商业银行的智能风控主要存在两大问题。 9月16日零壹财经·零壹智库联合大数据征信与智能风控服务商微众信科共同召开“2020第二届信用科技论坛”，与行业专家、银行业人士、科技公司高管等一同探讨信用科技赋能下的金融数字化转型之路。

  交通银行发展研究部资深专家周昆平在本次论坛发表了题为“后疫情时代商业银行的智能风控平台建设”的主题演讲。

  首先周昆平介绍了新形态下传统风险控制面临的三大挑战，一是对信贷需求产生了阶段性、局部性的冲击；二是净息差收窄、盈利能力承压的挑战；三是传统防控的方法受到挑战。在宏观经济提高速度下滑和新冠疫情冲击的前提下，商业银行承担了普惠金融的历史责任，作为金融本质的风控正面临前所未有的挑战。

  周昆平表示智能风控就是运用大数据平台的计算分析能力、机器学习或者深度学习模型，应用于信贷风控、反欺诈、反洗钱、交易监控、保险理赔等场景，所以本质上是以数据驱动的风险管控与运营优化。

  以消费信贷风控为例，按照贷前、贷中、贷后作为风控的时间维度，以信用品质、偿还债务的能力、押品价值、财务情况、还款条件作为评估维度，时间和评估形成不同的信贷风险关注要点。商业银行结合不同信贷风险的关注要点，进行有关数据的获取。

  周昆平认为，目前商业银行智能风控主要存在两大问题，一是目前行业没有统一标准，离真正的智能风控仍有距离；另一个是，智能风控的前提是大数据的运用，而大数据则完全依赖场景的布局，网络公司由于具备稳定的场景优势自然能够积累海量数据来刻画用户行为，但商业银行仍需借助于外部数据交易的方法来补充数据维度的不足。

  此外，周昆平指出，商业银行的系统机构和技术很复杂，数据处理和数据安全管理难度大，也是商业银行智能风控按面临的难点和挑战。

  通过智能风控平台做建模的基础条件是所整合的风险数据质量有保障，但商业银行现有数据存在不同程度的数据标准不一、 数据定义不明、数据口径不清以及数据缺失等问题 ，使得智能风控平台建设过程中的数据梳理、口径统一、数据清洗等工作耗时长、难度大。同时，平台整合行内外大量可视化风险数据，为提高数据的利用价值，更多数据需要向用户开放，增加了数据安全管理的复杂性。

  最后，周昆平表示，未来在合规运营的前提下，商业银行应循序渐进，继续加强数据价值的挖掘，加大风控建模专业队伍的培养，充分的利用新技术的优势，因势利导，慢慢地增加智能风控应用的广度和深度，从而完成智能风控“将数据转化成信息，将信息转化成知识，将知识转化成能力”的增值过程等。

  面对复杂的经济世界和一直上升的金融风险，智能风控这把利器的必要性日益凸显。那么，什么是更好更智能的风控？零壹财经第二届智能风控兵器谱TOP 20 评选案例征集倒计时！报名截止期为2020年9月中旬，欢迎相关企业通过自荐、专家推荐的方式报名参与。点击“智能风控兵器谱”报名