第一章-聊聊风控-什么是风控？

开篇词：

作为一个母婴电商互联网公司风控从业者，始终觉得要输出一些风控相关东西，分享给大家。不管这篇文章有没有人看哈。打算去做一个系列，从0到1分享整个风控系统搭建的过程，以及风控系统的产品架构，技术架构，所需要的技术栈以及技术挑战。后面的几篇会深度分析风控在传统互联网公司(非金融，非TO C电商)的地位，以及整个风控行业未来的发展。

作为一个风控行业两年从业者，还是不够资深，希望大家有好的建议和想法指出来，大家多多沟通和交流。虽然这个文章不一定有人看哈。

遥想2017年11月份，当时搭建公司的风控系统之时，我也是很懵逼，什么是风控？架构是怎么样的？需要哪些技术栈？以下资料是2017年整理，现在修改精简而成。

第一个话题就是：什么是风控系统？会从几个大的层面进行分析：产品、技术、架构，大厂实践，以及搭建这么一套系统涉及到的技术栈。

1.产品层面

1. 为业务系统保驾护航，实时发现潜在的风险，及时止损。比较痛点的业务风控场景：登录，注册，营销，支付，金融准入/支用/支付等。
2. 无论是商业化的风控系统，还是（京东，美团，携程，有赞）等公司内的风控系统，都是基于某些固定的业务场景去做的。（找出有风险的业务场景）
3. 风控的生命周期分为：事前，事中，事后。事前一般是结合结合实时计算系统（Spark,Flink），利用CEP+规则引擎去提前感知风险事件。事中一般是直接调用风控系统的接口，返回对应的风险等级给到业务系统。事后一般是利用数仓的能力，编写HIVE脚本生成相应的风险类报表。

2.技术层面

1. 风控系统依赖的数据源比较多，包括实时数据，离线数据，外部数据。依赖的存储介质也比较多，例如：MySQL，Redis，HBase，Hdfs等。

2. 风控系统严重依赖规则引擎系统，规则引擎系统要能支撑其复杂的决策规则，例如：决策流或者评分卡。

3. 风控系统内的一次调用，可能其背后会有多个数据源，甚至包括外部数据，由于外部数据RT不容易保证，所以对于风控系统而言，稳定性以及高Qps低Rt是一个不小的挑战。

3.名词解释

1. 风控事件：可以理解为具体的业务场景，例如登录事件，注册事件等。
2. 风控策略：一个策略由多个规则组成，策略是规则的集合。规则与规则之间可以灵活配置关系，例如：或关系，且关系。
3. 风控规则：简单可以理解为一条表达式。规则一般由三部分组成，输入因子，条件，被比较因子，权重分，动作等。例如：IP命中薅羊毛标签，currentIp是一个因子，条件 in，被比较因子riskIpList，即：currentIp in riskIpList，如果给这个规则设置一个权重分，或者设置具体的动作，这类是比较复杂的规则，暂不展开，只说，currentIp in riskIpList这条规则。
4. 风控因子：根据第四条可知，条件的左侧、右侧变量都可以称之为因子，因子的来源一般由两种：外部系统传入，风控系统加载而来，例如：currentIp即外部系统传入，riskIpList即风控系统内部的风险IP列表。
5. 风控数据源：根据来源不同，可分为外部数据源，以及内部数据源。外部数据源即需要借助第三方服务，例如查询企业是否失信，可能需要企查查或者天眼查的数据，内部数据源即系统内部沉淀的各类风控数据。例如：ip画像库，设备画像库，内部离线指标，实时日志指标，用户画像库等。复杂一些的系统，对应的不单单是数据库，可能是单独的一个系统，例如用户画像可能就会作为一个系统而存在。
6. 评分卡：评分卡聚焦了多个规则，每个规则有固定的得分，简单的评分卡是把所有规则的分值sum起来，这也是最常见的。

4.风控产品架构

5.风控技术架构

6.大厂实践

让我们看下大厂在这方面的最佳实践，这里面既包括商业产品也包括自用产品

• 有赞：https://tech.youzan.com/rules-engine/?hmsr=toutiao.io&utm_medium=toutiao.io&utm_source=toutiao.io
• 携程风控，底层数据平台：https://mp.weixin.qq.com/s?__biz=MjM5MDI3MjA5MQ==&mid=2697266239&idx=1&sn=e37cbddb85874e1e21a54a9c0371f066&chksm=8376fb0bb401721db16826cac3cc1d0dc1dc9889dc930f512b5bcccef77081cf0c3233419ef8&mpshare=1&scene=1&srcid=0706EIiVUvHMNxoqEdDVONQl&pass_ticket=580cIAtQy5LwY9WhWvViVfUZVNqqgdCUDivy6XiTXyM=#rd
• 携程在线风控：https://juejin.im/entry/59e08cf2f265da430c10d58b
• 携程大数据实时风控：https://zhuanlan.zhihu.com/p/24795411
• 小米商城风控：http://weibo.com/ttarticle/p/show?hmsr=toutiao.io&id=2309403989876822402671&utm_medium=toutiao.io&utm_source=toutiao.io
• 宝藏风控资料合集：https://zhuanlan.zhihu.com/p/107975044
• 京东风控：http://www.infoq.com/cn/articles/jingdong-risk-control-system-architecture-based-on-spark

7.技术栈

整体风控系统涉及的技术栈比较多，如果是小团队风控，那么必须是一人多专。罗列下需要到的技术栈：

1. 数据分析洞察能力，熟练使用Hive SQL，Linux日志分析能力，对各类shell脚本命令比较熟练。
2. 策略建模分析能力，这块目前我也不具备，一般大厂有专职角色。
3. Apache Dubbo
4. Kafka
5. Flume 或者阿里云sls
6. Hbase、Redis
7. Hive SQL
8. 在没有流平台的前提下，Flink Job能力，熟悉各类算子，窗口，source，sink等，可开发简单的实时任务Job。
9. 规则引擎。非常重要，不论是自研还是开源，要改造为能适应自己业务的规则引擎，自研就是坑，除非大厂才这么玩。Drools尽量别用。
10. 领域分析能力，设计模式，风控系统往往需要多个数据源，N多因子，N多规则，这些在代码内如何组织，必须通过领域分析能力外加一定设计模式，将风控知识包含在核心域中。最终才能呈现出的是一个清晰，干净的系统。
11. 灰度系统，风控后期需要。如何验证一个规则或者策略是否有效，往往需要借助灰度系统对流量进行一部分copy，在预发布阶段能提前验证，得出具体的数据指标，进行评估。
12. Flink CEP，事前风控必备。
13. JVM，代码优化，性能优化等。