目前互联网的流量平台需要通过流量变现来实现盈利，不同流量平台的商业模式数据积累有较大差异，对于互联网银行来讲，需要同时包容大部分的流量平台，帮助流量平台变现。按照行业的监管要求，大量P2P的流量平台将转型为小贷公司，这部分小贷公司要依托银行进行资金管理与放贷，同样需要互联网银行包容这些平台场景。因此，实现多场景的融合、进行自动化审批，是互联网银行业务发展的必然趋势。另外，提升客户体验、提高客户黏性、保障银行资金安全，同样也需要进行分阶段控制。

已公开的现有技术主要在于说明决策引擎内部的实现逻辑，例如仅将决策引擎软件的内部构件逐一罗列出来，或者如已空开的专利申请：基于场景的商户贷721大数据风控模型(申请号：201910750529.8)，是将一个产品的基本流程作为技术方案，其核心点仅有数据来源分布，不具备多场景模式，阶段控制也不明确。

本发明提供了一种基于决策引擎的多场景分阶段自动化信贷的方法，以解决多场景下同时进行信贷审批的技术问题，实现多阶段实质性信贷，提升客户体验。

本发明基于决策引擎的多场景分阶段自动化信贷的方法，包括：

分阶段：

A.用户实名认证：通过摄像头采集用户的面部图像，用户通过输入设备输入个人信息；通过决策引擎在服务器中部署实名认证模型，所述实名认证模型根据采集的用户面部图像和用户的个人信息对用户的实名认证请求进行处理，自动通过或拒绝用户的实名认证请求，并将通过实名认证的用户信息发送到下一个步骤；

B.授信审批：从用户输入的个人信息中截取出相应信息，并将截取的信息发送到决策引擎中，在决策引擎中设有产品信息，以及各产品对应的授信审批流程、授信审批模型和预制的授信审批的拒绝条件，通过用户所申请产品对应的授信审批模型和授信审批的拒绝条件对所述截取的信息进行判断，如果判断结果为拒绝对该用户授信，则结束信贷流程，否则进入下一步；

C.根据人行对该用户的基础数据，通过相关模型计算得到相应的衍生数据，由决策引擎将衍生数据传递到对应的模型中判断是否对该用户授信，如果否，则结束信贷流程，如果同意授信则进入下一步；

D.提现审批：决策引擎根据用户申请产品的信息和用户信息进行判断，决定是否通过该用户的提现申请，或是否冻结该用户的额度，如果用户未通过提现申请或额度被冻结，则结束信贷流程，如果通过提现审批，则通过综合评价模型，决定该用户的提现结果；

E.贷后催收：通过决策引擎部署贷后催收模型，将逾期用户分为不同的案件类型，派发给不同的催收人员；

多场景化：

步骤B中，决策引擎中设有的各产品的产品描述大致相同，各产品的授信审批的拒绝条件不同；其中有部分产品拥有差异较大的授信审批条件及审批流程。根据不同的场景和需求，各产品的授信审批策略可以不同，也可以共用相同的策略，这样既能满足不同场景的需要，又可以加快上线迭代的速度。

将具有相同或相似性质的产品归为同一个产品组，步骤B和步骤C中，如果拒绝对用户申请的产品对该用户授信，则同时对该申请产品所在产品组的其他所有产品均拒绝对该用户授信；

步骤D中，对于个性化产品，决策引擎通过该个性化产品单独的模型对用户进行提现审批，对于通用性产品决策引擎通过通用的模型对用户进行提现审批；如果对该用户拒绝提现申请或冻结额度，则对该用户申请提现的产品，以及该提现产品所在产品组的其他所有产品均拒绝该用户提现或冻结额度。

其中所述的决策引擎是IBM公司开发的一款用于管理业务规则的应用程序，可以通过对这个程序的部署发布各项判断条件和模型，实现实时系统自动化决策。在对用户进行实名认证时，传统的方式是通过人工的方式逐一对比客户照片及身份证照片，本发明通过对用户进行图像采集和用户输入的信息进行综合处理，利用决策引擎实现了自动化认证。然后通过授信审批，决定是否通过用户的申请、对用户进行授信，以及对用户给定额度的数额及利率的大小。其中所述的衍生数据指的是通过人行的基础数据加工计算得到的一些新数据，例如根据人行保存的用户贷款及公积金记录推断出的用户的收入水平，再例如公积金最新月缴存额、人行经营性贷款余额、首次公积金缴存距今时长等，这些都是人行原始数据中没有的，都属于衍生数据。再由提现审批步骤来决定是否通过用户的提现申请，并且在拒绝时决定是否冻结用户的额度。在最后的贷后催收阶段对催收用户进行分类以及对催收用户进行分配。

本发明能够明显降低信贷审批过程的人工参与程度，并且对信贷审批的各环节进行了划分，并且同时融合了多场景下的信贷审批，解决了传统的单一场景的信贷审批流程。

进一步的，本发明还具有对用户的贷中批量调额步骤，在预设时间段中对通过了实名认证、并且为已有额度的存量的用户，进行单个或批量用户的信贷额度或利率进行调整。

进一步的，在多场景化的贷中批量调额时，所述信贷额度或利率的调整包括针对用户的区分产品或不区分产品进行调整。每个产品有一套单独的审批流程，但审批策略可以共用，也可以针对不同产品在其审批流程中单独部署不同的审批策略。审批策略迭代上线后，共用的审批策略可以实现复用，快速完成多场景部署，加快审批策略的迭代速度。

进一步的，步骤A中，实名认证模型对用户的实名认证请求处理后，将存疑的用户信息转到人工进行人工审核，其余的自动通过或拒绝用户的实名认证请求。由此大幅度减少了人工的工作量。

进一步的，步骤C中，决策引擎将各衍生数据组装并保存为JSON格式的字符串，将所述字符串传递到下一个审批流程；所述的下一个审批流程接收到字符串后，将字符串解析为结构化的衍生数据字段，使该审批流程中的模型能够直接应用所述的衍生数据字段，例如能够对衍生数据字段直接进行相应的赋值等。JSON字符串格式衍生数据组装形式，使得各衍生数据的含义不在此处体现，具有了一定的保密性。

进一步的，步骤C中，所述对应的模型根据对用户的判断来修正该用户对应的人行信贷额度和人行利率，得到该用户最终的信贷额度和利率。使对用户的信贷额度和人行利率与用户的当前状态相匹配，更加准确。

优选的，最后对剩余的存疑用户，所述对应模型根据不同的审批分类，将该用户的授信审批发送到对应的人工审批人员处。

进一步的，步骤D在对用户进行提现审批时，如果需要调用其他数据源中的数据，则根据已有的用户信息判断需要调用的数据源，并将需要调用的数据源的标识传递到下一个子审批流程，用于确定下一子审批流程需要调取的数据源。

本发明中涉及的各模型，均可采用本领域现有的模型，或本领域技术人员根据现有模型的原理得以实现，该部分不是本发明的创新所在。

本发明基于决策引擎的多场景分阶段自动化信贷的方法，能够对多场景下的用户信贷申请进行自动化审批，大幅度减少了人工参与，提高了工作效率，经测试，本发明与现有方式相比，能够将信贷审批过程的人工参与率降低到了0.5％以下，还有效实现了多阶段实质性信贷，而且通过多场景融合技术能够更快的接入更多的流量平台，从而扩大业务规模，降低了非系统性风险。

以下结合实施例的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。在不脱离本发明上述技术思想情况下，根据本领域普通技术知识和惯用手段做出的各种替换或变更，均应包括在本发明的范围内。

图1为本发明基于决策引擎的多场景分阶段自动化信贷的方法的流程图。

如图1所示本发明的基于决策引擎的多场景分阶段自动化信贷的方法，包括：

分阶段：

A.用户实名认证：通过摄像头采集用户的面部图像，用户通过输入设备输入个人信息。通过决策引擎在服务器中部署实名认证模型，所述实名认证模型根据采集的用户面部图像和用户的个人信息对用户的实名认证请求进行处理，自动通过或拒绝用户的实名认证请求，并将通过实名认证的用户信息发送到下一个步骤。对剩余的少量存疑用户信息转到人工进行人工审核，由此大幅度减少了人工的工作量，避免了全部由人工逐项一笔一笔的审核用户是否是实名本人。

其中所述的决策引擎是IBM公司开发的一款用于管理业务规则的应用程序，可以通过对这个程序的部署发布各项判断条件和模型，实现实时系统自动化决策。

B.授信审批：从用户输入的个人信息中截取出相应信息，例如用户的年龄、性别、高风险地区、用户填写的单位信息、联系人信息等。并将截取的信息发送到决策引擎中，在决策引擎中设有产品信息，以及各产品对应的授信审批流程、授信审批模型和预制的授信审批的拒绝条件，通过用户所申请产品对应的授信审批模型和授信审批的拒绝条件对所述截取的信息进行判断，如果判断结果为拒绝对该用户授信，则结束信贷流程，否则进入下一步。

C.对用户信用最重要的判断依据是人行数据，若用户有较多的信贷记录，人行报告信息通常非常丰富，因此需要从中挖掘有用的信息，用以判断是否可以给用户进行授信，及对应的授信额度、利率，并且可以从中加工出更多的衍生数据。所述的衍生数据指的是通过人行的基础数据加工计算得到的一些新数据，例如根据人行保存的用户贷款及公积金记录推断出的用户的收入水平，再例如公积金最新月缴存额、人行经营性贷款余额、首次公积金缴存距今时长等，这些都是人行原始数据中没有的，都属于衍生数据。根据人行对该用户的基础数据，通过相关模型计算得到相应的衍生数据，决策引擎将各衍生数据组装并保存为JSON格式的字符串，再由决策引擎将所述的JSON字符串传递到下一个审批流程对应的模型中去判断是否对该用户授信。JSON字符串格式衍生数据组装形式，使得各衍生数据的含义不在此处体现，具有了一定的保密性。

所述的下一个审批流程接收到字符串后，将字符串解析为结构化的衍生数据字段，使该审批流程中的模型能够直接应用所述的衍生数据字段，包括对衍生数据字段直接进行相应的赋值和计算，判断是否对用户授信，如果否，则结束信贷流程，如果授信，则根据对用户的判断来修正该用户对应的人行信贷额度和人行利率，得到该用户最终的信贷额度和利率，然后进入下一步。

最后对剩余的少量存疑用户，所述对应模型根据不同的审批分类，将该用户的授信审批发送到对应的人工审批人员处。

对用户而言，实名认证和授信审批是一个整体操作，但在系统后端对二者进行了解耦处理，原因是实名认证是进行授信的必要条件，所以后端需要先完成实名认证。但是如果前端将实名认证和授信分割开来，会增加用户的操作步骤，降低客户的转化率。

D.提现审批：提现审批时会对用户提现时的征信状况进行判断，其中会确定需要调用的数据源。如果用户在授信后很长时间才来提现，信用状况可能已有较大变化，因此需要再次查询其他数据源来确定，决策引擎会通过判断用户的上一次其他数据源查询时间等信息来判断当前是否需要再次调用和查询其他数据源。如果需要调用其他数据源中的数据，则根据已有的用户信息判断需要调用的数据源，并将需要调用的数据源的标识传递到下一个子审批流程，用于确定下一子审批流程需要调取的数据源。决策引擎根据用户申请产品的信息和用户信息进行判断，决定是否通过该用户的提现申请，或是否冻结该用户的额度，如果用户未通过提现申请或额度被冻结，则结束信贷流程，如果通过了提现审批，则通过综合评价模型，决定该用户的提现结果。

E.贷后催收：通过决策引擎部署贷后催收模型，将逾期用户分为不同的案件类型，派发给不同的催收人员。

本发明还具有对用户的贷中批量调额步骤，为了刺激用户使用额度，或培养用户黏性，或及时更改用户的额度冻结状态，会对已有额度的存量用户进行单个或批量的对用户的额度和/或利率进行调整，既可以是用户发起的调额或调利率申请，也可以在用户无参与的情况下自动完成额度或利率调整。

多场景化：

在具体实施时，一个场景通常对应一个或者多个产品，对于公共信息可以使用公共的判断条件和模型，并且对产品进行了分类，不同类型的产品共同使用不同的判断条件和公共模型。对于个性化信息则可以单独建模。

步骤B中，决策引擎中设有的各产品的产品描述大致相同，各产品的授信审批的拒绝条件不同。其中有部分产品拥有差异较大的授信审批条件及审批流程。根据不同的场景和需求，各产品的授信审批策略可以不同，也可以共用相同的策略，这样既能满足不同场景的需要，又可以加快上线迭代的速度。

将具有相同或相似性质的产品归为同一个产品组，步骤B和步骤C中，如果拒绝对用户申请的产品对该用户授信，则同时对该申请产品所在产品组的其他所有产品均拒绝对该用户授信。

步骤D中，对于个性化产品，决策引擎通过该个性化产品单独的模型对用户进行提现审批，对于通用性产品决策引擎通过通用的模型对用户进行提现审批。如果对该用户拒绝提现申请或冻结额度，则对该用户申请提现的产品，以及该提现产品所在产品组的其他所有产品均拒绝该用户提现或冻结额度，这样可以保证各个产品下的资金安全。

在进行贷中批量调额时，信贷额度或利率的调整包括针对用户的区分产品或不区分产品进行调整。

上述的各步骤之间也可以再进行分割或组合，并实现各步骤间数据的交互，例如还可以将步骤C嵌入到步骤B中，并将步骤C计算的衍生数据传入步骤B中进行相应的应用。在实际应用中，各步骤中的流程设计和模型部署也可以分别进行，以保证每次改动影响范围可控，保证线上的稳定性。

本发明通过对用户进行图像采集和用户输入的信息进行综合处理，利用决策引擎实现了自动化认证。然后通过授信审批，决定是否通过用户的申请进行授信，以及给用户的额度、利率的数额。再由提现审批步骤来决定是否通过用户的提现申请，并且在拒绝时决定是否冻结用户的额度。在最后的贷后催收阶段对催收用户进行分类以及对催收用户进行分配。

同时，本发明还实现了审批阶段的分割与组合，实现了各流程的独立与数据交互，将系统风险控制在很低水平，并且将上线速度提到了较快水平，将成本控制到较低水平。

本发明还实现了分阶段自动化审批与部分转人工案件分配，这个过程中，系统逐级、逐步的排除掉了高风险用户，合理的控制了数据成本，精准的给出了每一个用户不同的额度和利率，实现了自动化线上审批，并且通过分案的方式将少量的需要转人工的用户分派给专业的人工审批人员，大幅度提高了审批效率，并且减少了与用户的实际交互，提升了客户体验。

经测试，本发明能够将信贷审批过程的人工参与率降低到了0.5％以下，还有效实现了多阶段实质性信贷，而且通过多场景融合技术能够更快的接入更多的流量平台，从而扩大业务规模，降低了非系统性风险。

本发明中涉及的各模型，均可采用本领域现有的模型，或本领域技术人员根据现有模型的原理得以实现，该部分不是本发明的创新所在。