规则引擎是“及格线”，评分模型才是“区分度”。及格线拦住明显坏人，区分度才能发现潜伏的风险。
一个让风控总监头疼的问题
之前和一家租赁公司的风控总监聊天，他说：
“我现在有几十条预警规则：里程下降报警、加油异常报警、停车异常报警……每天能收到几百条预警。每条我都得看，但看完还是不知道——哪台车最危险？我该先处理哪一台？”
这是一个好问题。规则能告诉你“有异常”，但很难告诉你“有多异常”。
规则引擎 vs 评分模型
| 维度 | 规则引擎 | 评分模型 |
|---|---|---|
| 输出 | 触发/不触发 | 0-1000分 |
| 判断方式 | 单条件或简单组合 | 多维度加权综合 |
| 区分能力 | 两极（好/坏） | 精细（从极好到极坏） |
| 可解释性 | 高（“因为A所以报警”） | 中（“因为A、B、C综合得分高”） |
| 适应性 | 改规则需要人工 | 可自动迭代优化 |
| 适用阶段 | 初期、数据量少时 | 中期以后、数据量充足时 |
评分模型的四个核心步骤
第一步：定义目标变量
先想清楚一个问题：我们要预测什么？
常见的目标变量：
“这台车在放款后12个月内会不会断供？”
“这台车会不会在逾期后60天内失联？”
“这台车会不会在贷款期内出现骗贷行为？”
目标变量要清晰、可定义、有数据支撑。