[0001] 本发明涉及互联网技术，更具体地说，涉及基于数据的决策引擎和决策方法。

[0002] 互联网金融随着互联网技术的发展而得到了快速的发展。与传统金融业不同，互联网金融的多数操作在线上，而非现场完成。传统金融业的风险控制更加依赖于线下的审核和背景调查。线下审核和背景调查会花费比较长的时间，因此传统金融业的风控业务周期较长。此外，传统金融业的背景调查的内容较为固定，对于所有的用户几乎都使用同一套背景调查的项目。

[0003] 互联网金融与传动金融业具有很大的不同，例如互联网金融强调时效性，用户在线上提出的申请希望尽快，最好是实时就能获得回复，传统金融业漫长的线下审核和调查显然不适合于互联网金融。另外，随着线上活动的增加和大数据技术的发展，利用大数据可以获得更多关于用户的信息，用户的线上活动能够提供比单一背景调查更加全面、可靠和动态的用户信息。并且，评价用户风险的各种要素的维度和权重也在不断的变化之中，也需要根据实际情况灵活变换和调整对于用户的风险评价的维度和权重。

[0032] 本发明提出一种决策引擎，包括：规则库、变量库、策略引擎和输入输出接口。规则库中保存有规则，每一条规则对应变量的逻辑操作。变量库中保存供规则操作的变量。策略引擎是规则结算引擎，每一个策略对应一个应用场景，对于每一个策略，策略引擎使用规则库中的规则和变量库中的变量进行运算。输入输出接口执行数据的数据和/或输出。输入输出接口接收用户数据和应用场景数据，由策略引擎根据应用场景数据生成策略，并根据用户数据在该策略下为该用户进行规则结算。

[0033] 图1揭示了根据本发明的一实施例的决策引擎的结构框图。在图1所示的实施例中，规则库106中保存有规则并提供规则操作功能。每一条规则对应变量的逻辑操作。参考图3所示，图3中揭示了规则对变量的逻辑操作的示意图。规则简单而言就是对变量进行各种条件的判断，然后得到结论。在图3所示的实施例中，变量可以包括函数、输入参数、输出参数、临时参数。条件判断可以通过逻辑操作来实现，比如引入操作符和运算符。通过对变量的条件判断能够得到结论，该结论就是规则的输出。回到图1，在图示的实施例中，规则库106提供的规则操作功能包括：规则编辑功能、规则标签功能、规则复制功能、规则停启用功能、规则推送策略功能、规则校验和测试功能、规则与策略关联功能。

[0034] 在图1所示的实施例中，变量库包括函数库102和参数库104。函数库102保存函数并提供函数操作功能，函数供规则操作。在图示的实施例中，函数库102提供的函数操作功能包括：新增函数功能、函数编辑功能。参数库104保存参数并提供参数操作功能，参数供规则操作。在图示的实施例中，参数库104提供的参数操作功能包括：参数编辑功能、草稿功能、参数导入及导出功能、参数与规则关联功能、参数与策略关联功能。结合图3所示，函数和参数都是规则所调用的变量，例如在图3所示的实施例中，规则调用的函数可以来自函数库102，规则调用的输入参数、输出参数和临时参数可以来自参数库104。

[0035] 在图1所示的实施例中，策略引擎110是规则结算引擎，采用Drools规则引擎实现。策略引擎110与策略匹配使用，具体而言，每一个策略对应一个应用场景，对于每一个策略，策略引擎110使用规则库中的规则和变量库中的变量进行运算。参考图3所示，图3揭示了根据本发明的一实施例的决策引擎中策略的架构框图。策略可以根据引用场景的需求，调用一个或者数个规则，每一个规则是对各自的变量进行条件的判断，然后得到结论。每一个规则各自用函数库和参数库中调用所需要使用的函数和参数，根据各个规则自己的条件进行判断，然后得出结论。策略引擎110(Drools规则引擎)对各个规则和结论进行规则结算，得到策略的最终输出。由于针对每个策略都，策略引擎110(Drools规则引擎)都会独立使用规则库中的规则和变量库中的变量进行运算，因此策略的部署非常灵活，能够根据不同的应用场景灵活变换或者调整。并且，在需要的时候，在同一个策略中，针对不同的用户，也可以通过调用不同的规则和/或变量的方式来实现不同的规则结算。

[0036] 继续参考图1所示，在图1所示的实施例中，该决策引擎还包括策略库108。策略库108保存策略并提供策略操作功能，策略是根据已有的应用场景数据生成，每一个策略对应一个应用场景，策略引擎为每一个策略进行规则结算。策略库提供的策略操作功能包括：策略编辑功能、策略停启用功能、策略卸载及部署功能、策略刷新功能、策略浅拷贝功能、策略深拷贝功能、策略测试功能。策略库108的作用是加快策略的实时部署能力。对于经常使用，且具有较好通用性的策略，可以在策略引擎完成规则结算后将该策略保存在策略库108中。
在后续的使用过程中，如果遇到与已有的策略相匹配的应用场景，则可以直接从策略库108中调用已有策略，不需要重新运算，可以加快部署的时间。策略库提供的操作功能可以对策略库中保存的策略进行修改和调整。

[0037] 输入输出接口112执行数据的数据和/或输出。输入输出接口112接收用户数据和应用场景数据，由策略引擎110根据应用场景数据生成策略，并根据用户数据在该策略下为该用户进行规则结算。在一个实施例中，当输入输出接口112接收的应用场景数据与已有的应用场景数据相匹配时，直接从策略库108中调用保存的策略。在一些应用中，可以在同一个策略下，针对不同的用户采用不同的规则和/或变量进行运算。

[0038] 本发明的决策引擎在各个库：函数库102、参数库104、规则库106和策略库108之间建立和映射和关联的关系。图2揭示了根据本发明的一实施例的决策引擎中各个库的关联示意图。策略是针对具体的应用场景，更加靠近应用层面。策略对规则进行调用和结算，以在策略下对用户进行规则的结算。而规则进一步调用函数和参数，实现对具体变量的逻辑判断。规则、函数和参数更加靠近实现层面。按照由实现到应用的角度，函数和参数处于底层、规则位于中间、策略位于顶层。底层更加接近实现层面，顶层更加接近应用层面。在函数库102、参数库104、规则库106和策略库108之间建立起关联和映射后，对于其中某一个库的操作会在其余各个库中被提示。例如，对底层的函数库中的某一个函数进行了修改，则规则库中与该函数关联(调用该函数)的规则会被提示，同样的，策略库中与该规则关联(调用该规则)的策略也会被提示。再比如，如果对规则进行了调整，则策略库中与该规则关联(调用该规则)的策略会被提示。通常而言，对于底层的修改会对上层的关联内容进行提示，因为底层的修改会影响到上层的关联内容。而对于上层的修改不一定会影响到底层，因此对于上层的修改不需要对关联的底层进行提示。

[0039] 在一个实施例中，该决策引擎还包括工作流引擎，例如jBPM。诸如jBPM的工作流引擎具有条件逻辑判断功能。由于Drools规则引擎中没有条件逻辑(if-then)，为了实现完整全面的规则的逻辑判断，引入具有条件逻辑判断功能的工作流引擎(jBPM)来辅助策略引擎(Drools)进行运算。

[0040] 下面介绍一个具体的应用场景来帮助理解本发明的决策引擎。在互联网金融领域，最常见的应用场景是申请信贷授信，例如用户A正在申请信贷授信。那么输入输出接口接收到了应用场景数据和用户数据，应用场景数据是申请信贷授信，用户数据是用户A的身份信息。然后策略引擎(Drools规则引擎)会根据申请信贷授信生成策略，该策略对应于申请信贷授信的应用场景，比如可以将其命名为申请信贷授信策略。该申请信贷授信策略会在如下的规则中选择性地进行调用：用户身份识别规则、基本信息采集规则、背景调查规则、行为调查规则、同业风险验证规则等。而用户身份识别规则、基本信息采集规则、背景调查规则、行为调查规则、同业风险验证规则等规则会各自调用自己所需要的函数或者参数，并利用各自的逻辑判断操作进行运算。需要说明的是，申请信贷授信策略针对不同的用户可以选择调用不同的规则的组合。比如对于用户A，首先调用用户身份识别规则和基本信息采集规则，获取用户身份和基本信息。例如用户身份信息显示用户A是年轻人，工作履历和信用记录较少，则申请信贷授信策略会在此时选择调用行为调查规则、同业风险验证规则等，通过用户A的网络行为、社交范围、在其他互联网金融企业的信用记录等信息来进行规则运算。在运算完毕后，将申请信贷授信策略保存到策略库中。然后，用户B也来申请信贷授信。输入输出接口接收到了应用场景数据和用户数据，应用场景数据也是申请信贷授信，用户数据是用户B的身份信息。由于策略库中已经保存有申请信贷授信策略，该策略与当前的应用场景数据相匹配，因此直接从策略库中调用申请信贷授信策略，实现策略的快速部署。用户身份信息显示用户B是中年人，具有丰富的工作履历和信用记录，则申请信贷授信策略会在此时选择调用背景调查规则、同业风险验证规则等，通过用户B的背景调查和其他金融企业(包括互联网金融企业)的信用记录等信息来进行规则运算。如此，基于不同的用户数据，实现了不同的用户可以在同一个策略里应用不同的规则判定。

[0041] 从实现过程的角度看，该决策引擎执行下述的决策方法，或者说本发明还提出一种决策方法，该决策方法包括：

[0042] S1、接收用户数据和应用场景数据。

[0043] S2、由策略引擎根据应用场景数据生成策略，每一个策略对应一个应用场景，对于每一个策略，策略引擎是规则结算引擎，策略引擎使用规则库中的规则和变量库中的变量进行运算。

[0044] 规则库中保存有规则和规则操作功能，每一条规则对应变量的逻辑操作，规则操作功能包括：规则编辑功能、规则标签功能、规则复制功能、规则停启用功能、规则推送策略功能、规则校验和测试功能、规则与策略关联功能。变量库包括：函数库和参数库。函数库保存函数并提供函数操作功能，函数供规则操作，函数库提供的函数操作功能包括：新增函数功能、函数编辑功能。参数库保存参数并提供参数操作功能，参数供规则操作，参数库提供的参数操作功能包括：参数编辑功能、草稿功能、参数导入及导出功能、参数与规则关联功能、参数与策略关联功能。

[0045] S3、根据用户数据在该策略下为该用户进行规则结算并输出。

[0046] 在一个实施例中，该决策方法还包括：

[0047] S4、根据已有的应用场景数据生成策略并将策略保存到策略库中，其中每一个策略对应一个应用场景，策略引擎为每一个策略进行规则结算。

[0048] S5、当输入输出接口接收的应用场景数据与已有的应用场景数据相匹配时，直接从策略库中调用保存的策略。

[0049] 策略库还提供策略操作功能，策略操作功能包括：策略编辑功能、策略停启用功能、策略卸载及部署功能、策略刷新功能、策略浅拷贝功能、策略深拷贝功能、策略测试功能。

[0050] 为了便于对变量、规则和策略进行调整和编辑，在一个实施例中，该决策方法还包括：

[0051] S6、在函数库、参数库、规则库和策略库之间建立关联和映射。当对于其中一个库进行操作时，在其余各个库中进行提示。

[0052] 为了解决Drools规则引擎中没有条件逻辑(if-then)的问题，该决策方法使用具有条件逻辑判断功能的工作流引擎(jBPM)来辅助策略引擎(Drools)进行运算。

[0053] 该决策方法的具体实现细节与前述的决策引擎相同，此处不再重复描述。

[0054] 本发明的决策引擎和决策方法能对策略进行规则配置和调整，以快速响应不断变化的不确定因素，利用规则结算引擎实现了规则复用、规则在线编辑、丰富的函数库、规则流、热部署、权限控管等功能，极大地解决了传统策略引擎修改不灵活，部署缓慢，安全性不高等问题。

[0055] 上述实施例是提供给熟悉本领域内的人员来实现或使用本发明的，熟悉本领域的人员可在不脱离本发明的发明思想的情况下，对上述实施例做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。