手把手教你用规则引擎搭建贷前风控决策流（附完整配置步骤）

SL_staff
0 阅读9分钟

本文基于 JVS-Rules 规则引擎，手把手搭建一个完整的贷前风控决策流，涵盖数据接入、变量加工、规则集、评分卡、额度决策及API调用。

一、风控业务背景

贷前审批是信贷业务的第一道防线。一个典型的流程包括：

  1. 用户实名验证（身份证、手机号）
  2. 黑名单过滤（内部黑名单、第三方欺诈库）
  3. 反欺诈规则（设备指纹、异常行为）
  4. 信用评估（征信分、收入负债比、多头借贷）
  5. 额度计算（评分卡 → 授信额度）

传统实现方式：每个环节硬编码或使用 Drools DRL 文件。维护成本高，策略上线慢（周级），且业务人员无法参与。

使用 JVS-Rules 可视化决策流后，风控策略可做到小时级上线，且业务人员可独立完成 80% 的规则调整。

二、整体决策流设计

我们设计的贷前风控决策流包含以下节点（按执行顺序）：

序号节点类型功能说明
1开始节点定义入参（用户ID、申请金额等）
2数据源节点调用征信API、查询内部数据库
3变量加工节点将原始数据转换为业务因子（负债收入比、多头借贷次数等）
4规则集节点硬规则拒绝（年龄不符、黑名单、征信分过低）
5评分卡节点对通过硬规则的用户进行信用评分
6决策表节点根据评分结果映射授信额度
7结束节点返回审批结果（通过/拒绝）、额度、拒绝原因码

下面逐步拆解每个节点的配置细节。

三、第一步：配置入参（开始节点）

在决策流基本信息中定义入参，供后续节点使用。本例入参如下：

参数名字段Key类型说明
用户IDuserIdString唯一标识
申请金额applyAmountDouble用户申请贷款金额
身份证号idNoString用于身份核验

入参 JSON 格式自动生成：

json

{
  "userId": "U10001",
  "applyAmount": 50000,
  "idNo": "410***************"
}

四、第二步：数据源接入

风控决策需要多种数据来源。JVS-Rules 支持三种数据源接入方式：

4.1 接入征信API（API数据源）

配置步骤：

  1. 进入「数据源」管理，点击「新增」→「API 数据源」

  2. 填写数据方名称：「百行征信」

  3. 配置接口：

    • URL：https://api.baixingcredit.com/v1/query
    • 请求方式：POST
    • 请求头：Authorization: Bearer {{token}}
    • 入参：{ "idNo": "{{idNo}}" }

  4. 配置数据解析规则：返回 JSON 中提取 creditScore（征信分）、overdueCount（逾期次数）、debtAmount（负债总额）

  5. 保存并测试接口

4.2 接入内部黑名单表（MySQL数据源）

配置步骤：

  1. 新增 MySQL 数据源，填入数据库连接信息

  2. 点击「同步结构」，选择 blacklist 表

  3. 创建复合变量「黑名单查询」：

    • 数据过滤条件：idNo = {{idNo}}
    • 输出字段：is_black（存在记录即命中）

4.3 接入用户历史订单表（SQL变量）

如果内部数据库表结构复杂，可使用 SQL 变量直接写查询语句：

sql

SELECT 
  COUNT(*) AS order_count_90d,
  SUM(amount) AS total_amount_90d
FROM orders
WHERE user_id = #{userId}
  AND create_time >= DATE_SUB(NOW(), INTERVAL 90 DAY)

配置参数：userId（String，必填），模拟值："U10001"

五、第三步：变量加工

原始数据不能直接用于规则，需要加工成业务因子。

5.1 基础变量（函数加工）

在「变量管理」中创建以下基础变量：

变量名计算公式说明
年龄AGE(idNo)从身份证号提取年龄
负债收入比DIVIDE(debtAmount, monthlyIncome)负债总额 / 月收入
多头借贷次数SUM(applyCount_30d)近30天申请机构数
是否高龄GT(age, 60)布尔值，年龄>60为true

JVS-Rules 提供 100+ 内置函数，包括文本、数学、逻辑、集合、时间等。上述 AGE、DIVIDE、GT 均为内置。

5.2 复合变量（多行数据聚合）

我们需要「近6个月逾期次数」。创建复合变量：

  • 数据源：repayment_record 表
  • 过滤条件：user_id = #{userId} AND status = '逾期' AND due_date >= DATE_SUB(NOW(), INTERVAL 6 MONTH)
  • 分组：无（直接统计）
  • 聚合：COUNT(*) → 输出 overdue_count_6m

然后创建基础变量 has_overdue：GT(overdue_count_6m, 0)

六、第四步：硬规则过滤（规则集节点）

在决策流画布上拖入「规则集」节点，配置多条并行判断的规则。规则之间为 OR 关系（任何一条命中即触发拒绝）。

规则集配置如下：

规则名称条件表达式命中后动作
年龄不符年龄 < 18 OR 年龄 > 65拒绝，原因码 A01
黑名单命中黑名单查询.is_black == true拒绝，原因码 B02
征信分过低creditScore < 550拒绝，原因码 C03
严重逾期overdue_count_6m >= 3拒绝，原因码 D04
多头借贷超限多头借贷次数 > 5拒绝，原因码 E05

配置界面操作：

  1. 点击规则集节点 → 「添加规则」
  2. 每条规则中点击「添加关系组」，选择变量、比较符、比较值
  3. 设置命中后的分支：可连接到结束节点（拒绝），或继续执行（若设计为累计规则）

本案例设计为：任何硬规则命中，直接跳转到结束节点返回拒绝。在画布上将规则集的「拒绝」连线连接到结束节点，「通过」连线连接到评分卡节点。

七、第五步：信用评分（评分卡节点）

通过硬规则的用户进入评分卡。评分卡节点采用「简单评分卡」或「复杂评分卡」。本例使用简单评分卡。

配置评分卡：

  1. 拖入「简单评分卡」节点
  2. 设置评分维度（每个维度独立评分，最后加权求和）：
维度条件范围分值权重
年龄25-40岁301
年龄41-55岁201
年龄18-24岁 或 56-60岁101
月收入≥20000元401
月收入10000-19999元251
月收入5000-9999元101
征信分≥700301
征信分600-699151
征信分550-59951
负债收入比<0.3201
负债收入比0.3-0.5101
负债收入比>0.5-101

总分计算：简单求和（权重均为1时，总分 = 各维度分值之和）。最高分 = 30+40+30+20 = 120，最低分可能出现负数。

评分卡节点输出 totalScore 变量，供后续决策表使用。

八、第六步：额度决策（决策表节点）

根据评分结果和申请金额，决策表输出最终额度（或拒绝）。

决策表配置：

评分区间申请金额 ≤ 额度上限审批结果授信额度拒绝原因
≥100任意通过申请金额 × 1.0-
80-99≤30000通过30000-
80-99>30000拒绝0额度不足
60-79≤10000通过10000-
60-79>10000拒绝0额度不足
<60任意拒绝0信用评分低

在 JVS-Rules 决策表节点中：

  1. 点击「新增维度」添加条件列：totalScore 区间、applyAmount 比较
  2. 添加结果列：result（通过/拒绝）、creditLimit（数值）、rejectReason（字符串）
  3. 逐行填写规则

决策表节点输出结果变量，供结束节点使用。

九、第七步：结束节点自定义输出

结束节点可以自定义输出字段。本例输出：

输出字段类型说明取值来源
approvedBoolean是否通过决策表.result == "通过"
creditLimitDouble授信额度决策表.creditLimit
rejectCodeString拒绝原因码规则集命中的原因码 或 决策表.rejectReason
totalScoreInteger评分卡得分评分卡.totalScore

配置方式：在结束节点属性中点击「新增结果」，选择「变量」类型，从下拉框中选择上述变量。

十、在线测试与API调用

10.1 在线测试

决策流配置完成后，点击「模拟测试」按钮，输入测试数据：

json

{
  "userId": "U10001",
  "applyAmount": 50000,
  "idNo": "410***************"
}

点击「执行」，系统会：

  • 高亮显示实际执行的节点路径
  • 鼠标悬停任何节点可查看输入输出
  • 最终显示结束节点的输出结果

10.2 API 调用

决策流启用后，业务系统可通过 HTTP 调用：

请求示例（cURL） ：

bash

curl -X POST https://your-domain/api/risk/projectFlow/call/FLOW_CREDIT_001 \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk_xxxxx" \
  -d '{"userId":"U10001","applyAmount":50000,"idNo":"410***************"}'

响应示例：

json

{
  "code": 0,
  "msg": "success",
  "data": {
    "approved": true,
    "creditLimit": 50000,
    "rejectCode": "",
    "totalScore": 95
  },
  "timestamp": "2026-04-13T14:30:00.123Z"
}

10.3 调用日志

每次调用都会记录在「执行日志」中，可查看：

  • 完整入参和出参
  • 各节点执行耗时
  • 决策路径可视化回放

这对风控合规审计非常关键。

十一、总结

通过 JVS-Rules 规则引擎，我们仅用拖拽配置 + 少量函数就完成了一个企业级贷前风控决策流。相比硬编码方式：

对比项传统硬编码JVS-Rules 规则引擎
策略上线周期3-5 天2 小时
业务人员参与度低（只能提需求）高（可配置规则、评分卡、决策表）
规则变更风险高（代码回归）低（可视化测试，路径高亮）
合规审计需人工审查代码自动记录版本、执行日志
维护成本高（专职开发）低（运维+业务）

本文完整决策流已在 JVS-Rules 中验证通过。如果你正在构建或重构风控系统，建议尝试规则引擎方案。

注：JVS-Rules 社区版开源免费，可满足大部分中小企业的风控需求。商业版提供动态公式、交叉决策表、异步执行等高级功能。

avatar
文章
阅读
粉丝