本文將着重介紹相對常見的線上信貸系統解決方案，大致以：渠道端、信貸管理、決策引擎、模型平台、徵信前置、數據平台、核算系統、催收系統、其他支撐系統以及合作模式作為主線，介紹各個系統承載的功能和系統的定位。
市面上借貸APP常見的客户端功能如上圖羅列，貸款產品多是基於不同的基礎屬性：利率、額度、還款方式、期限、支付方式等進行組合從而衍生出不同的貸款產品，但本質是一樣的，功能不過多描述，主要介紹各個系統的內容和注意點。
渠道端對客户身份的認證經歷了用户名 密碼、U盾、用户名 短信驗證碼、指紋、滑塊驗證、人臉識別、設備指紋、生物探針技術的演進過程，前面6項是大家經常使用到的幾種方式，實現方式眾所周知。
而設備指紋和生物探針作為兩個新型的風險識別技術，與傳統的身份認證手段共用從而保證用户的賬户及資金安全。設備指紋技術大多通過腳本／sdk主動式採集操作設備的多重信息後生成一段唯一的設備識別碼，傳輸到後台服務進行風險判斷從而給出校驗結果從而起到風險識別作用。
生物探針根據用户操作設備的生物行為進行用户身份認證，生物探針採集操作手機時的傳感器數據和屏幕軌跡數據，獲取用户的按壓力度、設備仰角、滑動軌跡等數據形成用户的數據集，在用户操作設備時根據算法輸出是否本人的決策從而達到用户認證的效果。
信貸管理系統則是信貸業務架構中我們常説的業務系統，主要是信貸業務的運營管理功能。
信貸業務從渠道端發起後通過服務端調用信貸系統，信貸系統生成申請id從而作為唯一索引記錄該筆授信申請數據，信貸系統調用風險決策系統進行授信決策，授信決策結束後返回信貸系統進行客户額度的管理。
信貸管理系統常見的業務功能主要有：客户管理、產品管理、額度管理、進件管理、合同管理、用信管理、借據管理、還款管理、逾期管理、合作管理等。
決策引擎是信貸業務風險控制的大腦，授信決策、貸中管理、貸後管理均是通過業務方發起後調用決策引擎進行風險決策。決策引擎常見功能如上圖所示。
業務方進行貸前決策時通常以決策流為入口依次執行決策流中不同的節點，而決策流的組成單元是：指標/變量–規則–規則集–策略集 模型 決策工具 知識圖譜–決策流。
指標包括基礎指標和衍生指標，基礎指標可以理解為業務系統可直接傳入的字段，衍生指標則是需要基於基礎指標進行加工處理的指標，衍生指標又包括離線和實時兩類。
函數則是在規則使用指標的過程中可對指標進行簡單的函數處理，例如為空轉化等。
規則即是通過指標 表達式 閾值來配置一條規則，相同數據源/相同類型的規則組合一起即規則集/策略集。
決策樹、決策表、決策矩陣則是不同決策工具的展現形式，根據策略具體內容可選擇具體的工具來實現決策判斷。
決策流則是如本段紅字串聯起決策各個節點從而執行整個決策流的風險決策判斷。
規則測試是對調整後的策略進行測試驗證，可取真實的存量客户進行測試，驗證通過後策略才可發佈上線。
風險決策報告則是展示客户授信過程中的風險決策內容，包括申請信息、規則執行明細、決策結果、決策流執行軌跡等。
貸前決策通常包括准入門檻、反欺詐規則判斷、預授信、信用評分、定額定價環節，以一個完整決策流實現。
貸中預警通常根據一些外部數據、內部數據組成策略集，定期發起策略集的執行輸出貸中的決策動作例如額度凍結、降額、提額等。
貸後催收策略則多根據催收評分卡、逾期天數、貸餘信息等進行催收策略的執行從而輸出催收動作 催收頻率，從而提升催收效果。
冠軍挑戰者目的是對比兩套策略的效果，可對決策流中任一節點或者整條決策流進行冠軍挑戰者的配置，從而可以觀測冠軍策略和挑戰者策略的效果對比。
核算系統是對貸款賬户核算的管理系統，核算系統包括賬務處理、賬户管理、貸款變更、資金交易。
數據管理平台是對內部、外部數據的管理平台，信貸業務風險決策需要依賴內部的客户基礎數據、業務數據、申請數據，外部的徵信數據、三方數據。
數據管理平台功能角度可分為：供應商管理（管理三方數據供應商的基礎信息、合作信息）、數據服務管理（管理數據服務的基礎信息、查詢方式等）、業務服務管理（管理內部系統與三方數據服務的調用關係管理）、計費管理（管理三方數據服務的計費模式和費用統計）、數據接口管理（三方數據接口配置管理）、數據路由管理（同類三方數據調用優先級設置）等。
數據管理業務角度可區分：人行徵信數據、第三方數據、內部數據、內外整合數據。
催收系統功能如上圖所示，案件池是全量的逾期案件數據，逾期案件數據經過決策引擎的催收策略執行後輸出具體的行動路徑和行動頻率從而給到相應的工作台下。
催收動作包括：短信、ivr、AI外呼、人工內催、委外、法催、核銷。
催收系統功能除以上對應催收動作的工作台外包括催收案件流轉、催收分單、手工轉單、留案、案件回收、失聯管理等。
案件流轉-正向流轉指根據逾期天數、貸餘、內外部數據判斷後將案件從一個行動路徑自動流轉至其他路徑。
案件流轉-逆向流轉常見系統催收間的流轉，不涉及到績效考核；人工內催、委外之間一般不存在逆向流轉；逆向流轉一般為手工操作。
催收分單兩個場景：內催案件指定到具體催收小組或催收員，委外案件指定到具體的委外公司。
手工轉單指手工將案件轉至其他催收小組/催收員名下。
留案指催收員主動發起將即將自動流轉走的案件仍然留於自己名下。
案件回收區分兩個場景：從催收員/委外機構名下回收至內催池或委外池；或將指定案件回收至大案件池。
失聯管理是對失聯客户的管理，催收系統每日將各模塊的失聯客户指定到具體的催收員名下，催收員進行後續的失聯篩選、失聯認定。
其他關聯繫統包括支付、徵信前置、營銷系統、模型開發平台、AI等，此處每個系統簡單帶過。
在綁定卡鑑權、貸款發放、還款的過程中會涉及到支付系統的調用。
在貸前/貸中/貸後決策依賴徵信數據的環節中需要調用徵信前置系統進行徵信數據的查詢和解析。
在貸款營銷過程中需要依賴營銷系統配置相應的營銷手段（利率折扣券、免息券等）。
模型開發平台則是涵蓋了數據、建模、訓練、模型服務發佈的模型全流程開發。
在反欺詐案調和催收過程中需要依賴AI外呼解放一部分人力，所以有AI系統的介入（AI系統後面可展開描述）。
支撐系統則是貫穿業務始終所需的系統包括：短信平台（依賴此平台發送各個環節的短信例如短信驗證、放款提醒、催收提醒等）、IVR（依賴ivr發起催收提醒）、影像平台（存儲客户影像資料例如身份證圖片、人臉識別圖片等）、文件服務器（合同文本等）、任務中心、日誌中心、權限中心、監控中心、數據中心等。
近期各大機構都在號召數據驅動業務發展，要求每個人都具備數據分析的能力。
數據作為所有業務的支撐，數據平台、數倉作為底層系統支撐着前端、中台業務的運行。數據涉及到的名詞較多：數據庫、數據倉庫、數據集市、數據湖、數據平台、數據中台等。
此處主要介紹數倉和數據平台，數倉一般分為ods、pdw、dm、app層，數倉主要存儲結構化數據，對結構化數據進行清洗加工後供數據分析使用，同時可展現成可視化報表。
數據平台包括結構化數據、非結構化數據，同時在數倉加工的基礎上有分佈式存儲和分佈式計算平台，數據平台可實現數據集的實時計算、離線計算、流計算、圖計算等；所以決策過程中依賴的實時指標和離線指標是有數據平台中的服務加工完成的。
作者：姜懿格，公眾號：金融開發Master，現任互聯網公司風控產品經理，4年消費金融產品解決方案經驗。
本文由@姜懿格 原創發佈於人人都是產品經理，未經許可，禁止轉載。
題圖來自Pexels, 基於CC0協議。