信数金服决策引擎分享(一):来聊聊冠军挑战者试验,一个数字游戏

自动化决策与冠军/挑战者试验


   自动化决策最有价值之处在于可以迅速的根据业务变化改变底层的决策逻辑。这些业务变化可能来自于监管的调整、竞争压力或单纯的商业机会。决策的修改需要有测试同步跟进——毕竟在不能确保决策能被正确执行的情况下贸然改变部分业务模式是不明智的。然而,测试有时候并不那么充分有效。测试显然是必要的,但也有其局限性。当出现很多无法掌控的未知项时,如何对决策逻辑进行测试?


   我们需要的测试有时更类似于不同策略之间的比较。我将要讨论的这种技术开创于几十年前,但目前还未被广泛应用。这种技术被称为冠军/挑战者试验

[if !supportLineBreakNewLine]

[endif]

为什么使用冠军/挑战者试验

[if !supportLineBreakNewLine]

[endif]


  你是否曾经尝试使用过冠军/挑战者试验?或者听说过A/B测试——其主要目标是比较一个既定的策略(冠军策略)与一个或多个备选方案(挑战策略)。这种试验已经在网站设计中被反复使用。试验目标可以是行为召唤(Call-to-Action)的不同强调方式,或者甚至是在几个网页上改变措辞,来测量哪个版本效果最好。 虽然它是网页设计的常规方法,但并未被广泛应用于决策。你也许会问为什么?我的猜测是,许多公司都不清楚如何设置它。我见过有的公司在使用这项技术的时候,因为错误的设置,导致试验的失败。


  简要解释一下这种试验应用于决策管理的基本理念。就如网页设计上的应用,决策管理试验旨在比较现实场景中的不同选择。基本原理是:在沙盒中进行的测试和模拟可以衡量一个决策的实际业务表现(例如批准信贷额度),但不能预测将来的人们会如何反应;模拟只会告诉你在你的历史样本中有多少人会被通过或拒绝;你可以采用某种划分人群的方法,但随着时间的推移,会发现这部分人会因为高违约率表现很差;而现实场景的试验允许制定实际的决策,然后随时间推移,评估这个样本的商业行为。

[if !supportLineBreakNewLine]

[endif]

冠军/挑战者试验是如何运作的

[if !supportLineBreakNewLine]

[endif]


  从技术上来说,生产场景需要可以部署两套或更多的决策服务。由于你的系统不能对同一项目既通过又拒绝,因此需要在结构上将交易随机分派到某一策略上,并对这些交易进行标记监控。这里的关键词是“随机”,你的设置在对分类交易时要做到没有任何偏见。但是需要说明的是,通常情况下我们也会先行排除一些由于战略价值(例如VIP客户),或者因为一些业务规则(例如禁止未成年人等)所分出来的类。你的设置将决定多少比例的交易将进入冠军策略,比如说50%,多少比例会作为挑战策略进行测试,比如说2个挑战策略各25%。


  当你需要测试决策的多个部分时,设置会变得较为复杂。在这里不做细节描述。可能会在后续的文章中做跟进。我只是想强调在复杂情况下,实验完整性是很重要的。


   一旦部署好试验,你需要等待一段时间,才能得出结论:哪一个策略是“冠军”——这意味着此策略优于其他策略。此时,由于确认了冠军策略,你可以推广使用这一策略,并可以开始一个新的测试。

[if !supportLineBreakNewLine]

[endif]

这是一个数字游戏

[if !supportLineBreakNewLine]

[endif]


   你每天例行为每个策略分配一个百分比。在之前的例子中,我们设置过分配给冠军策略50%,另外两个挑战策略各25%。 为了使绩效指标统计相关度更高,需要有足够多的数据。如果您的系统程序一天只有十几个交易进行测试,那将需要很长时间才能有足够的交易量分配给每个挑战策略。如果你想一次性测试更多的挑战策略,不确定性会变得更高。另一方面,如果系统每天处理数百万的交易试验将更快的得到结果。


   所以,基本上,你最终有三个方面需要考虑:

   每天的交易数量

   需要考虑的策略数量

   试验运行的时间量


  只要这三方面的量能达到比较充足的水平,就可以从试验中得到比较好的结果。

[if !supportLineBreakNewLine]

[endif]

仅仅是数字,或许还不够

[if !supportLineBreakNewLine]

[endif]


   试验得出结果就足够了吗?不完全是。虽然可以从这些试验测试中得出一些结果,但做为专家,还需要能够让这些数据更加符合逻辑。如果你进行了一个12月份整月的零售试验,那么最优策略是否也适用于其他没有节假日的月份,这是不能明确的。如果你的违约通常发生在账户开放后的2个月或3个月,那么仅仅是短期的试验将无法得出正确结论。尽管并行测试多个策略的概念非常简单,不过还是推荐在参数设置上听取专家的建议,并利用常识来判断需要哪些来证明一个策略实际上的确是优于其他选择的。


   一旦使用这种技术,你的业务绩效将能得到极大提升。冠军/挑战者试验的确是一种非常强大的工具。

[if !supportLineBreakNewLine]

[endif]

[if !supportLineBreakNewLine]

[endif]

[if !supportLineBreakNewLine]

[endif]

原文作者:Carole-Ann Berlioz

原文地址:https://www.sparklinglogic.com/champion-challenger-its-a-numbers-game/


-----------------------------------------------------

上海信数金融信息服务有限公司成立于2015年5月,是中国领先的金融科技公司。公司的产品包括新一代智能决策管理平台、企业级数据管理平台以及大数据征信服务等。

明策智能决策平台,是信数公司和美国硅谷公司Sparkling Logic合作研发的一款引领未来的智能决策管理平台,已经被包括PayPal、摩根大通、LTCG保险、京东金融、掌众金服、中望金服等超过100家国内外知名企业所采用。

Sparkling Logic

是一家专业的智能决策引擎研发公司,由FICO Blaze Advisor创始团队建立于2009年,通过对规则引擎、智能决策的不断研究,致力于帮助商业、教育、非盈利和政府组织利用他们的数据和专业知识来更好地自动化决策,推动发展。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,711评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,079评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,194评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,089评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,197评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,306评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,338评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,119评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,541评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,846评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,014评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,694评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,322评论 3 318
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,026评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,257评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,863评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,895评论 2 351

推荐阅读更多精彩内容