2. 授信决策流程设计：贷前、贷中、贷后决策节点划分

授信决策不是单点事件，而是贯穿客户生命周期全过程的动态管理。将决策流程划分为贷前、贷中、贷后三大阶段，是构建授信决策引擎的基础架构。每个阶段承载不同的决策目标、数据输入与策略集，共同形成完整的决策闭环。

2.1 三大决策阶段的核心职责

2.2 决策流（Decision Flow）设计原则

决策流是策略编排的骨架，决定了策略节点执行的顺序、分支逻辑与终止条件。设计高质量的决策流需遵循以下五项原则：

1. 前置高区分度节点：将命中率高、计算成本低的规则（如黑名单、多头借贷）放在流程前端，快速拒绝高风险客户，节省后续计算资源。
2. 短路优先（Short-Circuit）：一旦某个节点输出“拒绝”或“人工审核”，立即终止流程，不再执行后续节点。
3. 数据依赖有序：确保上游节点产出的变量（如反欺诈评分）在下游节点（如额度模型）使用时已就绪，避免数据空值。
4. 并行与串行混合：无依赖关系的策略集（如多头查询与设备指纹）可并行执行，降低整体响应时间；有依赖关系的节点必须串行。
5. 可观测性埋点：每个决策节点输出决策码、耗时、命中规则ID，便于事后回溯与策略调优。

2.3 决策节点与策略集的关系

决策节点是决策流中的“检查点”，而策略集是附着在节点上的“规则集合”。一个节点可以挂载多个策略集，每个策略集包含若干条具体规则。理解二者的层次关系，是策略编排的核心能力。

2.4 策略集编排的常见模式

• 串行评分模式：多个策略集按顺序执行，每个策略集输出一个分数，最终加权汇总。适用于信用评分卡场景。
• 并行投票模式：多个策略集同时执行，各自输出“通过/拒绝/人工”，采用多数投票或优先级裁决。适用于反欺诈场景。
• 分层漏斗模式：先执行高拦截率的策略集（如黑名单），再执行精细化策略集（如行为评分），逐层缩小通过人群。
• 动态路由模式：根据客户分层（如新客/老客、高/低风险）动态选择不同的策略集组合，实现差异化决策。

2.5 贷前、贷中、贷后的决策流衔接

完整的授信决策流需要将三个阶段的数据与决策结果串联起来。贷前生成的授信额度与风险等级会传递给贷中作为支用审批的参考；贷中产生的行为评分与预警信号会触发贷后的催收策略调整。这种跨阶段的决策流衔接，通常通过决策引擎的全局变量池实现。

// 决策引擎全局变量池示例（伪代码）
{
  "customerId": "CUST_2024001",
  "preLoan": {
    "creditLimit": 50000,
    "riskLevel": "B",
    "antiFraudScore": 85
  },
  "inLoan": {
    "utilizationRate": 0.65,
    "behaviorScore": 720,
    "overdueDays": 0
  },
  "postLoan": {
    "collectionPhase": "P1",
    "totalArrears": 0
  }
}