智慧风控

效率低，样本少

人工操作为主，工作量大、效率低。采用抽样检查，样本数据少，效果一般。

范围窄，不深入

主要基于财务数据，很少延伸到业务前端，更难以从跨周期、跨业务域的众多业务比对中分析异常特征，识别业务风险。

时效差，预警难

事后核查为主，难以在事前、事中识别并预警风险，影响了风险应对的及时性。

协同弱、共享少

组织结构复杂的集团型公司，横向部门间、上下级单位间，尤其是跨地域单位间风控信息共享较少，风控工作协同不够。

构建风险管控数字化模型，搭建风险管控智库，利用大数据与人工智能等数字化技术，整合业务与财务数据并进行深度挖掘和综合利用，智能感知、动态监测并及时预警各类风险，实现风险管控的“快速识别、分级预警、科学应对”，推动风险管控工作向数字化、智慧化转型。

构建风险管控模型

梳理风险防控清单，制定风险管控主，制定风险识别规则，构建标准统一、广泛覆盖、高效实用的风险管控工作标准和管控模型。

建立风险管控智库

建立和管理用于风险数智化管控的“法规库“、“风险库“、“规则库“、“疑点库“、“问题库“和“案例库”

监测业务风险

依据风险管控模型，利用风险管控智库的知识、经验和智慧动态监测日常业务，实现业务风险的智能识别、即时预警。

提出风险处置建议

根据管控模型的风险等级划分，对识别出的风险进行评估、判定，给出预警、阻断、整改等建议，或推送相关的参考案例。

协同处置风险

线上派发相关问题给相关单位和相关岗位，督促对问题进行合理应对、处置，跟踪处理过程，评估处置效果。

多维分析与动态展示

建立智慧风控全景视图，实现风险管控可视化。统计分析风险事件分布及变动趋势，帮助管理者掌握风险管理整体情况，穿透表征直达源头，洞察风险玄机。

全面梳理，广泛覆盖

以各项法规和众多稽查专家的知识和经验为基础，精心设计业务监测模型和指标体系，使风控工作更具全面性和纵深性。

动态监测，防线前置

利用大数据、人工智能开展动态监测，实现风险防线前置的目标。

智能识别、及时应对

利用众多稽查专家的知识、经验，智能识别日常业务中的疑似违规问题，动态发出预警，督促相关单位和岗位及时应对和处置风险。

多维分析，持续改进

根据数据分析结果，对风控体系中的主题、规则、流程、岗位乃至人员等进行动态完善与调整，不断改进风控工作。

传统风控管理困境