一种用于跨境金融业务的多场景自动化风控决策引擎系统技术方案

本发明专利技术公开了一种用于跨境金融业务的多场景自动化风控决策引擎系统，包括基础设置层、数据接入层、基础数据层、决策引擎层、决策应用层和系统管理层；所述基础设置层，包括分布式文档存储数据库Mongo DB、和Redis集群和分布式发布订阅消息系统Kafka，所述Kafka用于实时指标处理消息缓存，通过Kafka接收实时交易数据，然后指标库管理进行简单的实时计算得到实时指标数据存储到Redis集群中。本发明专利技术能够快捷对接外部数据源和数据服务接口，为系统提供决策的数据支持；完全实现了风控规则模型的可视化配置，不需要研发人员参与就能够让风控决策人员进行风控模型设计、配置和测试，最后到发布上线，风险事件处置响应速度大幅提升。升。升。

【技术实现步骤摘要】
一种用于跨境金融业务的多场景自动化风控决策引擎系统


[0001]本专利技术涉及跨境金融市场
，具体来说，涉及一种用于跨境金融业务的多场景自动化风控决策引擎系统。

技术介绍

[0002]在跨境金融市场中，经营主体已全球化并且收益正在日益增长，交易场景的多样化，风险的不确定性正在日益复杂化，风险管理是金融业务的核心环节。金融机构在经营与业务发展的过程中积累了海量的数据，包括结构化的数据和非结构化的数据，所有的风控模型都是基于这些数据而建立的，而传统的系统或方法设计已经很难处理这些复杂的交易场景和海量的数据。现有的风控系统的不足主要体现在以下方面：（1）在功能设计中模仿与复制传统的风险决策流程，容易忽视对重大风险的持续性挖掘；（2）缺乏对内部风险审计转型、升级的技术支持；（3）决策支持难以实现风险审计业务需求和风险审计环境多变的情形（多场景化）；（4）分析功能偏重于获取数据（供查询）而不是深度分析数据（预测）；（5）孤岛化，审计数据中心缺少与外部系统的联接，如缺少与政府、工商部门、法院等的外部数据建立联系；（6）系统定位，与业务及后台系统界限模糊或重合，容易造成人事上责任不清；（7）软件开发，对风险审计的专业性和银行的个性化风险特征估计不足，使得多数的风险审计模型与实践脱节，甚至完全无法使用。
[0003]针对上述问题，目前还没有有效的解决办法。

技术实现思路

[0004]针对相关技术中的上述技术问题，本专利技术提出一种用于跨境金融业务的多场景自动化风控决策引擎系统，能够克服现有技术的上述不足。
[0005]为实现上述技术目的，本专利技术的技术方案是这样实现的：一种用于跨境金融业务的多场景自动化风控决策引擎系统，包括基础设置层、数据接入层、基础数据层、决策引擎层、决策应用层和系统管理层；所述基础设置层，包括分布式文档存储数据库Mongo DB、和Redis集群和分布式发布订阅消息系统Kafka，所述Kafka用于实时指标处理消息缓存，通过Kafka接收实时交易数据，然后指标库管理进行简单的实时计算得到实时指标数据存储到Redis集群中；所述数据接入层，用于接入外部数据和接入变量库的数据Schema定义，采用数据导入管理模块将外部数据存储到Mongo DB中；所述基础数据层，用于负责定义新风控系统中用到的所有变量对象、常量、参数、名单和指标；
所述决策引擎层，用于根据规则引擎Drools和表达式求值引擎Aviator，通过对决策规则的抽象自定义，将从操作界面到数据结构对形成规则的必要元素进行设计和定义，然后解析生产动态的Drools规则脚本和表达式求值脚本并交给对应的引擎进行执行，最后将执行结果进行封装处理；所述决策应用层，用于根据决策引擎层和基础数据层的基础功能进行二次封装；所述系统管理层，用于负责风控系统的基础管理。
[0006]进一步地，所述Mongo DB用于存储应用所有的数据，所述Redis集群用于存储指标数据以及临时缓存相关数据。
[0007]进一步地，所述数据接入层中的外部数据包括第三方系统调用风控系统的接入点管理。
[0008]进一步地，所述数据接入层包括接入点管理、接入点统计、外部接口管理、外部库管理和数据导入管理。
[0009]进一步地，所述基础数据层包括变量库管理、常量库管理、参数库管理、动作库管理、名单库管理和指标库管理。
[0010]进一步地，所述决策引擎层包括决策表管理、评分卡管理、决策树管理、决策流管理、计算表达式管理、决策条件管理、条件解析器管理、决策规则管理和规则解析器。
[0011]进一步地，述决策应用层包括商户评级管理、可视化规则中心、额度管控中心、数据查询引擎、大数据中心、黑白名单管理、功能配置中心、商户规则阈值、规则回测优化中心和工作流引擎。
[0012]进一步地，所述系统管理层包括用户管理、功能菜单管理、授权组管理、菜单授权管理、数据授权管理和定时任务管理。
[0013]本专利技术的有益效果：本专利技术能够快捷对接外部数据源和数据服务接口，为系统提供决策的数据支持；完全实现了风控规则模型的可视化配置，不需要研发人员参与就能够让风控决策人员进行风控模型设计、配置和测试，最后到发布上线，风险事件处置响应速度大幅提升。本专利技术对重大风险的事件能够持续性挖掘，适应跨境金融市场中交易场景的多样化。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0015]图1是根据本专利技术实施例所述的用于跨境金融业务的多场景自动化风控决策引擎系统的结构示意图。
具体实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本专利技术保护的
范围。
[0017]如图1所示，根据本专利技术实施例所述的一种用于跨境金融业务的多场景自动化风控决策引擎系统，包括基础设置层、数据接入层、基础数据层、决策引擎层、决策应用层和系统管理层；所述基础设置层，包括分布式文档存储数据库Mongo DB、和Redis集群和分布式发布订阅消息系统Kafka，所述Kafka用于实时指标处理消息缓存，通过Kafka接收实时交易数据，然后指标库管理进行简单的实时计算得到实时指标数据存储到Redis集群中；所述数据接入层，用于接入外部数据和接入变量库的数据Schema定义，采用数据导入管理模块将外部数据存储到Mongo DB中；所述基础数据层，用于负责定义新风控系统中用到的所有变量对象、常量、参数、名单和指标；所述决策引擎层，用于根据规则引擎Drools和表达式求值引擎Aviator，通过对决策规则的抽象自定义，将从操作界面到数据结构对形成规则的必要元素进行设计和定义，然后解析生产动态的Drools规则脚本和表达式求值脚本并交给对应的引擎进行执行，最后将执行结果进行封装处理；所述决策应用层，用于根据决策引擎层和基础数据层的基础功能进行二次封装；所述系统管理层，用于负责风控系统的基础管理。
[0018]实施例中，所述Mongo DB用于存储应用所有的数据，所述Redis集群用于存储指标数据以及临时缓存相关数据。
[0019]实施例中，所述数据接入层中的外部数据包括第三方系统调用风控系统的接入点管理。
[0020]实施例中，所述数据接入层包括接入点管理、接入点统计、外部接口管理、外部库管理和数据导入管理。
[0021]实施例中，所述基础数据层包括变量库管理、常量库管理、参数库管理、动作库管理、名单库管理和指标库管理。
[0022]实施例中，所述决策引擎层包括决策表管理、评分卡管理、决策树管理、决策流管理、计算表达式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于跨境金融业务的多场景自动化风控决策引擎系统，其特征在于，包括基础设置层、数据接入层、基础数据层、决策引擎层、决策应用层和系统管理层；所述基础设置层，包括分布式文档存储数据库Mongo DB、和Redis集群和分布式发布订阅消息系统Kafka，所述Kafka用于实时指标处理消息缓存，通过Kafka接收实时交易数据，然后指标库管理进行简单的实时计算得到实时指标数据存储到Redis集群中；所述数据接入层，用于接入外部数据和接入变量库的数据Schema定义，采用数据导入管理模块将外部数据存储到Mongo DB中；所述基础数据层，用于负责定义新风控系统中用到的所有变量对象、常量、参数、名单和指标；所述决策引擎层，用于根据规则引擎Drools和表达式求值引擎Aviator，通过对决策规则的抽象自定义，将从操作界面到数据结构对形成规则的必要元素进行设计和定义，然后解析生产动态的Drools规则脚本和表达式求值脚本并交给对应的引擎进行执行，最后将执行结果进行封装处理；所述决策应用层，用于根据决策引擎层和基础数据层的基础功能进行二次封装；所述系统管理层，用于负责风控系统的基础管理。2.根据权利要求1所述的用于跨境金融业务的多场景自动化风控决策引擎系统，其特征在于，所述Mongo DB用于存储应用所有的数据，所述Redis集群用于存储指标数据以及临时缓...

【专利技术属性】
技术研发人员：吴迪，甄国钢，
申请(专利权)人：启赟数字科技上海有限公司，
类型：发明
国别省市：