若是说第一代的信贷治理系统主要是贷前，，，，，，，贷中，，，，，，，贷后的流程化的贷款全生命周期治理系统，，，，，，，第二代的信用危害治理系统是基于结构化数据的使用包括内评系统，，，，，，，打分卡之类的线性建模系统的危害治理系统，，，，，，，那大数据时代的第三代信用危害治理系统必需具备以下两个条件：
1. 同时处置惩罚结构化和非结构化数据（异构数据）的能力 ；； ；；；；；
2. 使用非线性模子举行危害和行为建模的能力。。。。。
下图叙述了大数据时的第三代信用危害治理系统的主要组成： 大数据=AI+BI+建模
大数据时代新一代信用危害治理系统是通过古板的商业智能（BI）工具剖析银行内部的结构化数据，，，，，，，加上央行征信数据（结构化数据），，，，，，，使用人工智能（AI）算法（例如自然语言处置惩罚 NLP）来剖析种种同信用危害相关的外部非结构化数据。。。。。例如司法涉诉数据（法院司法网站），，，，，，，工商数据，，，，，，，授权媒体的舆情数据等等来统一举行危害建模，，，，，，，实现提前预判和阻止不良贷款爆发的效果。。。。。
搭建一个强盛有用的人工智能 AI 平台需要具备以下三个须要条件：
1. 正当可靠的数据源：在大数据时代，，，，，，，仅仅依赖古板的银行内部数据和央行征信数据显然是不敷的 ；； ；；；；；可是在众多杂乱无章的外部数据之中挑选出不涉及任何隐私数据，，，，，，，并且又同信用危害相关的数据源很是主要。。。。。
2.需要具有富厚编写 AI 算法履历的数据科学家，，，，，，，使用网络深度学习的要领搭建人工智能平台对海量非结构化外部数据举行处置惩罚。。。。。
3.此点往往被人忽视：机械学习是让机械来学习专家，，，，，，，可是这个专家必需具备能把专业知识量化成 AI 科学家能够明确的语言以便形成算法的能力，，，，，，，这样的跨界专家可能比 AI 科学家更难获得。。。。。
依赖一个强盛的人工智能平台，，，，，，，内外部的异构数据可以集中统一地加入到建模之中，，，，，，，最后搭建成一套完整的贷款全生命周期新一代信用危害治理系统.
