授信引擎核心流程：全链路拆解
授信引擎是信贷决策的中枢神经系统，其核心流程从用户发起申请到最终输出决策结果，通常经历六个关键阶段。理解每个阶段的输入、处理逻辑与输出，是设计灰度测试场景的基础。以下按执行顺序逐一拆解。
2.1 流程全景图
下图展示了授信引擎从用户申请到决策输出的完整链路，各阶段之间通过标准化的数据接口串联，形成可追溯的决策流水线。
2.2 阶段一：用户申请
用户申请是流程的起点，系统接收用户提交的授信请求，包含身份信息、申请额度、借款用途等核心字段。此阶段的关键动作包括：
- 身份核验：通过身份证OCR、人脸识别、银行卡四要素校验确认用户真实性。
- 申请反欺诈：设备指纹、IP风险、行为轨迹等实时检测，拦截批量机器申请。
- 初步准入：年龄、地域、黑名单等硬性条件过滤，不符合则直接拒绝。
灰度测试关注点： 申请阶段需验证灰度分流逻辑是否正确，确保同一用户在不同版本下进入正确的策略分支，避免重复申请或状态冲突。
2.3 阶段二：数据接入
数据接入层负责从内部系统与外部数据源获取用户授权信息，为后续规则与模型提供原料。常见数据源及接入方式如下：
| 数据类别 | 典型数据源 | 接入方式 | 超时阈值 |
|---|---|---|---|
| 征信数据 | 人行征信、百行征信 | HTTP API / 专线 | 3000ms |
| 多头借贷 | 同盾、百融 | HTTP API | 2000ms |
| 收入验证 | 社保、公积金、银行流水 | 第三方SDK / 爬虫 | 5000ms |
| 设备信息 | 极光、数美 | SDK上报 | 1000ms |
| 内部历史 | 用户画像、历史借还款 | RPC / 数据库 | 500ms |
灰度测试风险提示： 数据接入阶段最容易出现超时、降级、数据不一致等问题。灰度期间应重点监控各数据源的调用成功率与响应时长，确保新旧版本数据获取逻辑一致。
2.4 阶段三：规则引擎
规则引擎是授信决策的第一道防线，基于预定义的业务规则对用户进行快速筛选。规则引擎通常包含以下模块：
- 准入规则：年龄18-60周岁、非在校学生、非禁入行业等。
- 反欺诈规则：命中黑名单、设备关联异常、申请频次超限等。
- 信用规则：征信逾期次数、多头借贷机构数、负债率等。
- 组合规则：多条件与/或/非逻辑组合，支持决策表与决策树。
规则引擎的执行顺序通常采用“先硬后软”策略：硬性拒绝规则优先执行，软性规则后执行，以提升效率。
2.5 阶段四：模型评分
模型评分阶段使用机器学习模型对用户信用风险进行量化评估。常见的评分卡模型包括：
- A卡（申请评分卡）：基于申请时点数据，预测用户违约概率，用于额度与利率决策。
- B卡（行为评分卡）：基于用户历史行为数据，预测未来逾期风险，用于额度调整。
- C卡（催收评分卡）：基于逾期用户特征，预测催收回收率，用于催收策略。
模型评分输出通常为分数（如300-900分）或概率值（0-1），并附带模型版本号、特征贡献度等元信息。
灰度测试关键验证点：
- 新旧模型版本输出分数的一致性（在相同输入下，分数差异应小于阈值）。
- 模型特征缺失时的默认值处理逻辑是否与预期一致。
- 模型超时或异常时的降级策略（如使用备用模型或规则兜底）。
2.6 阶段五：额度定价
额度定价阶段根据模型评分、规则结果、用户画像及业务策略，计算最终授信额度、利率与还款期限。定价策略通常包含以下要素：
| 定价要素 | 输入来源 | 典型策略 |
|---|---|---|
| 基础额度 | 模型评分 + 收入验证 | 评分每高50分，额度上浮10% |
| 利率定价 | 风险等级 + 产品类型 | 低风险7.2%，中风险12%，高风险18% |
| 期限限制 | 额度区间 + 用户历史 | 额度<1万：最长12期；≥1万：最长36期 |
| 额度上限 | 监管要求 + 风控策略 | 单户最高20万，循环额度 |
2.7 阶段六：决策输出
决策输出是流程的终点，系统将综合所有阶段的结果，生成最终授信决策并返回给前端。决策结果通常包含以下信息：
- 决策结果：通过、拒绝、人工复核、补充材料。
- 授信详情：额度、利率、期限、还款方式。
- 拒绝原因：命中规则编号、模型分数过低、数据缺失等。
- 决策版本：灰度版本号、规则版本、模型版本，用于问题追溯。
灰度测试核心关注点： 决策输出阶段需验证灰度版本与基线版本的决策结果是否可正确分流，且拒绝原因、授信详情等字段在新旧版本间格式一致，避免前端解析异常。
2.8 全链路灰度测试要点总结
下表汇总了授信引擎各阶段在灰度测试中的核心验证要点：
| 阶段 | 灰度测试验证要点 | 常见风险 |
|---|---|---|
| 用户申请 | 分流逻辑正确、重复申请拦截 | 灰度标签丢失、用户状态错乱 |
| 数据接入 | 数据源调用成功率、超时降级 | 新旧版本数据不一致、超时未降级 |
| 规则引擎 | 规则命中率、执行顺序、结果一致性 | 规则冲突、硬性规则未优先执行 |
| 模型评分 | 分数一致性、特征缺失处理、异常降级 | 模型版本不匹配、分数漂移 |
| 额度定价 | 定价策略正确、额度上限校验 | 定价溢出、利率计算错误 |
| 决策输出 | 结果格式一致、拒绝原因可追溯 | 前端解析异常、版本号缺失 |
通过对授信引擎全链路的逐阶段拆解，灰度测试场景设计可以精准定位每个环节的验证目标，确保新版本上线后不影响现有用户的授信体验与风险控制效果。