新一代数字技术的日趋成熟，让“大数据”在企业应用中渐入佳境。在大数据时代背景之下，银行风控也成功捕捉到了全新的价值空间。随着传统利润的不断下跌，不良贷款总量上升，风控成为了银行从业者关注的焦点。数字化转型发展阶段，银行如何秉持“数字化风控”理念，利用大数据、云计算、人工智能等前沿科技提高风控能力，建立轻资本、轻资产的新型风险管控体系，是银行数字化的重点工程。在亚太银行创新峰会上，法海风控副总裁高伟就当前银行形势分享了自己关于强监管条件下银行数字化风控的建设性意见。

数字化风控关键在于寻找有价值的数据

大数据时代，每个企业每时每刻都会产生数据，在巨量的数据之下，银行不可能每条都一一查看，这是一个耗时而低效的过程。对于银行而言，如何找到好的、有价值的数据才是个中关键。高伟表示，面对一个目标企业，银行风控需要快速的在大体量的信息数据之下，迅速按照警告、负向、中性、正向、利好等指标对数据设置分级。这五类分级能够帮助银行从海量资料中迅速识别风险较高的企业。此外还需要从行业基本信息、信息校验、重点关注信息、代发工资、跨商业银行风险预警、失信被执行、客户关联关系、小企业征信信息等方面形成客户信息闭环，构建以银行征信、财务报告、工商报告、抵押担保小微企业司法涉诉等风险评估和对公业务所需要的基本信息架构，并结合外部数据和行方数据、人行、工商和担保信息等完整刻画用户画像，实现数字化的风险评测。

大数据等数字科技赋能银行风控

对于数字化的银行风控体系建设，高伟明确指出需要三项底层核心技术的支持：

1. 具备自主知识产权原界的技术底层支持;

2. 具备人工智能语义分析;

3. 具备自然语言情感分析;

当然，在甄别数据优劣方面，还需要有“全、准、快”三个标准衡量。全，要求数据全网、全国覆盖;准，要求数据解析精准度足够高，一般而言，模型解析精准度需要达到95%以上，才可能相对准确，当然越高越好;快，要求能够及时更新。很多时候，往往一条数据就能判别一家企业生死。因此，在数字化风控方面，银行需要将收集到的类似法院文书等非机构数据进行高清度结构化解析处理，有了精准解析的数据再利用结构化规则应用到银行业务中，再用人工智能等技术手段，对各类数据进行分析(如从招聘数据能够看到企业关注点在哪里，需要通过招聘岗位透露核心业务)，进而刻画出企业用户画像。

目前，银行识别客户尚处于不同阶段，在借力外部大数据方面，高伟总结了5大情况：

1、 还未引进大数据，但有调研意图。这种情况的银行尚未实现转型，效率低下，且无法保证数据的全面性和准确性。

2、 已经引入外部大数据，并开启使用。此类银行使用效率高、覆盖全面且信息更新及时。

3、 引入外部大数据中发现问题，有升级需求。这类银行使用时信息量过大，开始考虑如何过滤信息;并计划对存量客户进行风险筛查;试图找出规则并结合行内系统建立模型。

4、 已经找到好的、高精度的数据，并开始建模。这种情况银行已经建立信息分级、批量排查和规则梳理和模型应用。

5、 已经实现内外部数据融合，开始自主创新，分布上线迭代升级一气呵成。