大数据智能风控

引自博文：https://blog.csdn.net/qq_43036596

互联网金融的兴起，金融科技向传统金融渗透，智能风控平台应运而生。决策引擎担任着智能风控平台的核心角色，在当代的互联网金融浪潮中至关重要，本文主要讲解了现在市面上主流风控决策引擎产品包含的核心功能模块，其中主要是规则、评分卡、表达式、模型、决策流等功能模块。

1、大数据风控概念

在介绍决策引擎之前，首先了解一下大数据风控概念：大数据风控即大数据风险控制，是指通过运用大数据构建模型的方法对借款人进行风险控制和风险提示（百度百科）。

2、什么是风控决策引擎

风控决策引擎是对复杂的业务逻辑抽象化剥离出来的业务规则进行不同的分支组合、关联，然后层层规则递进运算，最终输出决策结果的产品。

传统的风控决策引擎主要实现规则的逻辑判断；现有通常使用的风控决策引擎，在传统的基础上功能更加丰富，可以实现规则、评分卡、模型、表达式等多种类型的逻辑嵌套，实现层次更加丰富的逻辑运算，满足现在的互联网金融业务要求；高阶的风控决策引擎，是在现有的风控决策引擎上融入了自言语言处理平台、流计算平台等，提升了现有决策引擎的算力和处理时效；

下面主要介绍通常使用的风控决策引擎平台，包含的常用功能模块主要是规则、评分卡、模型、表达式、决策流。

规则模块
规则模块常用的产品实现方式主要有规则集、规则表、规则树。

规则集
其中规则集分为普通规则、循环规则，普通规则由变量、表达式、条件值、决策结果组成，如下：

变量：会员年龄表示、表达式：大于等于、条件值：18，这只是规则集的一条规则，其中规则与规则之间存在且、或逻辑关系，然后就是决策结果​：满足rule1，输出会员名名称“金牌会员”，不满足输出会员名称“普通会员”。​

循环规则可以对集合对象进行循环的执行规则，一个循环规则可以有一个或者多个循环单元，每个循环单元都是一个普通的规则，定义的方式同普通规则。只是在执行的循环规则时，需要添加循环条件，以及循环结束后输出的决策结果，在风控决策引擎中，循环规则运用的较少，这里不做详细的讲解，感兴趣的可以留言讨论。

规则表
规则表是一种表格形式的规则工具，在处理判断条件较多的时候，决策结果较多的情况时，可以快速定义出决策规则。

 

规则表分为条件列、决策列，其中上图借款人年龄、借款人是否有驾照、借款人命中黑名单是条件列，决策结果是决策列。

现在虽然风控决策结果输出的结果类型不要求多样化，但是规则种类、数量很多，采用规则表方案实现规则的决策配置可以更加便捷、清晰。

规则树
规则树也是规则集的另一种表现形式，在展示上更加形象，在风控业务上通过规则树、规则表进行规则的配置可以更加形象、快捷。

 

其中每条规则的实现方式同普通规则，都有变量、表达式（条件）、条件值、决策结果（变量赋值）构成。

评分卡模块
评分卡是对目标的信息进行分析打分的表达方式，表示此人或此机构由于信用活动的拒付行为所造成损失风险的可能性，评分通常用于对个人或机构的风险管理与评估。

 

评分卡实际也是规则的变形，通过有变量、表达式、条件值、得分四部分组成，当然评分卡还会有得分的计算方式，例如求和、加权求和等。

模型模块
通过主观意识借助实体或者虚拟表现构成客观阐述形态结构的一种表达目的的物件（物件并不等于物体，不局限于实体与虚拟、不限于平面与立体），风控决策引擎中使用的模型更多的是数据模型，描述的是目标的行为和特征。

模型在决策引擎中，对于决策引擎平台实际是一个已经封装好了的产品，决策引擎只会负责入参变量的配置、出参变量的配置以及模型的调用，所以这个模块的核心主要是考虑模型的类型（py、model）、调用逻辑、入参以及出参变量的配置。

表达式模块
表达式模块主要是规则、评分卡等逻辑判断实现困难时，可以直接通过代码自由编辑实现决策的规则判断，其中规则的表达式、条件值、决策结果都是通过编码实现，通过这样的方式可以运用于更多小众难实现的决策场景，灵活性更大。

表达式模块类似模型模块，规则的入参和出参配置也是重点。

决策流模块
决策流它实现整个分开工决策引擎的工作流配置，用来对已有的规则、评分卡、模型、表达式进行执行顺序的编排，清晰直观的实现大型、复杂的风控规则。

决策流核心的构成包含“开始节点、规则/评分卡/模型等已封装好的规则包节点、决策节点、分支节点、聚合节点。

开始节点为一个决策流开始的地方，决策流程必须有始有终且必须以开始节点作为开始；
规则包节点，实际就是用来添加之前在规则、评分卡、模型、表达式中已经创建好的规则产品；
决策节点是在决策时，根据为其下流出连接配置的条件来决定究竟应该走哪条连接的节点，所以根据这一特性，决策节点下流出连接至少要有两条，否则决策节点就没有意义了；
分支节点实现规则流多条并行的节点，通过这个节点，可以根据当前节点下流出连线数量，将当前规则流实现拆分成若干条子的规则流实例并行运行；
聚合节点用来聚合由分支节点拆分出来的多个子的规则流，实现多条规则流的汇合；
有始有终，决策流程的结束，一般是伴随着决策总、分的流程的执行，执行到最后节点自动结束，输出决策结果。

决策引擎除了以上核心功能模块以外，实际上为了风控决策引擎灵活多变，能够实现尽可能多的风控业务场景，通常会实现规则、评分卡、表达的相互嵌套调用，这样可以更好应对不同的风控业务场景。

以上只是对风控决策引擎做了简要的介绍，其中的规则、评分卡等功能在风控业务复杂的情况下还可以对规则和评分卡进行产品升级，实现复杂规则、复杂评分卡的决策能力。实际应用中的产品只靠风控决策引擎是远远不够的，风控决策引擎的应用还会搭配指标平台、接口管理平台、风控报告等产品一同服务于风控业务。

实际业务中的风控流程依靠决策引擎通过规则、评分卡、模型、表达式、决策流等功能模块是无法完全达到风控目的，成熟的风控方案有一套严谨的策略体系，风控决策引擎要结合风控策略体系，最终才能达到风险控制的目标。

 

大数据风控通用流程主要为贷前、贷中、贷后全信贷生命周期风控，分别对应的评分卡有A卡（Application score card）申请评分卡、B卡（Behavior score card）行为评分卡、C卡（Collection score card）催收评分卡。评分卡的开发需要丰富的数据支撑，在信贷业务初期由于数据不充分，则不具备评分卡的开发，这时候就会选择规则判断进行初期的风控。

信贷通用的风控都是包含了规则和评分卡两部分，贷前流行的风控策略流如下：

基于准入、反欺诈（黑名单）、信用评级、定额定价四部分构成，具体的信贷场景在此基础上也会有部分调整，在自有存量客户较大的时候，新上线信贷产品之前很多厂家都会在准入之前加入预授信策略。

无论是准入、反欺诈、授信评级中的规则还是评分卡，通常是都是通过决策引擎进行逻辑判断，在智能风控平台之决策引擎（一）中介绍了四个常用的决策引擎功能模块，其中决策流配置模块就是用来配置信贷风控策略流，评分卡模块配置评分卡模型进行封装成规则包、规则模块配置规则进行封装成规则包，在通过决策流配置模块配置风控流程。

信贷风控流程就是决策引擎对于传入数据的组合运算，有风控策略流程就有规则的优先级运算也就有数据传入的优先级概念，优先级制定的原则主要是从数据源、规则的强弱（强规则命中直接拒绝、弱规则需要组合判断决策）、数据成本、效率、数据积累等方面进行考虑：

自有数据源对应的规则优于三方数据源对应的的规则

自有数据源在接口请求、性能、价格等方面都优于三方数据源，如自有 的黑名单库数据，在命中黑名单规则可以直接拒绝。

强规则（强规则命中直接拒绝）优于弱规则（弱规则需要组合判断决策）

很多决策引擎的性能伴随着规则数量的增加下降，考虑更好的利用决策引擎的资源，强规则决策优于弱规则决策。例如命中前科拒绝这种强规则，应该优于命中多头借贷且命中逾期3次拒绝这种组合的弱规则。

低成本数据对应的规则优于高成本数据对应的规则

大数据风控，数据的费用在整个智能风控中占据着较重的比列，在制定的风控策略流程的时候，低成本规则优于高成本规则。三方数据服务主要由查得、查询两种计费模式，其中查得是指三方数据返回有结果进行计费；查询是指请求三方数据，不管三方数据是否返回结果就进行计费，因此查得对应的规则优于查询对应的规则。

效率高的规则优于效率低规则

有些规则比如规则甲只需要一个接口A就能做出决策，而规则乙则需要三个接口B/C/E才能做出决策，因为接口的请求是需要时间，这时候就需要考虑规则效率，效率高的由于效率低的规则。

 

需要积累数据的规则优于无需积累数据的规则

在模型冷启动的时候，有些变量作为后期模型潜在核心变量，需要尽可能多的收集这些数据，此时需要积累数据的规则优于无需积累数据的规则。

以上的优先级原则不都是固定不变的，很多规则优先级的制定都是基于几个原则的综合考虑。

由规则的优先级原则，对于风控决策引擎在决策运算时的功能要求是，能够对于决策流程命中拒绝结果后实现决策流程的决策终断以及决策继续，决策流程不仅可以在大的决策流上实现决策流程开关，而且也可以对小的支流某条规则实现决策流程的开关。

数据接入优先级确认，传入决策引擎进行规则、评分卡、模型的决策，此时还需考虑数据缺失时，数据缺失太多规则、评分卡等的风控也会失灵，那此情形下的决策引擎应该怎么处理呢？

通常规则类的策略，在命中数据缺失的时候，可以在规则中配置决策结果直接输出缺失的结果。但是评分卡类的策略，如果在数据缺失时通过配置其得分，最后计算总得分，依据总分进行评分卡的结果决策，这样很难保证评分卡的效果。例如评分卡中的变量丰富的时候，其中核心变量是不能允许缺失，但是如果决策引擎没有对于的判断机制，在核心变量缺失时，其他变量没有缺失同时其他变量的得分较高，此时拉高了整体的评分卡的得分，最后的得分做出决策为通过，实际该客户因为核心变量缺失需要通过人工审核，因此在这种情形下并不能准确的判断客户的征信情况。那么决策引擎应该怎么去解决这个问题呢？

设计决策引擎产品下到规则集、评分卡的每一条决策判断，上到规则包、模型包的决策判断都需要进行数据信息值的计算，在决策引擎中的规则、评分卡配置上需要具备信息值的配置、信息值的阈值配置以及信息值的决策结果配置等。决策引擎在进行规则的判断的时候，首先应该计算的是信息值，然后在进行策略的运算，通过对缺失值的管控，实现更精准的风控效果。

决策引擎主要的用户是模型策略人员，风控策略伴随着业务的发生，会进行不断地调整、迭代，同时不同的业务场景所使用的模型策略也是不同的，因此决策引擎还需要满足模型版本管理、模型对比的功能，可以更方便用户配置操作、支撑更多的业务场景。

模型的优化、迭代是需要丰富的历史数据作为支撑，这里的历史数据可以分为两部分：一是传入决策引擎的元数据，二是决策引擎计算出来的结果数据包含规则、评分卡等数据。数据在传入决策引擎进行计算后需要对元数据和结果数据进行存储，这里的存储也会存在两种方式：一是缓存，这样可以避免同一个客户在规定的时间内重复调用三方数据，造成不必要的成本浪费；二是存储所有的风控数据，便于后期模型的调优、迭代，同时也可以用于贷中、贷后的管理。数据存储的功能，更多的规划在决策引擎的配套产品接口管理平台中，在后面决策引擎配套产品介绍中会详细的介绍。

实际业务中，风控的结果输出，不仅仅只是“通过”、“拒绝”、“人工审核”，还会有很多详细的内容包含触发的规则、预警的规则等，这就要求需要一个详细的风控报告输出，以备人工审核的人员获取数据，这也是决策引擎配套的风控报告产品。

下面继续介绍风控决策引擎核心功能模块如下所示：

除了模型、规则、评分卡、表达式、决策流管理功能模块，还需要指标管理、接口管理、模型监控、风控报告等模块的辅助支撑，风控决策引擎才能在实际的业务中运行。

下面会对指标管理模块做一个详尽解读，在介绍指标管理模块前首先要理解什么是变量、什么是指标？

什么是变量、什么是指标？

什么是变量？

变量来源于数学，是计算机语言中能储存计算结果或能表示值抽象概念，变量让你能够把程序中准备使用的每一段数据都赋给一个简短、易于记忆的名字。通俗的理解成某一类值抽象后所赋予的名字，例如接口文档中的参数就是变量。

什么是指标？

衡量目标的方法；预期中打算达到的指数、规格、标准，一般用数据表示。风控指标可以理解是对于风险因子（风险因子是促使或引起风险事件发生的条件，以及风险事件发生时，致使损失增加、扩大的条件）的定性描述。

变量和指标的区别是什么？

变量和指标在风控的作用上其实没有区别，在业务解读上指标具有业务属性，变量基本不带业务属性，在数量变得多的时候，指标更加利于管理。

决策引擎常说的通过变量配置规则、或者通过指标配置规则，实际上意思是相同的。指标管理模块的打造，对变量赋予了更多的业务属性，使其更加利于管理、更加成体系，利于对风控业务的解读。

风控指标贯穿整个信贷生命周期，指标也是风控决策引擎进行运算的最小维度，在智能风控平台核心之风控决策引擎（一）中介绍了规则的组成包含了变量、表达式、条件值、决策结果四部分，其中的变量就是指标，信贷风控中常用的指标如下所示

不同的信贷场景使用的指标是不同的，一个成熟的指标池需要支撑很多信贷业务场景，因此会有成百上千的指标，此时就需要一个完善的指标管理模块进行体系的管理。

指标管理模块的核心功能点主要是增、删、改、查、分类管理、数据源/参数映射、指标计算、上/下线。

 

指标分类

成百上千的指标数量众多，指标模块就需要实现指标分类的管理，指标的分类没有具体的方法，但是比较常见地有以下方式：

有的按照信贷场景划分例如：现金贷、消费分期、汽车分期、房抵贷等；
有的按照业务场景划分例如：贷前、贷中、贷后；
有的按照风控策略流程划分例如：准入、反欺诈、信用评级、贷后监控；
有的按照数据属性、类型划分例如：互联网行为、社交关系、黑名单、基本信息等划分；
目前主流的指标类型是按照数据属性、类型划分，这样利于指标在业务上的扩展性。
指标的增、删、改、查

指标管理模块肯定是需要实现指标的新增、修改、编辑、查询、删除等功能，如上图中的线下维护的指标是需要添加到风控决策引擎系统中，其中需要格外注意指标的唯一性识别编号，机器是通过每个指标的唯一编号识别指标，一般编号都是由机器默认生成，指标的线上线下维护通过编号进行确认。

指标的数据源/参数映射

指标的数据源/参数映射，风控指标都会对应数据源的参数，可能是一对多也可能是一对多的关系，在指标生成的时候需要绑定其对应的数据源参数，这样规则运行的时候才能定位具体的参数，获取到参数下的值。

指标的计算

如上指标的映射会有一对多的关系，最终规则判断的数据实际上是一对多指标处理后的参数。

例如上表中的逾期次数类指标，可能对应的是一个接口下的多个逾期状态的次数的统计，就需要对多个状态进行累加，此时指标就需要对映射的参数进行计算，其中计算的表达式可以根据自有指标情形进行内置，同时还应满足脚本形式的编辑。

指标的上/下线

风控目标就是对风险的管控，指标创建后不能直接使用，一般是需要重复的检查，确保指标的正确性后才能进行使用，所以指标需要实现上/下线功能，应对风控业务应急事项的处理。

指标还有一个固有的属性，根据指标的值可以将指标划分为连续性指标（指标值是连续的数值）、离散型指标（指标值是枚举型），这两种类型的区分主要是影响到规则的计算。

以上就是指标管理模块核心的功能点介绍，指标管理在产品层面不管是定义成功能模块，还是定义成平台，其实际的作用都是支撑风控决策引擎的运算。

复杂规则表

在智能风控平台核心之风控决策引擎（一）中讲到了普通规则表的实现原理，复杂规则表与普通规则表相比，复杂规则表的条件由纵向和横向两个维度决定，而普通规则表的条件只是由纵向维度决定。

但在普通规则表的动作部分可以是三种类型，分别是赋值、输出和执行方式，而在复杂规则表中动作部分就是纵向和横向两个维度交叉后的单元格的值，然后对这些值统一进行批量执行设置，如下所示：

在上图中，单元格中的值C由横向和纵向两个维度的上箭头对应的条件决定。相比普通的规则表，复杂规则表是从横向和纵向两个维度来唯一确定一个值，所以它更加简单，也更为直观，相同类型的复杂规则表实现的多维逻辑规则，如果换成普通规则表来定义，那将大大增加定义的复杂度。

复杂评分卡

在智能风控平台核心之风控决策引擎（一）中介绍了普通评分卡，它可以针对某个对象的一些属性值进行评分，但只能针对是单个对象属性进行条件判断，如果需要对多个对象属性进行条件叠加判断，那么普通评分卡就无法实现了。复杂评分卡就能很好的解决这个问题，它可以实现评分时多条件叠加判断，进而使得评分卡的功能更加的完善和强大。如下所示：

相比普通评分卡不同的地方在于，复杂评分卡的条件列可以有多列，可以在通过”插入条件列“项来增加条件列，对每个条件列都可以选择不同的对象与之绑定，每个条件列下条件单元格中又可以选择对应的对象属性，再配置相关的条件，这样每个分值的条件计算就可以形成多条件叠加效果，从而大大增加评分卡定义的灵活性，满足多变业务需求。

接着继续介绍风控报告、模型监控、接口管理等核心功能模块组成。如下图所示：

风控报告功能模块的作用是呈现风险决策结果、风险明细内容，方便风控审核人员使用。模型监控功能模块的作用是对策略、模型的实时分析统计，方便策略、模型的异常洞察和迭代优化。接口管理功能模块是决策引擎的数据传输管道，不管是数据的输入和输出都是通过接口管理功能模块实现。下面会对风控报告、模型监控、接口管理三个功能模块分别进行介绍。

风控报告
风控报告的产品目的是提供给风控业务人员查看详细的风险内容，对象主要包含反欺诈人员、风险审批人员、模型人员、策略人员等。
风控决策引擎的规则、评分卡、表达式主要用于数据的决策计算，风控决策引擎每完成一次决策就会输出相应的决策结果，通常这些决策结果都是简单的判断结果，目前市场上决策结果主流划分有“通过、拒绝、人工审核”。风控人员对于风险的洞察如果只是基于决策结果还远远不够，风控报告承载的详细风险也是风险审核的重点。
风控报告是除接口外，决策引擎对外输出结果的另一渠道。风控报告的核心是服务风控业务，本质是展示风险内容。充分考虑风控报告使用的业务场景，风险内容的展示只是基础，还涉及报告的下载以及风险内容脱敏、变更。风险内容根据不同的数据来源渠道通常分为业务信息、三方信息、决策信息、名单信息、关系网络信息，根据智能风控策略模块分为产品信息、个人信息、准入信息、黑名单信息、反欺诈信息、评级信息、额度价格信息、风险监控信息、催收评级信息、盈利预测信息等。拿市场上最常用的风控报告内容的布局来说，通常风控报告的顶部是产品信息、基本信息，然后是根据风控策略流程的顺序分布的决策信息，包括规则、模型的结果信息，最后是根据策略模块显示的原始详细信息即原数据信息。如图所示

风控报告记录的是客户的个人隐私信息，因此在信息的展示时需要充分地考虑数据的安全性，如身份证号码、手机号码等身份标识数据展示的时候应该脱敏处理；风控报告主要用于内部风控人员对风险的审核,因此通常限制风控报告在内网使用;风控报告的使用对象包含模型人员、策略人员、反欺诈人员、审核人员甚至是业务人员，不同角色关注的风险内容不同，并且规则和模型等详细内容也是属于高度机密信息，因此在对风险报告内容展示的时候还需要充分考虑决策引擎内容的脱敏,通常会在报告和原始内容中间制定一层映射，并且对内容模块划分数据权限。业务中风控报告可能需要打印出纸质文档或者生成电子文档进行传递，因此有些场景也会涉及风险报告的打印和导出。

模型监控
模型监控的产品目的是为模型人员和策略人员提供模型和规则的实时分析、监控以及为后续模型和规则的迭代优化提供数据支撑。规则、模型上线后相关人员需要对其进行高频地分析检查，以便于精准地判断新规则和模型的影响。

模型监控的核心是业务，其本质是通过模型监控了解规则和模型对业务的影响。模型监控主要分为业务、模型内容、数据三方面的监控：

业务是指业务流程的监控，包含通过率、转化率、人数与金额的数量以及占比的监控，常用指标有准入、黑名单、反欺诈、信用评级的通过率/拒绝率/基比/环比，审核、核准、拨贷的金额/件数/占比/基比/环比等；
模型内容是指对规则和模型的结果、命中情况、稳定性的监控，包含决策结果分布监控、规则和模型结果分布监控、指标和规则命中监控、变量稳定性监控，常用指标有模型和规则结果的分布/占比/混淆矩阵/PSI/AUC/KS等；
三方数据是指输入决策引擎的风控数据的监控，包含数据借口稳定性、异常的监控，常用的指标有借口的有效调用数量/占比，数据变量的分布/缺失值/平均值/最大值/最小值等。

机构的实际业务通常会有多条并且单条业务的风控规则和模型也会时常调整，模型监控和风控报告是对单一业务、单一规则、单一模型的监控和展示，因此业务、规则、模型的变动模型监控和风控报告也会随之改变。

模型监控和风控报告的产品设计都需要考虑自定义配置功能，以便监控或展示内容的灵活变动，但是风控报告和模型监控的自定义配置功能不同。

风控报告的自定义配置功能设计核心是数据层级结构、内容显示模板、数据权限三部分：
数据层级结构至少有三层，从最顶层的自定义数据字段映射到中间层的规则、模型、指标字段在到底层的原始数据逐级关联，以指标、规则、模型为基础字段锚定原始数据值，从而实现报告内容的配置字典表；
内容现实模板是给予数据层级结构抽象的产品展示模块，其承载了报告内容的显示，包含本文框、形状、多层级表单、图标等类型组件，并且不同组件都具有各自的属性，如颜色、文字、边框的编辑属性；
数据权限是上文提到的不同角色根据配置字典表确认拥有的风控报告内容查看权限。

模型监控的自定义配置功能设计核心是数据源、设计器、监控预警三部分。数据源简单主要是囊括监控需要的所有数据包含规则和模型的结果、变量明细、业务流程状态、借贷明细等；设计器分为两部分，一是监控指标的预处理主要涉及函数自动计算结果的图表显示，以及监控数据分析结果的图表显示，二是图表的颜色、文字、形状等属性编辑功能；监控预警是对预警风险触达解决人员的方案设计，包含短信、邮件、电话以及及时通讯等方式。
接口管理
接口管理的产品目的是实现智能风控平台输入、输出数据的标准化统一管理，核心是建设能够自主灵活配置的接口管理平台。接口管理功能的核心用户是研发人员，根据市场上金融信贷业务的共同性，接口管理的常用功能包含IP管理、接口配置、自动测试、Mock sever、文档管理、接口适配、码值管理、流量管理、监控预警等。

接口管理我们都知道是用于智能风控平台接口接入和输出的管理，但是接口管理在智能风控平台中怎么运作的呢？接下来带着这份疑惑，我会为大家详细解答，如下图智能风控平台的核心逻辑所示

在整个智能风控平台中接口管理串联起了决策引擎、业务系统、三方数据。决策引擎系统执行决策计算的数据来源于业务系统渠道、三方数据渠道、自有平台渠道等多种渠道。每一次的风险决策，接口的请求调用顺序基本都是首先进行API1请求，再进行API2的请求，然后接口管理系统把API1传入的数据和API2返回的数据进行统一整合后，在进行API3的请求,最后决策引擎系统拿到接口管理系统传入的数据进行决策计算，输出的结果再返回到接口管理系统，接口管理系统再将结果返回给业务系统。以上的核心系统逻辑如果逐步打造成成熟完善的系统产品，接口管理也可作为单独的系统进行建设，但是接口管理无论是单独的系统还是融合在决策引擎中的功能模块，其核心系统逻辑并不会发生改变。

接口管理的功能很多涉及的产品内容较多，全面的接口管理会被单独地打造成一个系统平台，具有一个成熟完善的产品体系。由于内容较多，这里我只会选取接口管理的核心功能接口配置、接口适配进行介绍。
接口配置
接口配置功能负责前端和后端接口的基本信息、AppKey、接口参数、访问路径、存储路径等的配置。其中前端基本信息是指API1的信息包括接口ID、接口名称、缓存机制等，后端基本信息是指API3的信息包括后端名称、请求地址、请求类型、请求方式等；AppKey是接口请求的密钥，三方应用通过接口访问路径和请求密钥来实现智能风控平台的调用，只有路径和密钥都正确请求才会成功；接口参数分为请求参数和返回参数，参数根据常用接口格式通常分为header和body两部分；访问路径就是接口的访问地址，通常以http或者https的类型提供，接口需要联调因此产品设计之初需要考虑到正式和测试环境的兼容与切换；存储路径是指接口与数据库应用如MongDB/Kafka/MySql等的设置关系，接口输入、输出数据都需要进行存储落档，因此对应的数据裤应用的配置必不可少，不同的应用之间产品的属性不同，如数据裤地址、用户名、密码等信息，具体内容请自行查阅熟悉。
接口适配
接口适配实际也是接口配置中的一部分，但是作为信贷业务的借口管理核心功能，有必要单独拎出来说下接口适配。接口适配在借口管理中主要解决上图智能风控平台的核心逻辑中API2的自动化调用，产品方案是适配功能映射API1中的传入参数到API2中作为API2的请求参数，接口管理根据预先配置好的的映射逻辑实现API2接口的自动调用。
不管是接口配置还是接口适配，产品设计都会涉及的重点功能是字段的映射和接口请求转发，把API1的请求转化为API2的请求再转化为API3的请求，最终实现多个功能模块或者多个系统的相互联动。
综合概括各功能模块的功能点如下：
风控报告的核心功能包括风控报告模版的增/删/改/查，报告模版的属性编辑，报告模版的内容配置，报告下载，报告内容权限管理；
模型监控的核心功能包括监控模板的增/删/改/查，监控模板的属性编辑，监控模板的数据配置，监控模板的预警管理；
接口管理的核心功能包括接口的增/删/改/查，接口的适配管理，参数映射，请求转接；