bl如何从0到1规划和设计风控决策引擎( 四 )

设置管理员、用户、设置权限组（角色），对相关用户或组配置相对应的页面（资源）权限。
1、管理员：最大的使用权限, systemadmin
2、用户：普通使用人员，可单独配置相应权限；
3、角色（权限组）：根据组配置相应权限，下属用户能直接获取相应权限；
7. 产品管理对产品进行区分，每个产品有单独的决策流分支，对所属规则、字段进行组合配置。
1）维护产品（新增、删除、修改产线名称）
2）维护事件（新增、删除、修改事件类型）
3）产品下只能看到本产品下的事件。但允许复制产品下事件至另一产品下，保留本事件下所有内容。
总结一下决策引擎的功能模块：

文章插图
四、发展展望金融风控决策引擎产品的前身来自于规则引擎，是规则引擎在金融场景的应用。金融场景决策引擎的鼻祖当属FICO推出的Blaze，在互联网金融出现前，传统金融机构几乎清一色使用的是商用的Blaze产品。
随着互联网金融，金融科技，大数据，实时场景的到来，Blaze已经不能满足多样化个性化风控场景的需求，各家大厂纷纷自研决策引擎，比如美团的Zeus规则引擎，蚂蚁的智能风控引擎AlphaRisk，携程Argis风控引擎等，都是业界优秀的决策引擎产品，值得每一个风险/数据产品经理研究。
在开源社区也涌现出很多开源优秀的规则引擎产品，比如drools，urule，radar等，一般中小型公司会直接参考开源引擎，在此基础上二次开发来满足自身风控业务的需求。业界自研加上开源支持，让决策引擎产品不断发展完善。
金融风控只是规则引擎的一个应用场景，风险领域或广义上的大安全领域还包含交易风控，内容风控，流量风控。多种复杂的业务风控场景都需要一款规则引擎来进行策略的快速迭代。
未来随着更多场景的应用，规则引擎也会不断进化，展望下更高阶的规则引擎，未来可能的两个发展方向：

实时化：大数据发展，计算能力的发展，将提升现有决策引擎的算力和处理时效
智能化：在现有的风控决策引擎上融入了自言语言处理平台、流计算平台、实时预警、深度学习、可视化科学计算等，比如风控规则的自动探索生成。

智能规则引擎或许在不远的将来会引领人们走向一种新的思维模式与编程行为，一切皆规则，人们要做的事情就是把能够采集到的业务数据直接扔给智能决策引擎，剩下的，就让智能决策引擎自己去处理吧。
本文由 @乘风随行原创发布于人人都是产品经理，未经许可，禁止转载。
【 bl如何从0到1规划和设计风控决策引擎】题图来自Unsplash，基于CC0协议