本文共字，预计阅读时间。

案例名称

企业级智能决策平台项目

案例简介

本项目是一款自主研发的云原生决策产品，适配双中心双活架构，具备全天候服务能力。产品融合了行为指标次数计算方法专利成果、机器学习模型的运算能力、接口数据指标化能力、性能强大的规则计算能力。本项目支持了专家规则、机器学习模型、指标计算等多种数据计算方式，先后支撑了我行风险、运营、营销等场景，目前产品运行稳定且性能良好，正在逐步替换国外商业风控产品。

创新技术/模式应用

本项目打造了一个通过对数据进行加工并实现智能决策的平台。打破了传统风控系统只支持专家规则的局限性，具备同时支持专家规则、机器学习模型以及指标计算的能力。基于概率的机器学习模型可以有效补充基于样本数据和专家经验制定的规则，有效提升决策能力，同时便捷的指标计算能力提高了指标加工效率和便捷性，最终实现更好的支撑规则计算和模型推理。本项目有很多创新指出，比如：

• 在技术创新方面：在指标计算的设计和落地过程中，提出了全新的计算方式并申请专利——《风控相关行为的次数计算方法及其装置》。

• 在服务能力方面：除了提供传统的专家规则制定和计算能力，还能够融合机器学习运算、指标制定和计算能力，从而实现全方位提升决策精准度。

• 在产品架构方面：提供了更高层面的融合编排能力，拖拉拽式的规则、模型、指标编排方式，降低使用成本，并且方便扩充更多服务类型，如知识图谱等。

• 在技术架构方面：云原生产品，依托k8s做到了敏捷交付，并且高并发场景下，会根据资源情况自动动态伸缩。

• 在开发方面：广泛采用开源组件并进行定制化开发，例如以阿里开源DAG组件为基础进行定制化开发，很好的满足了应用场景。

• 在运维方面：决策平台要具备全天候服务能力，而本项目迭代频繁、敏捷交付，通过对gateway路由代码重构，实现了从数据库读取路由信息，实现了动态调整机房流量，从而达到敏捷交付中的服务不中断。

• 在产品优化方面：项目投产以来，通过对最复杂规则模型运行情况的观察，发现了处理耗时波动大、处理耗时(约60ms)不理想等问题，于是对产品调度、规则引擎等模块进行优化，如规则预加载、调整匹配模式、调整表达式编译阶段、调整反射方式等优化，最终将处理耗时压缩至8ms左右；

• 在迁移替换方面：面对业务部门用户对商业软件已有使用习惯、思维惯性问题，需要通过大量的特色功能、良好交互体验来吸引用户。

项目效果评估

本项目投产以来在多个方面都取得了很好的效果，比如：

• 在业务影响和生态完善方面：

• 丰富了产品布局，本项目承担了全部的新业务需求，降低了商业系统压力、故障率；

• 提升数据处理能力，本项目批量数据处理能力提升了10倍以上，杜绝了规则模型结果计算跨天的情况；

• 强化中台化架构，本项目实现了编排规则、模型、指标，丰富了决策方式，提升了决策能力；此外项目具备ModelOps能力，实现规则模型的闭环管理；

• 提升影响力，本项目树立了我行自研产品的标杆，此外，通过将产品对外输出，扩大我行在业界的影响力；

• 在产品计算能力和稳定性方面：

• 全年可用性99.999%；

• 计算结果准确性100%；

• TPS>500，且TP99<100ms；

• 批量处理能力>10000条/秒；

• 高可用：启停服务时，交易不报错；

• 扩展性：具备自动弹性扩缩容能力，且交易不报错；

• 本自研产品较现有国外商业软件的优势方面：

• 处理速度快： 全同样数据量及相同规则模型，国外商业软件需要8小时；本产品耗时小于30分钟。

• 架构弹性可自动扩缩容：国外商业软件为单机系统，扩展性差；本产品云原生架构，可以自动扩缩容。

• 费用低：国外商业软件每年需要近100万的使用授权费用以及额外服务费用；本产品为自研产品，只需要人员维护。

• 可定制：国外商业软件产品化落地，定制周期长、费用高；本产品为自研，采用敏捷开发迭代。

• 生态融合：国外商业软件产品生态封闭，接口不开放，不能融入模型管理体系；本产品架构开放，具备模型管理能力。

• 服务能力提升：国外商业软件产品只具备专家规则开发和运行能力；本产品实现了专家规则开发运行、机器学习模型推理、指标开发和计算能力。

• 用户体验优化：国外商业软件产品界面老旧、交互繁琐、体验差；本产品采用新前端技术、UI设计，交互体验好。

项目牵头人

陈玉强 开发工程师

项目团队成员

刘远东、张增杰、章华、李亚龙、黄本烁、杜威科、宋卫东、吴会强

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。