终结“拍脑袋“决策：数禾科技用三工厂锻造智能金融引擎

（原标题：终结“拍脑袋“决策：数禾科技用三工厂锻造智能金融引擎）

在传统金融机构中，一次策略调整的典型路径是：风控想改阈值，开会讨论，领导拍板，研发改代码，上线，出问题，紧急回滚。这个过程中有五个结构性缺陷：没有可复现的推理链路，评测口径不统一，灰度没有科学设计，上线后的真实效果不会自动回流到下一次决策，三个月后没人记得当初为什么这么改。数禾科技用十年实践，找到了终结这一困局的系统性解法。

这条解法的背后，是数禾科技从"业务支撑"到"智能驱动"的技术跃迁。十年间，系统可用性从95%提升至99.9%，外采转自研年节省成本超千万元，策略一站式日均调用量数亿次。这些数字的支撑，正是数禾2020年提出的2.0战略——以"Fin-Robot（金融机器人）"为终极目标，围绕客户流、信息流、资金流的精益运营，通过PDCA循环实现业务持续优化。

样本工厂：让每次迭代"有据可依"

"凭什么用这批数据？"这是策略迭代中最容易被忽视却最关键的问题。传统模式下，策略人员往往随手抓取一批数据就开始建模，样本的分层是否合理、时间窗口是否一致、是否存在泄露，缺乏系统性的保障。

数禾的样本工厂解决的就是这个问题。它确保每次迭代使用的训练和评测样本可复现、有版本、分层正确。每一个进入模型的样本都带有完整的元数据标签：采集时间、分层策略、质量评分、版本归属。当三个月后有人追问"当时为什么用这批数据"，系统可以直接调出完整的样本配置和生成日志。

这意味着，组织的每一次经营决策——无论成功还是失败——都不会浪费。失败变成资产，经验变成可复用的组织记忆。样本工厂不是简单的数据存储，而是策略迭代的"第一道工序"，它决定了后续所有分析的可信度基础。

在数禾的技术体系中，样本工厂与决策引擎HEngine、模型平台HModel、特征平台形成了完整的策略层闭环。2023年，数禾完成了策略层的全面自研升级，HEngine彻底替代了外采方案，HModel首次实现实时与离线模型的统一对象化管理，覆盖模型全生命周期。这为样本工厂提供了坚实的技术底座。

评测工厂：终结"你看AUC我看M1"的口径混战

在传统金融机构里，风控团队看KS值，运营团队看通过率，财务团队看M1逾期率。同一个策略版本，在不同部门口中可能是"好"也可能是"坏"，因为大家用的尺子不一样。这种口径混乱直接导致了一个现象：会议开了三个小时，各方数据对不上，最后靠领导的直觉拍板。

数禾的评测工厂用统一口径、统一指标、统一维度评估候选版本和基线版本。所有相关方在同一个平台上看到同一套数据，消除了"你看你的AUC，我看我的M1"的口径混乱。评测工厂不仅输出结果，还输出置信区间、敏感性分析和反事实推演，让决策者有更完整的证据图景。

更进一步，评测工厂把"预期"也纳入了标准化管理。在策略上线前，团队需要明确记录预期效果；上线后，系统自动比对实际表现与预期的偏差。这种"事前承诺+事后复盘"的机制，让策略迭代从"黑箱艺术"变成了"透明工程"。

这一能力的建立，离不开数禾在数据基础设施上的持续投入。2020年引入阿里云DataPhin平台，基于OneData理论落地数据开发、治理、服务一体化；2023年完成业务小时报架构升级，以流批一体技术打造实时报表。高质量的数据底座，为评测工厂提供了可信的"燃料"。

版本账本：让失败变成资产，经验变成组织记忆

数禾科技将会计学"借贷平衡、凭证不可修改、双向可审计"的原则应用到经营决策领域，创造了"版本账本"。它有两个半边：变更半边记录"改了什么"，归因半边记录"改的效果怎样，和预期差多少"。

三年后的新团队成员面对一个历史策略时，不需要找前任口头了解"当时为什么这么做"——他可以直接查看完整的决策链路、评测数据和归因结果。这意味着，组织的知识不再依赖个人的记忆和口头传承，而是被结构化地沉淀在系统中。

当每一次经营决策都有完整的版本记录和归因数据，组织的决策模式就会发生根本性变化。月度复盘不再是"大家回忆上个月做了什么"，而是直接查看策略变更总账和边际贡献排序。CEO不再需要临时发动团队准备材料，而是直接在系统中看到经营态势、风险预警和待决事项。

这不是"AI替人做决定"，而是"让人基于完整证据做更好的决定"。数禾科技在过去十年服务数千万用户的实践中，深刻体会到：策略迭代依赖核心人员的个人能力、组织知识难以系统性沉淀和传承、各条线数据口径难以统一、决策的因果归因困难重重，这些痛点驱动了经营操作系统从理论构想走向工程实践。

2022年，数禾建设的公司级AB实验平台解决了各业务单位重复建设、实验流程不规范的问题。实验结果直接反馈到策略层，形成数据驱动的优化闭环。2024年，测试能力向自动化和白盒化深入发展，HTestOne测试管理平台实现测试过程全链路跟踪，确保每次优化迭代的质量和稳定性。

2026年，数禾开始将这套工程化方法论带向海外市场。无论是中国的消费信贷、拉美的小额现金贷还是东南亚的分期产品，底层面临的挑战是相同的：在不确定性中做资源配置决策、在规模与风险之间寻找平衡、让组织从自身经验中持续学习。变化的是参数，不变的是逻辑。逻辑是组织的f，参数是市场的x。当f被工程化沉淀，进入新市场的启动成本会显著降低。

从"拍脑袋"到"工程化"，数禾科技用三工厂和版本账本，为金融行业的策略迭代树立了一套可复制、可演进的方法论范式。这不是终点，而是通向"Fin-Robot"终极目标的必经之路。