CN110929879A - 基于决策引擎和模型平台的业务决策逻辑更新方法 - Google Patents
基于决策引擎和模型平台的业务决策逻辑更新方法 Download PDFInfo
- Publication number
- CN110929879A CN110929879A CN201911075958.6A CN201911075958A CN110929879A CN 110929879 A CN110929879 A CN 110929879A CN 201911075958 A CN201911075958 A CN 201911075958A CN 110929879 A CN110929879 A CN 110929879A
- Authority
- CN
- China
- Prior art keywords
- decision
- decision logic
- logic
- current
- result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004519 manufacturing process Methods 0.000 claims abstract description 66
- 238000012360 testing method Methods 0.000 claims abstract description 48
- 238000003860 storage Methods 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims description 65
- 238000004590 computer program Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 21
- 238000012544 monitoring process Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 13
- 238000003066 decision tree Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于决策引擎和模型平台的业务决策逻辑更新方法、装置、计算机设备和存储介质。方法包括：获取待测试的决策逻辑和历史业务数据，根据历史业务数据，对待测试的决策逻辑进行测试，得到测试结果，根据测试结果以及历史业务数据对应的期望值，对决策逻辑进行优化，得到优化决策逻辑，获取当前决策逻辑和生产业务数据，根据优化决策逻辑和当前决策逻辑，分别对生产业务数据进行决策，当优化决策逻辑的决策结果优于当前决策逻辑的决策结果时，将优化决策逻辑更新为当前决策逻辑，通过历史业务数据和生成业务数据，在决策逻辑上线运行之前，对决策逻辑进行了双重核验，提高了业务决策逻辑的合理性。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种基于决策引擎和模型平台的业务决策逻辑更新方法、装置、计算机设备和存储介质。
背景技术
随着经济的发展，金融业务面临金融风险复杂多变，金融监管从严、且监管细则更新迭代越来越快的情况。在目前的电力体系金融***中，风控规则与模型、业务策略与业务***的其他逻辑耦合一起，分散在业务***的各个角落。风控规则与模型、业务策略等业务决策逻辑的实施，对于业务专家来说，是不可见的。
在需要进行业务决策逻辑更新时，相关业务人员将风控规则与模型、业务策略的实施交付给IT(Internet Technology，互联网技术)人员，而IT人员需一周甚至更长的时间来完成风控规则与模型、业务策略的变更的实施，处理流程复杂，难以满足市场变化的需求。一旦部署上线，便无法对更新的业务决策逻辑进行核验，从而导致业务决策逻辑的合理性较差。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高更新的业务决策逻辑的合理性的基于决策引擎和模型平台的业务决策逻辑更新方法、装置、计算机设备和存储介质。
一种基于决策引擎和模型平台的业务决策逻辑更新方法，所述方法包括：
获取待测试的决策逻辑和历史业务数据，根据所述历史业务数据，对所述待测试的决策逻辑进行测试，得到测试结果；
根据测试结果以及所述历史业务数据对应的期望值，对所述决策逻辑进行优化，得到优化决策逻辑；
获取当前决策逻辑和生产业务数据，根据所述优化决策逻辑和所述当前决策逻辑，分别对所述生产业务数据进行决策；
当所述优化决策逻辑的决策结果优于所述当前决策逻辑的决策结果时，将所述优化决策逻辑更新为当前决策逻辑。
在其中一个实施例中，所述获取待测试的决策逻辑和历史业务数据包括：
响应模型定义操作，获取所述模型定义操作对应的风控决策规则和业务决策规则；
根据所述风控决策规则和所述业务决策规则，确定待测试的决策逻辑；
获取与所述待测试的决策逻辑对应的历史业务数据。
在其中一个实施例中，在所述当所述优化决策逻辑的决策结果优于所述当前决策逻辑的决策结果时，将所述优化决策逻辑更新为当前决策逻辑之后，还包括：
获取待决策业务，确定与所述待测业务对应的当前决策逻辑；
根据所述当前决策逻辑，对所述待决策业务进行决策分析，得到业务决策结果。
在其中一个实施例中，所述根据所述当前决策逻辑，对所述待决策业务进行决策分析，得到业务决策结果包括：
根据所述当前决策逻辑中的风控决策规则，对所述待决策业务进行风控评估，得到风控评估结果；
根据所述当前决策逻辑中的业务决策规则和所述风控评估结果，对所述待决策业务进行业务决策，得到业务决策结果。
在其中一个实施例中，所述获取当前决策逻辑和生产业务数据，根据所述优化决策逻辑和所述当前决策逻辑，分别对所述生产业务数据进行决策包括：
获取所述优化决策逻辑与所述当前决策逻辑的分配比例参数；
根据所述分配比例参数，将所述生产业务数据划分为与所述优化决策逻辑对应的第一类生产业务数据、以及与所述当前决策逻辑对应的第二类生产业务数据；
根据所述优化决策逻辑，对所述第一类生产业务数据进行决策，得到所述优化决策逻辑的决策结果；
根据所述当前决策逻辑，对所述第二类生产业务数据进行决策，得到所述当前决策逻辑的决策结果。
在其中一个实施例中，所述当所述优化决策逻辑的决策结果优于所述当前决策逻辑的决策结果时，将所述优化决策逻辑更新为当前决策逻辑之后，还包括：
获取所述当前决策逻辑对应的待决策数据和决策结果，生成包含所述待决策数据和所述决策结果的监控报表，所述监控报表用于优化所述当前决策逻辑。
在其中一个实施例中，所述决策逻辑至少包括规则、规则流、决策树、决策表以及评分卡中的一项。
一种基于决策引擎和模型平台的业务决策逻辑更新装置，所述装置包括：
测试模块，用于获取待测试的决策逻辑和历史业务数据，根据所述历史业务数据，对所述待测试的决策逻辑进行测试，得到测试结果；
优化模块，用于根据测试结果以及所述历史业务数据对应的期望值，对所述决策逻辑进行优化，得到优化决策逻辑；
决策模块，用于获取当前决策逻辑和生产业务数据，根据所述优化决策逻辑和所述当前决策逻辑，分别对所述生产业务数据进行决策；
更新模块，用于当所述优化决策逻辑的决策结果优于所述当前决策逻辑的决策结果时，将所述优化决策逻辑更新为当前决策逻辑。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待测试的决策逻辑和历史业务数据，根据所述历史业务数据，对所述待测试的决策逻辑进行测试，得到测试结果；
根据测试结果以及所述历史业务数据对应的期望值，对所述决策逻辑进行优化，得到优化决策逻辑；
获取当前决策逻辑和生产业务数据，根据所述优化决策逻辑和所述当前决策逻辑，分别对所述生产业务数据进行决策；
当所述优化决策逻辑的决策结果优于所述当前决策逻辑的决策结果时，将所述优化决策逻辑更新为当前决策逻辑。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待测试的决策逻辑和历史业务数据，根据所述历史业务数据，对所述待测试的决策逻辑进行测试，得到测试结果；
根据测试结果以及所述历史业务数据对应的期望值，对所述决策逻辑进行优化，得到优化决策逻辑；
获取当前决策逻辑和生产业务数据，根据所述优化决策逻辑和所述当前决策逻辑，分别对所述生产业务数据进行决策；
当所述优化决策逻辑的决策结果优于所述当前决策逻辑的决策结果时，将所述优化决策逻辑更新为当前决策逻辑。
上述基于决策引擎和模型平台的业务决策逻辑更新方法、装置、计算机设备和存储介质，通过历史业务数据对待测试的决策逻辑进行测试和优化，得到优化决策逻辑，实现了决策逻辑的初步核验，然后将优化后的决策逻辑与当前正在实行的决策逻辑对生成业务数据进行决策，实现了决策逻辑的二次核验，将通过历史业务数据和生成业务数据，在决策逻辑上线运行之前，对决策逻辑进行了双重核验，提高了业务决策逻辑的合理性。
附图说明
图1为一个实施例中基于决策引擎和模型平台的业务决策逻辑更新方法的应用场景图；
图2为一个实施例中基于决策引擎和模型平台的业务决策逻辑更新方法的流程示意图；
图3为另一个实施例中基于决策引擎和模型平台的业务决策逻辑更新方法的流程示意图；
图4为又一个实施例中基于决策引擎和模型平台的业务决策逻辑更新方法的流程示意图；
图5为一个实施例中基于决策引擎和模型平台的业务决策逻辑更新装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于决策引擎和模型平台的业务决策逻辑更新方法，可以应用于如图1所示的应用环境中。其中，模型平台102通过网络与决策引擎104通过网络进行通信。模型平台102将部署的待测试的决策逻辑上传至决策引擎104，决策引擎104接收待测试的决策逻辑后，获取与待测试的决策逻辑对应的历史业务数据，根据历史业务数据，对待测试的决策逻辑进行测试，得到测试结果。然后，根据测试结果以及历史业务数据对应的期望值，对决策逻辑进行优化，得到优化决策逻辑。决策引擎104获取当前决策逻辑和生产业务数据，根据优化决策逻辑和当前决策逻辑，分别对生产业务数据进行决策；当优化决策逻辑的决策结果优于当前决策逻辑的决策结果时，将优化决策逻辑更新为当前决策逻辑。其中，模型平台102可以是终端，包括但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，决策引擎104可以是服务器，服务器用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于决策引擎和模型平台的业务决策逻辑更新方法，以该方法应用于图1中的决策引擎为例进行说明，包括以下步骤S210至S240。
S210，获取待测试的决策逻辑和历史业务数据，根据历史业务数据，对待测试的决策逻辑进行测试，得到测试结果。
随着电力的业务形式呈现多元化发展，在电力金融体系中，为提高决策能力，采用了业务规则、风控模型以及业务策略来实现业务决策。业务决策是指基于业务数据，通过一定的规则进行分析，得到与该业务数据相关的处理结论的处理过程。决策逻辑是指用于进行决策分析的规则。传统的业务决策***，规则、模型与业务***强耦合在一起，业务规则、风控模型的修改与部署需要IT人员实施。
在一个实施例中，决策逻辑至少包括规则、规则流、决策树、决策表以及评分卡中的一项。
在其中一个实施例中，通过人工配置的方式确定出待测试的决策逻辑。其中，配置对象包括由规则构成的规则集、图形化的决策树、决策表、规则流以及评分卡等，根据业务的决策需要，使用规则集中的一项或多项规则、图形化决策树、决策表、规则流、评分卡等组合定义，得到适用于不同场景的风控模型、评分卡和业务规则。适用于不同场景的风控模型、评分卡和业务规则具有不同的ID(Identity document，身份标识号)。一个场景对应一套决策逻辑。
其中，规则集是为了确保定义、执行和维护规则的清晰性和效率而组成的规则集合，规则集中的各项规则可以通过规则流任务调用开始执行。规则流是指通过事件、循环、分支和任务等要素，以图表的形式定义了决策流程中所保持的步骤执行的顺序，规则集中的规则可在多个规则流中重复使用。图形化的决策树描述的是采取决策前的一系列依赖性条件。决策表是一系列查询表格，其行和列代表不同的条件，产生的动作或返回的数据指由两者相交处的内容来定义。评分卡是一种特殊形式的表格，可以检查一个对象或交易的不同属性和特征，并基于这些数值分配权重，所有基本权重值相加后得出一个总分。
业务规则是指经营业务决策时所需要考虑的所有条件。各个条件可以基于规则集、决策表、决策树和评分卡来体现，风控模型主要是指Scorecard Model(评分模型)，也支持最基础的PMML(Predictive Model Markup Language预测模型标记语言)模型，包括regression(Linear regression,Logistic regression线性回归，逻辑回归)、TreeModels(决策树)、Random Forest Trees(随机森林)、Mining Model(最小模型)，根据实际的应用场景，可以选择其中的一个或多个来实现部分业务数据或全部业务数据的决策判断。其中，风控模型也可以基于规则集、图形化决策树、决策表、规则流以及评分卡中的一项或多项来构建。
通过定义各个条件以及各个条件之间的判断顺序，确定出规则集、图形化决策树、决策表、规则流、评分卡以及风控模型，以及对应的组合顺序，得到该场景下的决策逻辑。由于决策逻辑是基于各方考虑条件配置得到的按顺序执行的各个规则的集合，只是理论数据，还需要经过测试通过才能正式上线使用，所以将定义得到的决策逻辑作为待测试的决策逻辑。
历史业务数据是指与待测试的决策逻辑对应业务场景的已有数据。其中，业务场景包括电费收缴、电商、电力行业信贷等。在一个实施例中，历史业务数据可以通过表格的形式进行记录，例如，表格中的一行对应一项业务数据，通过导入表格中的各项数据，执行待测试的决策逻辑，可以得到各项业务数据的决策结果。
S220，根据测试结果以及历史业务数据对应的期望值，对决策逻辑进行优化，得到优化决策逻辑。
历史业务数据对应的期望值是指根据现实中的实际情况，对应的最优决策结果。当待测试的决策逻辑具有较好的合理性时，其对历史业务数据进行决策处理后的结果应与期望值相同或误差在设定的允许范围内。具体来说，当测试结果与期望值的误差在设定的允许范围内时，直接将待测试的决策逻辑作为优化决策逻辑，当测试结果与期望值的误差超过设定的允许范围时，通过对测试结果的对比分析，确定决策逻辑中待优化的部分，其中待优化的部分可以是一条或多条规则，也可能是规则流，还可能是评分卡等，基于对比分析结果，进行决策逻辑的优化，并重复测试，直至测试结果与期望值的误差在设定的允许范围内，得到优化决策逻辑。
S230，获取当前决策逻辑和生产业务数据，根据优化决策逻辑和当前决策逻辑，分别对生产业务数据进行决策。
当前决策逻辑是指线上正在执行的决策逻辑，当前决策逻辑与优化决策逻辑的应用场景相同。以线上的实际生产业务数据为决策对象，使用当前决策逻辑与优化决策逻辑分别进行决策，可以得到优化决策逻辑的决策结果和当前决策逻辑的决策结果。
在一个实施例中，可以就相同的生产业务数据，通过当前决策逻辑与优化决策逻辑，同时进行两次决策处理。在另一个实施例中，可以将生成数据划分为两部分，一部分采用当前决策逻辑进行决策处理，另一部分采用优化决策逻辑进行决策处理。
S240，当优化决策逻辑的决策结果优于当前决策逻辑的决策结果时，将优化决策逻辑更新为当前决策逻辑。
决策结果的比较可以根据预定的指标进行评估，例如VIP(very importantperson，贵宾)客户的转化率等，得到量化的决策结果数据。通过比较量化后的决策结果数据的数值大小，将优化决策逻辑更新为当前决策逻辑是指将优化决策逻辑取代线上原有的决策逻辑，实现业务决策逻辑的替换更新的过程。
上述基于决策引擎和模型平台的业务决策逻辑更新方法，通过历史业务数据对待测试的决策逻辑进行测试和优化，得到优化决策逻辑，实现了决策逻辑的初步核验，然后将优化后的决策逻辑与当前正在实行的决策逻辑对生成业务数据进行决策，实现了决策逻辑的二次核验，将通过历史业务数据和生成业务数据，在决策逻辑上线运行之前，对决策逻辑进行了线上线下的双重核验，提高了业务决策逻辑的合理性。
在一个实施例中，获取待测试的决策逻辑和历史业务数据包括：
响应模型定义操作，获取模型定义操作对应的风控决策规则和业务决策规则。根据风控决策规则和业务决策规则，确定待测试的决策逻辑。获取与待测试的决策逻辑对应的历史业务数据。
模型定义操作是指用户对指定应用场景的决策逻辑的定义过程。以评分模型为例，在模型应用中，需要将评分模型应用到业务操作之中，这需要对信用生命周期的各个环节嵌入决策应用，例如审批、限额、贷后预警、催收等，这些决策应用中，不再仅是评分模型的计算，而是将各种风险管理的业务规则和风险策略纳入进去在一个实施例中，风控决策规则可以包括准入规则、反欺诈规则、信用评估规则、评分卡模型、授信测算规则以及其他风控规则等，业务决策规则可以包括结算规则、投资规则等，根据风控决策规则和业务决策规则构成决策逻辑，根据应用场景，获取与决策逻辑对应的历史业务数据。
在一个实施例中，在当优化决策逻辑的决策结果优于当前决策逻辑的决策结果时，将优化决策逻辑更新为当前决策逻辑之后，还包括步骤S310至S320。
S310，获取待决策业务，确定与待测业务对应的当前决策逻辑。
S320，根据当前决策逻辑，对待决策业务进行决策分析，得到业务决策结果。
待决策业务是指需要基于该场景的业务决策逻辑进行决策评估的数据。以待决策业务为信贷业务数据为例，当决策引擎接收到模型平台上传决策请求时，根据决策请求携带的场景标识以及对应的信贷业务数据，根据场景标识匹配对应的当前决策逻辑，并通过该当前决策逻辑对信贷业务数据进行决策分析，得到决策结果。
在一个具体的实施例中，还是以待决策业务为信贷业务数据为例，决策引擎依次根据当前决策逻辑中的准入规则，例如年满18周岁等；信息验证规则，如姓名、身份证号，银行卡的所有者是否相同等；黑名单规则，如是否为银行以及其他各单位或企业列出的黑名单人员；反欺诈规则，如是否存在较大的欺诈风险等，对信贷业务数据进行决策处理，最后根据评分卡模型对各项信贷业务数据进行评分，确定该用户的授信额度。
在一个实施例中，决策引擎将当前决策逻辑封装，提供一组API(ApplicationProgramming Interface，应用程序接口)接口，业务数据从业务***实时下发决策引擎，决策引擎根据当前决策逻辑，进行分析计算，计算得到决策结果实时输出给业务***。业务***调用决策引擎的业务环节得到决策结果，调用方即业务***根据决策结果执行所相对应的业务流程。
在一个实施例中，根据当前决策逻辑，对待决策业务进行决策分析，得到业务决策结果包括：根据当前决策逻辑中的风控决策规则，对待决策业务进行风控评估，得到风控评估结果。根据当前决策逻辑中的业务决策规则和风控评估结果，对待决策业务进行业务决策，得到业务决策结果。
风控决策规则主要用于进行风控评估，确定用户的业务风险，业务决策规则主要用于根据业务风险和业务规则，确定该业务的是否执行以及如何执行等。在其中一个实施例中，可以根据业务***的对每一业务的风险偏好度以及业务决策规则进行决策。具体来说，风险偏好是业务制定的可以容忍风险系数的大小，风险系数是业务需求进行设定，可以通过模型定义操作进行人工配置。
在一个实施例中，获取当前决策逻辑和生产业务数据，根据优化决策逻辑和当前决策逻辑，分别对生产业务数据进行决策包括步骤S410至S440。
S410，获取优化决策逻辑与当前决策逻辑的分配比例参数。
S420，根据分配比例参数，将生产业务数据划分为与优化决策逻辑对应的第一类生产业务数据、以及与当前决策逻辑对应的第二类生产业务数据。
S430，根据优化决策逻辑，对第一类生产业务数据进行决策，得到优化决策逻辑的决策结果。
S440，根据当前决策逻辑，对第二类生产业务数据进行决策，得到当前决策逻辑的决策结果。
在一个实施例中，通过冠军挑战者试验，对优化决策逻辑和当前决策逻辑进行线上测试。具体来说，以当前决策逻辑为冠军策略，以优化决策逻辑为挑战者策略，分配比例参数是指冠军对生产业务数据的处理量与挑战者对生产业务数据处理量的比值。分配比例参数将会决定将多少比例的生产业务数据进入冠军策略，多少比例会作为挑战者策略进行测试，即可得到冠军策略和挑战者策略得到的决策结果。其中，作为挑战者策略的优化决策逻辑可以包括多个。以包含两个挑战者策略为例，可以为冠军策略分配60％的生产业务数据，剩余的生产业务数据均分给挑战者策略，即每个挑战者策略占20％。
在其中一个实施例中，当优化决策逻辑的决策结果优于当前决策逻辑的决策结果时，将优化决策逻辑更新为当前决策逻辑之后，还包括：获取当前决策逻辑对应的待决策数据和决策结果，生成包含待决策数据和决策结果的监控报表，监控报表用于优化当前决策逻辑。
通过对决策结果进行监控，即使在非工作时间如夜晚、节假日等，可以实现策略调用的自动监控、报警和人工处理。
此外，监控报表还可以对当前决策逻辑的能力进行分析，为当前决策逻辑中的规则、模型的优化提供数据基础。
应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种基于决策引擎和模型平台的业务决策逻辑更新装置，包括：测试模块510、优化模块520、决策模块530和更新模块540，其中：
测试模块510，用于获取待测试的决策逻辑和历史业务数据，根据历史业务数据，对待测试的决策逻辑进行测试，得到测试结果；
优化模块520，用于根据测试结果以及历史业务数据对应的期望值，对决策逻辑进行优化，得到优化决策逻辑；
决策模块530，用于获取当前决策逻辑和生产业务数据，根据优化决策逻辑和当前决策逻辑，分别对生产业务数据进行决策；
更新模块540，用于当优化决策逻辑的决策结果优于当前决策逻辑的决策结果时，将优化决策逻辑更新为当前决策逻辑。
上述基于决策引擎和模型平台的业务决策逻辑更新装置，通过历史业务数据对待测试的决策逻辑进行测试和优化，得到优化决策逻辑，实现了决策逻辑的初步核验，然后将优化后的决策逻辑与当前正在实行的决策逻辑对生成业务数据进行决策，实现了决策逻辑的二次核验，将通过历史业务数据和生成业务数据，在决策逻辑上线运行之前，对决策逻辑进行了双重核验，提高了业务决策逻辑的合理性。
在其中一个实施例中，测试模块510包括获取单元，用于响应模型定义操作，获取模型定义操作对应的风控决策规则和业务决策规则；根据风控决策规则和业务决策规则，确定待测试的决策逻辑；获取与待测试的决策逻辑对应的历史业务数据。
在其中一个实施例中，基于决策引擎和模型平台的业务决策逻辑更新装置还包括分析模块，分析模块用于获取待决策业务，确定与待测业务对应的当前决策逻辑；根据当前决策逻辑，对待决策业务进行决策分析，得到业务决策结果。
在其中一个实施例中，分析模块还用于根据当前决策逻辑中的风控决策规则，对待决策业务进行风控评估，得到风控评估结果；根据当前决策逻辑中的业务决策规则和风控评估结果，对待决策业务进行业务决策，得到业务决策结果。
在其中一个实施例中，决策模块530还用于获取优化决策逻辑与当前决策逻辑的分配比例参数；根据分配比例参数，将生产业务数据划分为与优化决策逻辑对应的第一类生产业务数据、以及与当前决策逻辑对应的第二类生产业务数据；根据优化决策逻辑，对第一类生产业务数据进行决策，得到优化决策逻辑的决策结果；根据当前决策逻辑，对第二类生产业务数据进行决策，得到当前决策逻辑的决策结果。
在其中一个实施例中，基于决策引擎和模型平台的业务决策逻辑更新装置还包括监控模块，监控模块用于获取当前决策逻辑对应的待决策数据和决策结果，生成包含待决策数据和决策结果的监控报表，监控报表用于优化当前决策逻辑。
关于基于决策引擎和模型平台的业务决策逻辑更新装置的具体限定可以参见上文中对于基于决策引擎和模型平台的业务决策逻辑更新方法的限定，在此不再赘述。上述基于决策引擎和模型平台的业务决策逻辑更新装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于决策引擎和模型平台的业务决策逻辑更新数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于决策引擎和模型平台的业务决策逻辑更新方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待测试的决策逻辑和历史业务数据，根据历史业务数据，对待测试的决策逻辑进行测试，得到测试结果；
根据测试结果以及历史业务数据对应的期望值，对决策逻辑进行优化，得到优化决策逻辑；
获取当前决策逻辑和生产业务数据，根据优化决策逻辑和当前决策逻辑，分别对生产业务数据进行决策；
当优化决策逻辑的决策结果优于当前决策逻辑的决策结果时，将优化决策逻辑更新为当前决策逻辑。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
响应模型定义操作，获取模型定义操作对应的风控决策规则和业务决策规则；
根据风控决策规则和业务决策规则，确定待测试的决策逻辑；
获取与待测试的决策逻辑对应的历史业务数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取待决策业务，确定与待测业务对应的当前决策逻辑；
根据当前决策逻辑，对待决策业务进行决策分析，得到业务决策结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据当前决策逻辑中的风控决策规则，对待决策业务进行风控评估，得到风控评估结果；
根据当前决策逻辑中的业务决策规则和风控评估结果，对待决策业务进行业务决策，得到业务决策结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取优化决策逻辑与当前决策逻辑的分配比例参数；
根据分配比例参数，将生产业务数据划分为与优化决策逻辑对应的第一类生产业务数据、以及与当前决策逻辑对应的第二类生产业务数据；
根据优化决策逻辑，对第一类生产业务数据进行决策，得到优化决策逻辑的决策结果；
根据当前决策逻辑，对第二类生产业务数据进行决策，得到当前决策逻辑的决策结果。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取当前决策逻辑对应的待决策数据和决策结果，生成包含待决策数据和决策结果的监控报表，监控报表用于优化当前决策逻辑。
上述用于实现基于决策引擎和模型平台的业务决策逻辑更新方法的计算机设备，通过历史业务数据对待测试的决策逻辑进行测试和优化，得到优化决策逻辑，实现了决策逻辑的初步核验，然后将优化后的决策逻辑与当前正在实行的决策逻辑对生成业务数据进行决策，实现了决策逻辑的二次核验，将通过历史业务数据和生成业务数据，在决策逻辑上线运行之前，对决策逻辑进行了双重核验，提高了业务决策逻辑的合理性。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待测试的决策逻辑和历史业务数据，根据历史业务数据，对待测试的决策逻辑进行测试，得到测试结果；
根据测试结果以及历史业务数据对应的期望值，对决策逻辑进行优化，得到优化决策逻辑；
获取当前决策逻辑和生产业务数据，根据优化决策逻辑和当前决策逻辑，分别对生产业务数据进行决策；
当优化决策逻辑的决策结果优于当前决策逻辑的决策结果时，将优化决策逻辑更新为当前决策逻辑。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
响应模型定义操作，获取模型定义操作对应的风控决策规则和业务决策规则；
根据风控决策规则和业务决策规则，确定待测试的决策逻辑；
获取与待测试的决策逻辑对应的历史业务数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取待决策业务，确定与待测业务对应的当前决策逻辑；
根据当前决策逻辑，对待决策业务进行决策分析，得到业务决策结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据当前决策逻辑中的风控决策规则，对待决策业务进行风控评估，得到风控评估结果；
根据当前决策逻辑中的业务决策规则和风控评估结果，对待决策业务进行业务决策，得到业务决策结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取优化决策逻辑与当前决策逻辑的分配比例参数；
根据分配比例参数，将生产业务数据划分为与优化决策逻辑对应的第一类生产业务数据、以及与当前决策逻辑对应的第二类生产业务数据；
根据优化决策逻辑，对第一类生产业务数据进行决策，得到优化决策逻辑的决策结果；
根据当前决策逻辑，对第二类生产业务数据进行决策，得到当前决策逻辑的决策结果。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取当前决策逻辑对应的待决策数据和决策结果，生成包含待决策数据和决策结果的监控报表，监控报表用于优化当前决策逻辑。
上述用于实现基于决策引擎和模型平台的业务决策逻辑更新方法的计算机可读存储介质，通过历史业务数据对待测试的决策逻辑进行测试和优化，得到优化决策逻辑，实现了决策逻辑的初步核验，然后将优化后的决策逻辑与当前正在实行的决策逻辑对生成业务数据进行决策，实现了决策逻辑的二次核验，将通过历史业务数据和生成业务数据，在决策逻辑上线运行之前，对决策逻辑进行了双重核验，提高了业务决策逻辑的合理性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于决策引擎和模型平台的业务决策逻辑更新方法，其特征在于，所述方法包括：
获取待测试的决策逻辑和历史业务数据，根据所述历史业务数据，对所述待测试的决策逻辑进行测试，得到测试结果；
根据测试结果以及所述历史业务数据对应的期望值，对所述决策逻辑进行优化，得到优化决策逻辑；
获取当前决策逻辑和生产业务数据，根据所述优化决策逻辑和所述当前决策逻辑，分别对所述生产业务数据进行决策；
当所述优化决策逻辑的决策结果优于所述当前决策逻辑的决策结果时，将所述优化决策逻辑更新为当前决策逻辑。
2.根据权利要求1所述的方法，其特征在于，所述获取待测试的决策逻辑和历史业务数据包括：
响应模型定义操作，获取所述模型定义操作对应的风控决策规则和业务决策规则；
根据所述风控决策规则和所述业务决策规则，确定待测试的决策逻辑；
获取与所述待测试的决策逻辑对应的历史业务数据。
3.根据权利要求1所述的方法，其特征在于，在所述当所述优化决策逻辑的决策结果优于所述当前决策逻辑的决策结果时，将所述优化决策逻辑更新为当前决策逻辑之后，还包括：
获取待决策业务，确定与所述待测业务对应的当前决策逻辑；
根据所述当前决策逻辑，对所述待决策业务进行决策分析，得到业务决策结果。
4.根据权利要求3所述的方法，其特征在于，所述根据所述当前决策逻辑，对所述待决策业务进行决策分析，得到业务决策结果包括：
根据所述当前决策逻辑中的风控决策规则，对所述待决策业务进行风控评估，得到风控评估结果；
根据所述当前决策逻辑中的业务决策规则和所述风控评估结果，对所述待决策业务进行业务决策，得到业务决策结果。
5.根据权利要求1所述的方法，其特征在于，所述获取当前决策逻辑和生产业务数据，根据所述优化决策逻辑和所述当前决策逻辑，分别对所述生产业务数据进行决策包括：
获取所述优化决策逻辑与所述当前决策逻辑的分配比例参数；
根据所述分配比例参数，将所述生产业务数据划分为与所述优化决策逻辑对应的第一类生产业务数据、以及与所述当前决策逻辑对应的第二类生产业务数据；
根据所述优化决策逻辑，对所述第一类生产业务数据进行决策，得到所述优化决策逻辑的决策结果；
根据所述当前决策逻辑，对所述第二类生产业务数据进行决策，得到所述当前决策逻辑的决策结果。
6.根据权利要求1所述的方法，其特征在于，所述当所述优化决策逻辑的决策结果优于所述当前决策逻辑的决策结果时，将所述优化决策逻辑更新为当前决策逻辑之后，还包括：
获取所述当前决策逻辑对应的待决策数据和决策结果，生成包含所述待决策数据和所述决策结果的监控报表，所述监控报表用于优化所述当前决策逻辑。
7.根据权利要求1所述的方法，其特征在于，所述决策逻辑至少包括规则、规则流、决策树、决策表以及评分卡中的一项。
8.一种基于决策引擎和模型平台的业务决策逻辑更新装置，其特征在于，所述装置包括：
测试模块，用于获取待测试的决策逻辑和历史业务数据，根据所述历史业务数据，对所述待测试的决策逻辑进行测试，得到测试结果；
优化模块，用于根据测试结果以及所述历史业务数据对应的期望值，对所述决策逻辑进行优化，得到优化决策逻辑；
决策模块，用于获取当前决策逻辑和生产业务数据，根据所述优化决策逻辑和所述当前决策逻辑，分别对所述生产业务数据进行决策；
更新模块，用于当所述优化决策逻辑的决策结果优于所述当前决策逻辑的决策结果时，将所述优化决策逻辑更新为当前决策逻辑。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911075958.6A CN110929879A (zh) | 2019-11-06 | 2019-11-06 | 基于决策引擎和模型平台的业务决策逻辑更新方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911075958.6A CN110929879A (zh) | 2019-11-06 | 2019-11-06 | 基于决策引擎和模型平台的业务决策逻辑更新方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110929879A true CN110929879A (zh) | 2020-03-27 |
Family
ID=69852433
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911075958.6A Pending CN110929879A (zh) | 2019-11-06 | 2019-11-06 | 基于决策引擎和模型平台的业务决策逻辑更新方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110929879A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111459843A (zh) * | 2020-06-19 | 2020-07-28 | 上海冰鉴信息科技有限公司 | 一种应用于风控决策引擎的决策流测试方法及装置 |
| CN111709647A (zh) * | 2020-06-18 | 2020-09-25 | 辽宁振兴银行股份有限公司 | 一种基于策略引擎控制的数据源动态管理方法 |
| CN112394922A (zh) * | 2020-12-02 | 2021-02-23 | 成都新希望金融信息有限公司 | 决策配置方法、业务决策方法和决策引擎*** |
| CN112465383A (zh) * | 2020-12-08 | 2021-03-09 | 深圳华制智能制造技术有限公司 | 工业互联网智能决策方法、***、计算机设备及存储介质 |
| CN113076348A (zh) * | 2021-04-13 | 2021-07-06 | 上海优扬新媒信息技术有限公司 | 一种策略信息管理方法、装置、服务器及存储介质 |
| CN113159441A (zh) * | 2021-04-30 | 2021-07-23 | 中国银行股份有限公司 | 银行业务项目实施情况的预测方法及装置 |
| CN113256275A (zh) * | 2021-07-14 | 2021-08-13 | 支付宝(杭州)信息技术有限公司 | 专家***的更新方法、业务处理方法及装置 |
| CN113608796A (zh) * | 2021-06-30 | 2021-11-05 | 北京新氧科技有限公司 | 规则引擎的配置及运行方法、装置、电子设备及存储介质 |
| CN113704117A (zh) * | 2021-08-31 | 2021-11-26 | 北京三快在线科技有限公司 | 一种算法测试***、方法及装置 |
| CN114168565A (zh) * | 2021-12-10 | 2022-03-11 | 北京宇信科技集团股份有限公司 | 业务规则模型的回溯测试方法、装置、***及决策引擎 |
| CN114254909A (zh) * | 2021-12-16 | 2022-03-29 | 天元大数据信用管理有限公司 | 一种基于决策引擎的风险管理方法及平台 |
| WO2024017177A1 (zh) * | 2022-07-18 | 2024-01-25 | 支付宝(杭州)信息技术有限公司 | 一种执行业务的方法、装置、存储介质及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105867117A (zh) * | 2016-06-20 | 2016-08-17 | 西安电子科技大学 | 基于决策规则提取的选矿厂磨矿分级***节能优化方法 |
| CN108573355A (zh) * | 2018-05-08 | 2018-09-25 | 阿里巴巴集团控股有限公司 | 模型更新后替换运行的方法、装置、及业务服务器 |
| CN109063985A (zh) * | 2018-07-18 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种业务的风险决策方法及装置 |
| CN109146662A (zh) * | 2018-07-16 | 2019-01-04 | 蜜小蜂智慧（北京）科技有限公司 | 一种风险控制方法及装置 |
| CN109816221A (zh) * | 2019-01-07 | 2019-05-28 | 平安科技（深圳）有限公司 | 项目风险决策方法、装置、计算机设备和存储介质 |
| CN110264089A (zh) * | 2019-06-24 | 2019-09-20 | 浪潮软件股份有限公司 | 一种基于富文本格式展现业务指标说明的方法 |
| CN110349015A (zh) * | 2019-07-17 | 2019-10-18 | 民生科技有限责任公司 | 基于三路引擎的反欺诈***调优投产上线方法及装置 |
-
2019
- 2019-11-06 CN CN201911075958.6A patent/CN110929879A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105867117A (zh) * | 2016-06-20 | 2016-08-17 | 西安电子科技大学 | 基于决策规则提取的选矿厂磨矿分级***节能优化方法 |
| CN108573355A (zh) * | 2018-05-08 | 2018-09-25 | 阿里巴巴集团控股有限公司 | 模型更新后替换运行的方法、装置、及业务服务器 |
| CN109146662A (zh) * | 2018-07-16 | 2019-01-04 | 蜜小蜂智慧（北京）科技有限公司 | 一种风险控制方法及装置 |
| CN109063985A (zh) * | 2018-07-18 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 一种业务的风险决策方法及装置 |
| CN109816221A (zh) * | 2019-01-07 | 2019-05-28 | 平安科技（深圳）有限公司 | 项目风险决策方法、装置、计算机设备和存储介质 |
| CN110264089A (zh) * | 2019-06-24 | 2019-09-20 | 浪潮软件股份有限公司 | 一种基于富文本格式展现业务指标说明的方法 |
| CN110349015A (zh) * | 2019-07-17 | 2019-10-18 | 民生科技有限责任公司 | 基于三路引擎的反欺诈***调优投产上线方法及装置 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111709647A (zh) * | 2020-06-18 | 2020-09-25 | 辽宁振兴银行股份有限公司 | 一种基于策略引擎控制的数据源动态管理方法 |
| CN111459843A (zh) * | 2020-06-19 | 2020-07-28 | 上海冰鉴信息科技有限公司 | 一种应用于风控决策引擎的决策流测试方法及装置 |
| CN112394922A (zh) * | 2020-12-02 | 2021-02-23 | 成都新希望金融信息有限公司 | 决策配置方法、业务决策方法和决策引擎*** |
| CN112465383A (zh) * | 2020-12-08 | 2021-03-09 | 深圳华制智能制造技术有限公司 | 工业互联网智能决策方法、***、计算机设备及存储介质 |
| CN113076348A (zh) * | 2021-04-13 | 2021-07-06 | 上海优扬新媒信息技术有限公司 | 一种策略信息管理方法、装置、服务器及存储介质 |
| CN113076348B (zh) * | 2021-04-13 | 2022-12-13 | 度小满科技(北京)有限公司 | 一种策略信息管理方法、装置、服务器及存储介质 |
| CN113159441A (zh) * | 2021-04-30 | 2021-07-23 | 中国银行股份有限公司 | 银行业务项目实施情况的预测方法及装置 |
| CN113608796A (zh) * | 2021-06-30 | 2021-11-05 | 北京新氧科技有限公司 | 规则引擎的配置及运行方法、装置、电子设备及存储介质 |
| CN113256275A (zh) * | 2021-07-14 | 2021-08-13 | 支付宝(杭州)信息技术有限公司 | 专家***的更新方法、业务处理方法及装置 |
| CN113256275B (zh) * | 2021-07-14 | 2021-11-02 | 支付宝(杭州)信息技术有限公司 | 专家***的更新方法、业务处理方法及装置 |
| CN113704117A (zh) * | 2021-08-31 | 2021-11-26 | 北京三快在线科技有限公司 | 一种算法测试***、方法及装置 |
| CN114168565A (zh) * | 2021-12-10 | 2022-03-11 | 北京宇信科技集团股份有限公司 | 业务规则模型的回溯测试方法、装置、***及决策引擎 |
| CN114254909A (zh) * | 2021-12-16 | 2022-03-29 | 天元大数据信用管理有限公司 | 一种基于决策引擎的风险管理方法及平台 |
| WO2024017177A1 (zh) * | 2022-07-18 | 2024-01-25 | 支付宝(杭州)信息技术有限公司 | 一种执行业务的方法、装置、存储介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110929879A (zh) | 基于决策引擎和模型平台的业务决策逻辑更新方法 | |
| CN109858737B (zh) | 基于模型部署的评分模型调整方法、装置和计算机设备 | |
| CN109636607A (zh) | 基于模型部署的业务数据处理方法、装置和计算机设备 | |
| CN109359866B (zh) | 基于租赁设备的风险隐患监控方法、装置和计算机设备 | |
| CN112329022A (zh) | 一种智能网汽车信息安全风险评估方法及*** | |
| CN111176990A (zh) | 基于数据决策的测试数据生成方法、装置、计算机设备 | |
| CN109886554B (zh) | 违规行为判别方法、装置、计算机设备和存储介质 | |
| Doyen et al. | A generic framework for generalized virtual age models | |
| CN109063984B (zh) | 风险旅客方法、装置、计算机设备和存储介质 | |
| CN109615280A (zh) | 员工数据处理方法、装置、计算机设备和存储介质 | |
| CN109949154A (zh) | 客户信息分类方法、装置、计算机设备和存储介质 | |
| CN110084606A (zh) | 风险控制方法、装置、计算机设备和存储介质 | |
| CN113256408A (zh) | 基于消费金融的风险控制方法、***和计算机设备 | |
| CN114693192A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
| CN113888299A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
| CN111831817A (zh) | 问卷生成分析方法、装置、计算机设备及可读存储介质 | |
| CN115641166A (zh) | 虚拟资源分配策略创建方法和*** | |
| CN113011893B (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
| CN111737319B (zh) | 用户集群的预测方法、装置、计算机设备和存储介质 | |
| CN114372867A (zh) | 用户信用度的验证评估方法、装置和计算机设备 | |
| CN112905987B (zh) | 账号识别方法、装置、服务器及存储介质 | |
| CN112927076A (zh) | 证券交易风险控制方法、装置、计算机设备和存储介质 | |
| CN112529319A (zh) | 基于多维特征的评分方法、装置、计算机设备及存储介质 | |
| CN110084701A (zh) | 理财平台入驻方法、装置、计算机设备和存储介质 | |
| CN114553726B (zh) | 一种基于功能、资源层面的网络安全运维方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200327 |
|
| RJ01 | Rejection of invention patent application after publication |