本文是关于全流程风控产品设计的一个顶层概述，一起来看看~
商户业务开展全流程
一个新商户上线的过程整合为几大步骤：
（1）商机录入
（2）商户建档
建档主要由产品部为商户建档，配置基础要素（渠道，来源，客群等）、产品相关、客户相关（客户合同等）、业务相关（手续费、贴息等）内容，该信息为商户相关信息在全公司系统中流转使用。
（3）基础配置
基础配置中主要配置商户号，渠道码，产品号，入口码，客群类型，为后续申请审批中找到需要调用的决策流提供映射关系。
（4）申请前台配置
（5）审批配置
审批配置按照现有模式进行场景初始化，固定有几种场景供选择， 场原则上在新增审批流程或者修改审批流程时在现有场景中选择，不予新增。每个场景中事件类型也已初始化定义好，可按照五要素（如有要素不需要可填写固定值或者缺省）去对需要的事件进行策略流的关联。如要新增进行相应的策略的新增，新增完成后再进行关联选择。
（6）交易相关配置（借还款、定价等）
用户生命周期全流程
用户生命周期全流程如上图，从以个全新用户注册开始到申请成功获得额度并进行借还款。
注册和实名环节，除了进行注册和实名操作，还会调用反欺诈相关规则进行欺诈识别和判断。
根据申请要素获取填写的卡片后，展示给用户进行填写，填写完成进行提交，提交后，会通过反欺诈进行反欺诈识别，识别通过后进行准入操作，反欺诈和准入的配合，这样能够减少不必要的外部数据查询，降低成本。
准入后进行流程作业判断，是否要进行预审，预审则调用审批策略进行预审操作，并返回风险等级，根据映射等级提供不同的卡片进行用户填写；如若不需要预审，则进行终审操作，带入额度和定价模型，完成审批结果的输出。
用户在获取额度后进行借款操作，此时会调用反欺诈进行支用行为欺诈识别。
用户在借款后，进入贷后管理，实时监控用户状态，如发生逾期则按照不同阶段进行催收，用户在还款是会进行还款行为欺诈识别。
业务模型
对现有业务分析整理，主要囊括以上四种，标准流程，极简流程，极简二段式，标准二段式，所谓的二段式即为跨渠道，阶段1与阶段2会在不同的流程中完成。但是二段式的划分会略有不同，对于O2O的流程阶段1仅仅包含建案部分，其他的比如M版的阶段1会包括截止到终审之前的所有流程。
针对现有的业务流程，按照场景+事件的原则，会定义标准授信场景，其中的事件节点类型统一定义，所有申请审批流程阶段，均可以从标准场景中选出事件组合，请见下图：
涵盖了建案，准入、预审、终审、激活等几个关键流程，流程中每个节点我一个接入事件，事件与策略一一对应，策略或者关联规则包，或者关联决策流。
如图，准入策略中，将规则以规则包的形式组合，规则的内容支持多重配置，可以为某一规则或者决策树，均以变量为中心展开，出现在规则层面的只有变量，进行简单的逻辑判断，具体的加工逻辑均隐藏在变量中，变量包装所有的数据类型，包括函数（函数录入支持多种方式，比如PMML 和逻辑回归以及评分卡模式），数据服务，模型，属性，以及变量。
功能边界
从商户和用户的角度切入，形成一套相对完整支撑审批业务和风险决策的平台，在功能上应该包含以下主要四个部分：
基础配置：基础配置确认五要素录入，在此建立与策略之间的映射关系。
策略配置：策略配置是整个决策的核心，构建审批策略体系和风险规则体系。
资信数据源管理：负责全部资信数据源的接入，并与策略配置中的数据服务打通，形成完整的统一数据接入体系，为策略体系做数数据支撑。
名单管理：构建名单管理体系，支持整个业务流程自动入黑灰白，并支持业务人员录入，为策略体系提供名单支持。
功能特性
以“变量为中心”。系统用户在使用产品进行策略配置时，如上所述，可以将复杂逻辑封装为变量，将细节隐藏，屏蔽底层，业务方无需关注具体实现方式（很大程度上要从系统的层面考虑性能问题，提出更高效的方法满足业务需求），只过程化的策略组装模式转变为对象化组装模式。
灵活的外部数据接入。在技术层面进行系统参数级别配置，业务方只需要将该服务引用到配置的策略中，无需关注系统异常（超时，系统报错等）导致的情况的处理和判断，只需要关注该节点在系统业务中的作业影响即可。
数据服务连接主要分为内部和外部数据，外部数据通过资信系统接入，资信系统与数据服务可采用dubbo或者http协议接入；内部数据支持使用dubbo调用，数据链接除了需要设置必要的数据源配置相关内容外，还要设置相关应对策略，超时时间，重试次数，是否可以跳过，以及跳过后的处理方式（转人工，中断，忽略等）。
业务方在配置相关的变量时，无需关注数据操纵异常带来的影响，只需要确认在使用时是否可以跳过或者缺省，后续处理中会根据是否可以跳过执行相应的应对策略。
策略粒度可控。摒弃之前大规模决策树的做法，将业务按照场景+事件进行划分，全新的业务流程定义，按照既定的场景从用户角度切入对全业务链进行划分，如注册场景、动码场景、授信场景、借款场景、还款场景等，每个场景内包含不同事件，场景下选择事件，再根据五要素（或者其他数量的要素），确定需要使用的的策略，将要原有的业务逻辑拆分。
白名单管理。提供完善的名单管理维护，包括名单类型（黑灰白）、风险类型、名单属性，维护方式等。
名单入库的方式主要有：
系统自动录入（规则自动入黑白，高中低风险设置等）
不同环节已产生资信数据积累
网络数据加工获取
特有数据来源
解决痛点
变量为中心，严格控制变量的分配，由业务人员提出需求，研发人员按需提供变量模板，业务人员在变量上进行分桶或者逻辑的组装。通过这一体制可以很好的避免分桶逻辑在vinco中的泛滥的先例，以及逻辑大量重复黏贴的问题，对于每个变量在决策树中的过多的重复使用，以及大量的细粒度的区间划分，能够一目了然。
变量基础上对数据服务进行引用，方便对整个策略的耗费进行估算，在策略配置完成初期即可对成本有个直观的估算。
原有功能逻辑划分被打破，而不再从风险或者授信的功能范畴去划分，而应该是从整个业务场景和事件的阶段去划分。
