3. 离线拦截体系（一）：离线批处理架构概述、T+1数据加工流程、传统规则引擎原理

离线拦截体系是贷后风险管理的“压舱石”。在实时接口尚未普及、数据时效性要求不高的早期阶段，以及作为实时拦截的兜底补充，离线批处理架构承担了绝大部分的存量客户风险扫描与策略执行工作。本章将深入剖析离线批处理的核心架构、T+1数据加工流程以及传统规则引擎的工作原理。

3.1 离线批处理架构概述

离线批处理架构的核心思想是“定时、批量、全量”。系统在每日固定的时间窗口（通常为凌晨业务低峰期），从数据仓库中提取前一日（T日）的全量或增量数据，经过加工、清洗、特征计算后，送入规则引擎进行批量评分与决策，最终输出风险名单或处置指令。

3.2 T+1数据加工流程

T+1加工是离线批处理的核心节奏。以“T日”为业务发生日，系统在“T+1日凌晨”完成对T日全量数据的加工与决策。整个流程可拆解为以下关键步骤：

3.3 传统规则引擎原理

传统规则引擎（如Drools、EasyRules、自研规则引擎）是离线拦截体系的大脑。其核心原理可概括为“条件-动作”模式：当输入数据满足预设条件时，触发对应的动作（如标记风险、调整额度、发送预警）。

3.3.1 规则引擎核心组件

• 规则库：存储所有业务规则，通常以DRL（Drools Rule Language）或JSON格式定义。
• 工作内存：存放待匹配的事实数据（Fact），即客户特征宽表中的一行记录。
• 模式匹配器：采用RETE算法或线性扫描，将事实与规则条件进行匹配。
• 议程：管理已激活的规则，按优先级排序并依次执行。
• 动作执行器：执行规则命中的动作，如写入风险表、调用外部接口。

3.3.2 规则示例（DRL格式）

package com.risk.rules;

import com.risk.model.CustomerFact;

rule "高逾期风险客户"
    salience 100
    when
        $c: CustomerFact(overdueDays >= 30 && currentBalance > 50000)
    then
        $c.setRiskLevel("HIGH");
        $c.setAction("CALL_COLLECTION");
        update($c);
end

rule "负债率过高预警"
    salience 90
    when
        $c: CustomerFact(debtRatio > 0.7 && creditScore < 600)
    then
        $c.setRiskLevel("MEDIUM");
        $c.setAction("SEND_SMS_ALERT");
        update($c);
end