具体实施方式

下面结合具体实施方式对本发明做进一步的描述。

一种风险控制决策引擎装置，包括变量库、组件库、策略、决策实验室、决策引擎和策略报告，

变量库包含多种用于不同场景下的变量；变量库是一系列变量的集合的总称，其中包括有原始变量、衍生变量、输出变量、中间变量、模型变量等；其中，原始变量是规则配置的最小单元，原始变量是规则中需要的数据的载体，原始变量包括可视化配置功能、列表展示、单个变量详情展示、编辑、删除等功能；中间变量是变量库中一种比较特殊的变量，不像原始变量那样可进行配置操作，中间变量是规则的结果，决策执行规则后可产生一个或者多个的结果，该结果可作为下一个规则的变量，这种产生的变量称为中间变量；衍生变量是变量库中的一种，也比较特殊，可以页面进行配置的，衍生变量的逻辑是由原始变量和简单运算逻辑比如（+、-、*、/）组合而成的简单表达式，从而定义的一种变量，也是使用在规则中的；输出变量是变量库中的一种，用来策略输出配置的时候，用户自定义的策略输出的一种变量。

组件库是规则的集合，每一条规则是系列变量及运算符组成的逻辑运算，规则中使用变量库中变量进行规则的配置；组件库包括规则组件，规则组件是由一系列条件组组成的，每个条件组是由一系列变量加上简单运算逻辑如（+ 、-、*、/、& 、&&、=、!=、>、<、>=、<=、and、or）组合而成的一种逻辑；规则配置逻辑可理解为：如果运算到某个规则，条件满足那么规则的结果就是满足规则条件后的变量表达式的结果，否则就是某个默认规则的表达式的结果；如果通过使用简单语言来表示的话可这样进行表述：if(条件表达式)、else if(条件表达式)、多个else if(条件表达式)、else(默认条件表达式)，规则是配置策略的最小单位，条件表达式中是变量与运算逻辑符组成，变量可以有默认值，变量也可为自定义常量。规则组件分为普通规则组件、数学规则组件、模型规则组件等，其中数学规则组件是用在需要数学运算场景的策略中，数学运算组件主要是包含一些数学函数，数学函数有如下：加、减、乘、除、求小、求大、求平均、求整四舍五入、求整向下取整、向上取整、对数、求幂等。

策略是一种用于风控的一种场景，工作流是策略配置的流程图，工作流中使用组件库中的规则组件进行配置，工作流是策略的任务配置中心，通常一个策略对应一种风控场景，例如：贷前、贷中、贷后等；策略包含标准策略与商户策略，标准策略是一个公共策略，商户策略在标准策略的基础上进行引用与拷贝来生产新的商户策略，标准策略的使用减少了创建商户策略的成本时间，可以增加标准策略的复用性，实现高效率的策略配置；商户策略的配置途径有手动添加策略、从标准策略进行引用、拷贝、从别的商户策略进行拷贝。

工作流是决策引擎执行的逻辑顺序图，工作流包含内容有开始节点、任务节点、条件判断节点、工作流边、任务结束节点，开始节点是策略执行的起点，也是工作流的首要配置起点，起始节点在工作流中只有一个；任务节点是工作流中配置组件的地方，任务节点可配置组件库中的所有组件，任务节点可配置的组件个数不限，工作流当中任务节点个数不限；条件判断节点是工作流执行的分支，条件判断节点也是配置组件库中的规则组件进行条件判断的；任务节点与条件判断节点之间通过连线进行关联，这里的连线称之为工作流边，工作流边上面进行配置规则组件，工作流边有默认执行；结束节点是工作流的尾端，工作流执行到结束节点即表示该工作流结束。

策略包括策略输出，策略输出是一个可自定义、可配置的项，用户根据自己的场景进行自定义配置策略的输出项，策略输出项中可配置输出变量，一个策略可配置任意多个的策略输出变量，输出变量存在默认值，可根据变量的类型输出配置项，策略输出配置后，最终的决策引擎的输出可根据配置的输出变量进行配置，指定特殊场景下的策略报告。

策略包括策略上线管理，具体为：策略经过配置后可进行修改操作，操作可记录操作人、操作具体的规则、操作包括有策略的策略输出项、策略中工作流的编辑、工作中某个节点的新增、删除、编辑等以及包括工作流当中的规则组件的新增、修改、编辑功能。

策略包括策略发布历史，具体为：策略经过配置并经过验证后进行发布上线，策略保留发布历史记录，发布历史记录包含操作发布人、发布策略的版本信息、发布策略时间等信息，同时记录发布前后的策略，如遇到发布异常可进行回滚到发布前的版本。

决策实验室是对配置好的策略进行决策计算的一个验证过程；决策实验室是验证配置好策略的重要环节，每当策略配置完成后，策略是要进行验证的，验证通过后才可以进行上线发布操作，策略验证不通过需要进行策略的调整，直到调整到策略达到预期结果为止，决策实验室相当于是线上发布的最后一套防线。

决策引擎是对配置好的策略进行计算的过程；策略报告是策略经过决策引擎的计算后，得到一个风控决策报告。决策引擎是整个策略计算的核心，具体为：进行策略的上线发布后决策引擎执行配置的工作流，按照节点一个一个的执行，执行过程中经过运算逻辑计算得到决策引擎每个步骤的结果；决策引擎的过程随着变量数据的获取，经过逻辑运算规则，一个一个节点的运行，得到决策引擎的结果，最终形成一个风控决策报告。

规则组件库中保存有规则，每一条规则对应变量的逻辑操作。变量库中保存供规则操作的变量。决策引擎是规则运算引擎，每一个策略对应一个应用场景，对于每一个策略，决策引擎使用组件库中的规则和变量库中的变量进行运算。其中，整个装置还设有输入输出接口用于执行数据的输入和/或输出，输入输出接口接收用户数据和应用场景数据，由决策引擎根据应用场景数据生成策略，并根据用户数据在该策略下为该用户进行规则结算。

变量可以包括函数、输入参数、输出参数、临时参数。条件判断可以通过逻辑操作来实现，比如引入操作符和运算符。通过对变量的条件判断能够得到结论，该结论就是规则的输出。组件库提供的规则操作功能包括：规则编辑功能、规则标签功能、规则复制功能、规则停启用功能、规则推送策略功能、规则校验和测试功能、规则与策略关联功能。变量库包括函数库和参数库，函数库保存函数并提供函数操作功能，函数供规则操作，函数库提供的函数操作功能包括：新增函数功能、函数编辑功能；参数库保存参数并提供参数操作功能，参数供规则操作，参数库提供的参数操作功能包括：参数编辑功能、草稿功能、参数导入及导出功能、参数与规则关联功能、参数与策略关联功能。函数和参数都是规则所调用的变量，规则调用的函数可以来自函数库，规则调用的输入参数、输出参数和临时参数可以来自参数库。

决策引擎是规则结算引擎，采用Drools规则引擎实现。决策引擎与策略匹配使用，具体而言，每一个策略对应一个应用场景，对于每一个策略，决策引擎使用组件库中的规则和变量库中的变量进行运算。策略可以根据引用场景的需求，调用一个或者数个规则，每一个规则是对各自的变量进行条件的判断，然后得到结论。每一个规则各自用函数库和参数库中调用所需要使用的函数和参数，根据各个规则自己的条件进行判断，然后得出结论。决策引擎 (Drools规则引擎)对各个规则和结论进行规则结算，得到策略的最终输出。由于针对每个策略都，决策引擎 (Drools规则引擎)都会独立使用组件库中的规则和变量库中的变量进行运算，因此策略的部署非常灵活，能够根据不同的应用场景灵活变换或者调整。并且，在需要的时候，在同一个策略中，针对不同的用户，也可以通过调用不同的规则和/或变量的方式来实现不同的规则结算。

决策引擎还包括策略库，策略库保存策略并提供策略操作功能，策略是根据已有的应用场景数据生成，每一个策略对应一个应用场景，决策引擎为每一个策略进行规则结算。策略库提供的策略操作功能包括：策略编辑功能、策略停启用功能、策略卸载及部署功能、策略刷新功能、策略浅拷贝功能、策略深拷贝功能、策略测试功能。策略库的作用是加快策略的实时部署能力。对于经常使用，且具有较好通用性的策略，可以在决策引擎完成规则结算后将该策略保存在策略库中。在后续的使用过程中，如果遇到与已有的策略相匹配的应用场景，则可以直接从策略库中调用已有策略，不需要重新运算，可以加快部署的时间。策略库提供的操作功能可以对策略库中保存的策略进行修改和调整。

输入输出接口执行数据的输入和/或输出。输入输出接口接收用户数据和应用场景数据，由决策引擎根据应用场景数据生成策略，并根据用户数据在该策略下为该用户进行规则结算。当输入输出接口接收的应用场景数据与已有的应用场景数据相匹配时，直接从策略库中调用保存的策略。在一些应用中，可以在同一个策略下，针对不同的用户采用不同的规则和/或变量进行运算。

本发明的决策引擎在各个库：函数库、参数库、组件库和策略库之间建立和映射和关联的关系。策略对规则进行调用和结算，以在策略下对用户进行规则的结算。而规则进一步调用函数和参数，实现对具体变量的逻辑判断。在函数库、参数库、组件库和策略库之间建立起关联和映射后，对于其中某一个库的操作会在其余各个库中被提示。例如，对函数库中的某一个函数进行了修改，则组件库中与该函数关联(调用该函数)的规则会被提示，同样的，策略库中与该规则关联(调用该规则)的策略也会被提示。再比如，如果对规则进行了调整，则策略库中与该规则关联(调用该规则)的策略会被提示。

该决策引擎还包括工作流引擎，例如jBPM。诸如jBPM的工作流引擎具有条件逻辑判断功能。由于Drools规则引擎中没有条件逻辑(if-then)，为了实现完整全面的规则的逻辑判断，引入具有条件逻辑判断功能的工作流引擎(jBPM)来辅助决策引擎(Drools)进行运算。

下面介绍一个具体的应用场景来帮助理解本发明的决策引擎。在互联网金融领域，最常见的应用场景是申请信贷授信，例如用户A正在申请信贷授信。那么输入输出接口接收到了应用场景数据和用户数据，应用场景数据是申请信贷授信，用户数据是用户A的身份信息。然后决策引擎(Drools规则引擎)会根据申请信贷授信生成策略，该策略对应于申请信贷授信的应用场景，比如可以将其命名为申请信贷授信策略。该申请信贷授信策略会在如下的规则中选择性地进行调用：用户身份识别规则、基本信息采集规则、背景调查规则、行为调查规则、同业风险验证规则等。而用户身份识别规则、基本信息采集规则、背景调查规则、行为调查规则、同业风险验证规则等规则会各自调用自己所需要的函数或者参数，并利用各自的逻辑判断操作进行运算。需要说明的是，申请信贷授信策略针对不同的用户可以选择调用不同的规则的组合。比如对于用户A，首先调用用户身份识别规则和基本信息采集规则，获取用户身份和基本信息。例如用户身份信息显示用户A是年轻人，工作履历和信用记录较少，则申请信贷授信策略会在此时选择调用行为调查规则、同业风险验证规则等，通过用户A的网络行为、社交范围、在其他互联网金融企业的信用记录等信息来进行规则运算。在运算完毕后，将申请信贷授信策略保存到策略库中。然后，用户B也来申请信贷授信。输入输出接口接收到了应用场景数据和用户数据，应用场景数据也是申请信贷授信，用户数据是用户B的身份信息。由于策略库中已经保存有申请信贷授信策略，该策略与当前的应用场景数据相匹配，因此直接从策略库中调用申请信贷授信策略，实现策略的快速部署。用户身份信息显示用户B是中年人，具有丰富的工作履历和信用记录，则申请信贷授信策略会在此时选择调用背景调查规则、同业风险验证规则等，通过用户B的背景调查和其他金融企业(包括互联网金融企业)的信用记录等信息来进行规则运算。如此，基于不同的用户数据，实现了不同的用户可以在同一个策略里应用不同的规则判定。