信贷风控可视化决策引擎产品系统

消费信贷业务需要对每一笔贷款申请实时做出「通过/拒绝」决策。原来规则写死在代码里，风控策略团队每改一条规则、调一次评分卡都要排期发版，审核慢、迭代慢，规则改动也无法事先验证对存量用户的影响。项目目标是做一套可视化、可配置、可追溯的决策引擎，让策略团队自助迭代模型、评分卡和拒绝规则。（在职期间主导开发的公司内部系统，从 0 到 1）

1、可视化决策流：基于 Camunda BPMN/DMN 改造，策略团队在画布上编排节点（取数、特征、模型、评分卡、拒绝规则、AB 实验、人工审核），规则集可离线修改、版本化发布。2、进件分发：Kafka 削峰，进件状态机管理流转、异常重试和结果上报。3、模型与实验：调用模型评分服务和实验平台，支持分流、随机、取模实验。4、人工审核后台：命中人审规则的进件进入人工队列，审核、白名单、监控与角色管理。5、上线保障：新产品线 dry-run 模式（规则照常记录命中但不真拒），生产快照仿真回放逐单对比决策，14 个拒绝码自动化测试。

我是系统 owner，负责调研选型、架构设计、开发、部署和维护全过程，带新人一起迭代。技术栈 Java 17、Spring Boot、Kafka、Redis、MyBatis、MongoDB、Camunda。结果：日处理 2 万+ 进件，每小时可处理 6000+ 单，单笔审核时长从 5 分钟降到 1 分钟以内，决策流开发效率提升 2 倍以上。难点与解法：审批节点参数超过 MySQL 字段上限（单节点最多 2800+ 特征），改存 MongoDB 并做 TTL 与超时隔离，不拖慢决策主路径；dry-run 开关放在结果装配层，上线变成一次配置翻转。