如果說第一代的信貸管理系統(tǒng)主要是貸前，貸中，貸后的流程化的貸款全生命周期管理系統(tǒng)，第二代的信用風險管理體系是基于結(jié)構(gòu)化數(shù)據(jù)的利用包括內(nèi)評系統(tǒng)，打分卡之類的線性建模體系的風險管理系統(tǒng)，那大數(shù)據(jù)時代的第三代信用風險管理體系必須具備以下兩個條件：
1. 同時處理結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)（異構(gòu)數(shù)據(jù)）的能力；
2. 利用非線性模型進行風險和行為建模的能力。
下圖闡述了大數(shù)據(jù)時的第三代信用風險管理體系的主要構(gòu)成： 大數(shù)據(jù)=AI+BI+建模
大數(shù)據(jù)時代新一代信用風險管理體系是通過傳統(tǒng)的商業(yè)智能（BI）工具分析銀行內(nèi)部的結(jié)構(gòu)化數(shù)據(jù)，加上央行征信數(shù)據(jù)（結(jié)構(gòu)化數(shù)據(jù)），利用人工智能（AI）算法（例如自然語言處理 NLP）來解析各種同信用風險相關(guān)的外部非結(jié)構(gòu)化數(shù)據(jù)。例如司法涉訴數(shù)據(jù)（法院司法網(wǎng)站），工商數(shù)據(jù)，授權(quán)媒體的輿情數(shù)據(jù)等等來統(tǒng)一進行風險建模，實現(xiàn)提前預判和阻止不良貸款產(chǎn)生的效果。
搭建一個強大有效的人工智能 AI 平臺需要具備以下三個必要條件：
1. 合法可靠的數(shù)據(jù)源：在大數(shù)據(jù)時代，僅僅依靠傳統(tǒng)的銀行內(nèi)部數(shù)據(jù)和央行征信數(shù)據(jù)顯然是不夠的；但是在眾多雜亂無章的外部數(shù)據(jù)之中挑選出不涉及任何隱私數(shù)據(jù)，而且又同信用風險相關(guān)的數(shù)據(jù)源非常重要。
2.需要具有豐富編寫 AI 算法經(jīng)驗的數(shù)據(jù)科學家，利用網(wǎng)絡(luò)深度學習的方法搭建人工智能平臺對海量非結(jié)構(gòu)化外部數(shù)據(jù)進行處理。
3.此點往往被人忽視：機器學習是讓機器來學習專家，但是這個專家必須具備能把專業(yè)知識量化成 AI 科學家能夠理解的語言以便形成算法的能力，這樣的跨界專家可能比 AI 科學家更難獲得。
依賴一個強大的人工智能平臺，內(nèi)外部的異構(gòu)數(shù)據(jù)可以集中統(tǒng)一地參與到建模之中，最后搭建成一套完整的貸款全生命周期新一代信用風險管理體系.
