风控决策引擎主要是一些风险控制规则的组合，通过不同的业务规则和不同的组合方式进行计算。既然是组合，那么不同的优先级会得到不同的效果，同时会消耗不同的资源，因此，优先级便非常重要。
风控系统的作用在于识别绝对风控和标识相对风险，绝对风控意味着整套风控的审核结果是“拒绝”，既然结果是拒绝，就不需要运行完所有规则，只要有一条规则是拒绝就可以停止运行了，由此得出规则优先级需要注意的重点如下：
（1）自有规则优先于外部规则
简单说明：自有的本地黑名单库优先于外部的黑名单先运行，如有触发，直接拒绝，既节约了成本，又准确和快速。
（2）无成本或低成本的规则优先于高成本的规则运行
举例说明：借款用户的身份特定不符合风控要求的，如低于18岁用户，则可优先运行。而一些通过对接外部三方征信的风控规则，需支出相关查询费用的，则靠后运行。此外，在外部三方征信的规则中，命中式收费的风控规则（如黑名单与反欺诈）又可以优先于每次查询式收费的风控规则（如征信报告）运行
（3）消耗低性能的规则优先于高性能消耗的规则运行
简单说明：如不需要加工的属性规则数据先运行，需要再加工的消耗机器资源成本的数据后运行
（4）可调整
解释说明：规则的条件是可以灵活设置区间的，当用户满足某个区间进行作用
由于风控的最终结果还是通过数据“喂出来的”结果，风控的本质就是数据，当样本不断变化后，风控的规则也要进行变化，因此，针对可调整和可维护需要注意一下几点：
（1）非刚需和必要的规则需要具备开启和关闭功能
如：一个人的信用分是在不断变化的，根据你要控制的用户群体进行开关
（2）风控规则参数可以调整
如：一个人的在网时长在一年以内可以调整成在6个月以内方便随时变化后进行规则风控
（3）记录与统计
方便后期分析和调整
（4）触发的具体规则
记录具体明细规则和具体的触发率，方便调整规则优先级
（5）风控规则需要的参数
记录正向和逆向参数的结果，便于后续调整规则
（6）数据源内容
数据源内容需要保持用于多次分析和规则建立
（7）建模
不同的产品需要不同的规则，有时需要建模输出
风控建模需借助于函数的定义，此外也可以借助评分卡的机制进行补充。而评分卡的模式在另外一方面也作用于系统审核与人工信审，譬如高于X评分的订单申请，系统直接通过；处于X与Y之间的评分，则需人工审核，甚至通过电话联系；而低于Y评分的，则系统直接拒绝（半自动）
本文分享自微信公众号 - 机器学习算法与Python分析知识库（Data_Bear）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
来源：oschina
链接：https://my.oschina.net/u/4607696/blog/4483047