回归主题，将整个贷前环节进行整体分析，可以发现在贷前的自动化审批环节中，决策引擎是以调用规则流并实现自动化的审批（决策引擎文章可以参考之前文章：重磅分享（二）——决策引擎实战部署）。而规则流中又嵌套着各种规则集，每个规则集中又包含许多不同的规则。规则流、规则集跟规则的关系，可以参考之前我们文章所描述的这三者的关系，传送门：风控策略篇—风险事件&策略集&规则。

为了阐述更方便，以下我们以某个自动化流程中规则流中规则集的内容进行详细描述，详情如下：

在以上跑分的规则集中，我们一般会有其上面再加上准入的规则集，详情如下：

在准入的规则之后，就是最开始所列举的规则集，具体的规则集的内容我们详细挑七个模块进行描述，分别是：

一． 运营商规则

二. 淘宝规则

三.支付宝规则

四. 评分卡规则

五．通讯录规则

六．信用卡规则

七. 授信规则

以下具体一一阐述：

一． 运营商规则

运营商规则中，我们会判断

1.1. 运营商的变量的在网市场是否小于6

1.2. 运营商变量返还结果的输入姓名不等于申请姓名

1.3. 运营商变量返还结果的 是否实名

1.4. 运营商变量返还结果的手机号归属省份（province）包含特殊省份如“西藏”

1.5. 运营商变量返还结果的籍贯地包含特殊省份如 “西藏”

1.6. 运营商变量返还结果的总通话时长小于180

1.7. 运营商变量返还结果的最近3个月通话总时长小于60

1.8. 运营商变量返还结果的最近3个月内通话记录条数小于10

……(详情见知识星球风控文档)

二. 淘宝规则

淘宝规则，我们会判断

1.1. 淘宝返还结果的全部收货地址所在省包含“西藏”

1.2. 淘宝 返还结果的收货地址数组下无数据

1.3. 淘宝 返还结果的卖家信息中卖家id含有欺诈类关键词

1.4. 订单列表中订单信息中实际付款金额大于50的成功交易次数小于1

1.5. 订单列表中订单信息中交易时间在近3个月内成功交易的金额合计>10万

1.6. 淘宝记录的状态为交易关闭+未付款）的交易金额/总交易金额>70%

1.7. 淘宝记录中订单信息的近六个月实体购物交易成功次数<1

2. ……(详情见知识星球风控文档)

三.支付宝规则

支付宝规则，我们会判断

1.1. 支付宝中交易记录中交易时间近3个月内 成功交易的最大交易金额小于20

1.2. 支付宝中交易记录中购物标题或交易对方(近三个月内彩票消费次数大于12

1.3. 支付宝中交易记录中购物标题或交易对方近三个月内POS及印章、复印纸购买次数大于10

1.4. 支付宝中交易记录中购物标题或交易对方近三个月内水军、发帖行为购买次数大于6

2. ……(详情见知识星球风控文档)

四. 评分卡规则

淘宝规则，我们会判断

1.1.评分模型返还的评分等级等于某个等级拒绝（比如最差的G/H等级）

(详情见知识星球风控文档)

五．通讯录规则

通讯录规则，我们会判断

1.1.通讯录返还结果的全量联系电话触碰 大数据库中的黑名单库 命中数量大于等于2

1.2. 通讯录返还结果的联系人姓名触碰敏感词汇库命中数量 大于等于2

1.3. 通讯录返还结果的联系人数量（数组下元素个数）小于18

1.4. 通讯录返还结果的全量联系人姓名触碰敏感词汇库命中数量 大于等于2

……(详情见风控文档)

六．信用卡规则

信用卡规则，我们会判断

1.1.信用卡 返还结果中授信数据存在取现额度小于0

1.2.信用卡返还结果中授信数据中全部开卡日期距离申请日期均小于90 天

1.3.信用卡返还结果中账单数据中任意信用卡最近一期账单本期是否足额还款等于0

1.4.信用卡返还结果中账单数据中任意信用卡最近一期账单延滞状态等于M1

1.5. 信用卡返还结果中明细统计中全部信用卡最近三个月非正常时段交易笔数加总的和大于90

……(详情见知识星球风控文档)

七. 授信规则

授信规则，我们会在以上评分卡的基础上再根据信用卡等数据维度，进行授信调整，具体如下：

……(详情见知识星球风控文档)

在以上的规则流中，我们遵守的规则通过不同的分支、层层规则的递进关系进行的。我们需要谨记重点内容：

第一，非刚需与必要的风控规则，能够选择不同的流程分支，可关可闭。一些必要的风控规则，如用户的银行4 要素验证是否一致性，这是必要规则，就无需可开关。而一些如校验用户的芝麻信用分等，则可做成选择性加入。待该规则上线后，可通过分析此项规则的触发率得出是否合理的判断。因为芝麻 信用分是否可作为决策依据将主要取决于业务方向与用户群体，因为理论上芝麻信用分的高低主要与用户在芝麻信用体系内的数据绑定维度的多与少相关，并不一定绝对反映 用户的信用程度。

则在这些规则中，是条件运算也是组合的概念，弄清楚什么样的顺序与优先级执行便额外重要。风控系统的作用在于识别绝对风控与标识相对风险。如果是绝对风控，则整套风控的审核结果便将是“拒绝”。既然结果必然是“拒绝”，则没必要运行完所有的风控规则， 而主要单条触发“拒绝”即可停止剩余规则的校验。因为所有规则的运行，是需要大量 的时间、金钱与性能成本的。

第二，整套风控决策的运行是有一个优先级需要遵守的，这在我们之前的文章也多次强调：

（1）自有规则优先于外部规则运。自有本地的黑名单库优先于外部的黑名单数据源运行，如果触发自有本地的黑名单则风控结果可直接终止及输出“拒绝”结论。

（2）无成本或低成本的规则优先于高成本的规则运行。借款用户的身份特定不符合风控要求的，诸如低于18 岁的用户，则可优先运行。而一些通过对接外部三方征信的风控规则，需支出相关查询费用的，则靠后运行。此外，在外部三方征信的规则中，命中式收费的风控规则（如黑名单与反欺诈），又优先于每次查询式收费的风控规则（如征信报告）运行。

（3）消耗低性能的规则优先于高性能消耗的规则运行。直接基于用户现有属性的数值，如当前用户的民族是否非少数民族，则可优先运行。而一些风控规则，需借助爬虫接口，且需待将爬取到的数据经过二次加工与汇合之后，再对汇合的总值进行判断，如手机运营商账单中的月总通话分钟时长，则此类风控规则应后置运行。