金融风控规则引擎实战：贷前用户筛查与额度授信的完整流程

本文基于 JVS-Rules 规则引擎，手把手搭建一个完整的贷前风控决策流，涵盖数据接入、变量加工、规则集、评分卡、额度决策及API调用。

---

一、风控业务背景

贷前审批是信贷业务的第一道防线。一个典型的流程包括：

1. 用户实名验证（身份证、手机号）

2. 黑名单过滤（内部黑名单、第三方欺诈库）

3. 反欺诈规则（设备指纹、异常行为）

4. 信用评估（征信分、收入负债比、多头借贷）

5. 额度计算（评分卡 → 授信额度）

传统实现方式：每个环节硬编码或使用 Drools DRL 文件。维护成本高，策略上线慢（周级），且业务人员无法参与。

使用 JVS-Rules 可视化决策流后，风控策略可做到小时级上线，且业务人员可独立完成 80% 的规则调整。

---

二、整体决策流设计

我们设计的贷前风控决策流包含以下节点（按执行顺序）：

序号	节点类型	功能说明
1	开始节点	定义入参（用户ID、申请金额等）
2	数据源节点	调用征信API、查询内部数据库
3	变量加工节点	将原始数据转换为业务因子（负债收入比、多头借贷次数等）
4	规则集节点	硬规则拒绝（年龄不符、黑名单、征信分过低）
5	评分卡节点	对通过硬规则的用户进行信用评分
6	决策表节点	根据评分结果映射授信额度
7	结束节点	返回审批结果（通过/拒绝）、额度、拒绝原因码

下面逐步拆解每个节点的配置细节。

---

三、第一步：配置入参（开始节点）

在决策流基本信息中定义入参，供后续节点使用。本例入参如下：

参数名	字段Key	类型	说明
用户ID	userId	String	唯一标识
申请金额	applyAmount	Double	用户申请贷款金额
身份证号	idNo	String	用于身份核验

入参 JSON 格式自动生成：

json

{
  "userId": "U10001",
  "applyAmount": 50000,
  "idNo": "410***************"
}

---

四、第二步：数据源接入

风控决策需要多种数据来源。JVS-Rules 支持三种数据源接入方式：

4.1 接入征信API（API数据源）

配置步骤：

1. 进入「数据源」管理，点击「新增」→「API 数据源」

2. 填写数据方名称：「百行征信」

3. 配置接口：

   • URL：https://api.baixingcredit.com/v1/query

   • 请求方式：POST

   • 请求头：Authorization: Bearer {``{token}}

   • 入参：{ "idNo": "{``{idNo}}" }

4. 配置数据解析规则：返回 JSON 中提取 creditScore（征信分）、overdueCount（逾期次数）、debtAmount（负债总额）

5. 保存并测试接口

4.2 接入内部黑名单表（MySQL数据源）

配置步骤：

1. 新增 MySQL 数据源，填入数据库连接信息

2. 点击「同步结构」，选择 blacklist 表

3. 创建复合变量「黑名单查询」：

   • 数据过滤条件：idNo = {``{idNo}}

   • 输出字段：is_black（存在记录即命中）

4.3 接入用户历史订单表（SQL变量）

如果内部数据库表结构复杂，可使用 SQL 变量直接写查询语句：

sql

SELECT 
  COUNT(*) AS order_count_90d,
  SUM(amount) AS total_amount_90d
FROM orders
WHERE user_id = #{userId}
  AND create_time >= DATE_SUB(NOW(), INTERVAL 90 DAY)

配置参数：userId（String，必填），模拟值："U10001"

---

五、第三步：变量加工

原始数据不能直接用于规则，需要加工成业务因子。

5.1 基础变量（函数加工）

在「变量管理」中创建以下基础变量：

变量名	计算公式	说明
年龄	AGE(idNo)	从身份证号提取年龄
负债收入比	DIVIDE(debtAmount, monthlyIncome)	负债总额 / 月收入
多头借贷次数	SUM(applyCount_30d)	近30天申请机构数
是否高龄	GT(age, 60)	布尔值，年龄>60为true

JVS-Rules 提供 100+ 内置函数，包括文本、数学、逻辑、集合、时间等。上述 AGE、DIVIDE、GT 均为内置。

5.2 复合变量（多行数据聚合）

我们需要「近6个月逾期次数」。创建复合变量：

• 数据源：repayment_record 表

• 过滤条件：user_id = #{userId} AND status = '逾期' AND due_date >= DATE_SUB(NOW(), INTERVAL 6 MONTH)

• 分组：无（直接统计）

• 聚合：COUNT(*) → 输出 overdue_count_6m

然后创建基础变量 has_overdue：GT(overdue_count_6m, 0)

---

六、第四步：硬规则过滤（规则集节点）

在决策流画布上拖入「规则集」节点，配置多条并行判断的规则。规则之间为 OR 关系（任何一条命中即触发拒绝）。

规则集配置如下：

规则名称	条件表达式	命中后动作
年龄不符	年龄 < 18 OR 年龄 > 65	拒绝，原因码 A01
黑名单命中	黑名单查询.is_black == true	拒绝，原因码 B02
征信分过低	creditScore < 550	拒绝，原因码 C03
严重逾期	overdue_count_6m >= 3	拒绝，原因码 D04
多头借贷超限	多头借贷次数 > 5	拒绝，原因码 E05

配置界面操作：

1. 点击规则集节点 → 「添加规则」

2. 每条规则中点击「添加关系组」，选择变量、比较符、比较值

3. 设置命中后的分支：可连接到结束节点（拒绝），或继续执行（若设计为累计规则）

本案例设计为：任何硬规则命中，直接跳转到结束节点返回拒绝。在画布上将规则集的「拒绝」连线连接到结束节点，「通过」连线连接到评分卡节点。

---

七、第五步：信用评分（评分卡节点）

通过硬规则的用户进入评分卡。评分卡节点采用「简单评分卡」或「复杂评分卡」。本例使用简单评分卡。

配置评分卡：

1. 拖入「简单评分卡」节点

2. 设置评分维度（每个维度独立评分，最后加权求和）：

维度	条件范围	分值	权重
年龄	25-40岁	30	1
年龄	41-55岁	20	1
年龄	18-24岁 或 56-60岁	10	1
月收入	≥20000元	40	1
月收入	10000-19999元	25	1
月收入	5000-9999元	10	1
征信分	≥700	30	1
征信分	600-699	15	1
征信分	550-599	5	1
负债收入比	<0.3	20	1
负债收入比	0.3-0.5	10	1
负债收入比	>0.5	-10	1

总分计算：简单求和（权重均为1时，总分 = 各维度分值之和）。最高分 = 30+40+30+20 = 120，最低分可能出现负数。

评分卡节点输出 totalScore 变量，供后续决策表使用。

---

八、第六步：额度决策（决策表节点）

根据评分结果和申请金额，决策表输出最终额度（或拒绝）。

决策表配置：

评分区间	申请金额 ≤ 额度上限	审批结果	授信额度	拒绝原因
≥100	任意	通过	申请金额 × 1.0	-
80-99	≤30000	通过	30000	-
80-99	>30000	拒绝	0	额度不足
60-79	≤10000	通过	10000	-
60-79	>10000	拒绝	0	额度不足
<60	任意	拒绝	0	信用评分低

在 JVS-Rules 决策表节点中：

1. 点击「新增维度」添加条件列：totalScore 区间、applyAmount 比较

2. 添加结果列：result（通过/拒绝）、creditLimit（数值）、rejectReason（字符串）

3. 逐行填写规则

决策表节点输出结果变量，供结束节点使用。

---

九、第七步：结束节点自定义输出

结束节点可以自定义输出字段。本例输出：

输出字段	类型	说明	取值来源
approved	Boolean	是否通过	决策表.result == "通过"
creditLimit	Double	授信额度	决策表.creditLimit
rejectCode	String	拒绝原因码	规则集命中的原因码 或 决策表.rejectReason
totalScore	Integer	评分卡得分	评分卡.totalScore

配置方式：在结束节点属性中点击「新增结果」，选择「变量」类型，从下拉框中选择上述变量。

---

十、在线测试与API调用

10.1 在线测试

决策流配置完成后，点击「模拟测试」按钮，输入测试数据：

json

{
  "userId": "U10001",
  "applyAmount": 50000,
  "idNo": "410***************"
}

点击「执行」，系统会：

• 高亮显示实际执行的节点路径

• 鼠标悬停任何节点可查看输入输出

• 最终显示结束节点的输出结果

10.2 API 调用

决策流启用后，业务系统可通过 HTTP 调用：

请求示例（cURL）：

bash

curl -X POST https://your-domain/api/risk/projectFlow/call/FLOW_CREDIT_001 \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk_xxxxx" \
  -d '{"userId":"U10001","applyAmount":50000,"idNo":"410***************"}'

响应示例：

json

{
  "code": 0,
  "msg": "success",
  "data": {
    "approved": true,
    "creditLimit": 50000,
    "rejectCode": "",
    "totalScore": 95
  },
  "timestamp": "2026-04-13T14:30:00.123Z"
}

10.3 调用日志

每次调用都会记录在「执行日志」中，可查看：

• 完整入参和出参

• 各节点执行耗时

• 决策路径可视化回放

这对风控合规审计非常关键。

---

十一、总结

通过 JVS-Rules 规则引擎，我们仅用拖拽配置 + 少量函数就完成了一个企业级贷前风控决策流。相比硬编码方式：

对比项	传统硬编码	JVS-Rules 规则引擎
策略上线周期	3-5 天	2 小时
业务人员参与度	低（只能提需求）	高（可配置规则、评分卡、决策表）
规则变更风险	高（代码回归）	低（可视化测试，路径高亮）
合规审计	需人工审查代码	自动记录版本、执行日志
维护成本	高（专职开发）	低（运维+业务）

本文完整决策流已在 JVS-Rules 中验证通过。如果你正在构建或重构风控系统，建议尝试规则引擎方案。

注：JVS-Rules 社区版开源免费，可满足大部分中小企业的风控需求。商业版提供动态公式、交叉决策表、异步执行等高级功能。