金融风险控制最新3.0版长啥样
“你们对某企业的贷款可能出现风险。”去年入夏后的一天，国内某股份制商业银行风险控制部门接到来自百度金融云企业风控预警系统发出的风险提示。该行的某贷款客户近期出现了多项疑似风险事件，建议行方做进一步的核查。经查实，这家企业的经营状况确实出现了比较严重的问题，并在一段时间之后影响到企业的正常运营。由于该行提前得到预警并及时采取了信贷资产保全措施，最终减少了信贷资产的损失。
近日，百度云解决方案架构及金融云总经理杨俊向笔者介绍百度智能云跟金融结合情况时介绍了这一情况，这引起笔者的极大兴趣。原来，百度金融云为金融机构提供的风控解决方案中加入了人工智能、场景识别、舆情信息和智能搜索等技术，让金融风险控制产生了第二次革命性变革，极大的提高了金融机构提前预判风险的能力。
回顾中国金融行业的发展史，风险控制大致经历了三个阶段，其中，两次变革具有革命性。
金融风控起步阶段即1.0版：单一银行评估。
上世纪八十年代到本世纪前几年，这个时期，社会融资主体以商业银行为主，金融风控也主要以商业银行的信贷风险管理模式为主。
这一时期，银行放贷一般遵循贷款“三查”制度，“三查”是指贷前调查、贷时审查和贷后检查。
银行根据监管部门要求，贷前调查要重点抓贷款信息资料真实性管理。要对借款人有关资料进行收集、整理、归纳、分析和判断，关键是要通过行之成效的途径和方法验证借款人有关信息资料的真实性，以增强贷款审查决策的有效性。
贷时审查要重点抓风险量化预防控制管理。要以风险系统方式量化每项内容对贷款风险的影响程度，论证贷款发放的风险隐患程度，根据风险度判断掌握是否同意发放贷款，选用适当的贷款方式，使贷款决策从定性分析转向定量分析，以增强贷款决策的科学合理性。
贷后检查要重点抓贷款风险生长的预警和处置管理。
这一时期，一般都是单个银行凭借自己掌握的信息对企业进行信用评定，对于企业在其他银行贷款信息、企业诉讼等全面信息掌握不全面，企业用虚假报表骗贷现象时有发生。
金融风控第一次革命性变革即2.0版：央行征信系统全国联网。
金融行业风险控制第一次具有划时代革命性变革是，中国人民银行征信系统2006年7月份实现全国联网查询。中国人民银行征信系统包括企业信用信息基础数据库和个人信用信息基础数据库。
目前，央行征信系统基本涵盖了所有的单位和个人，央行征信系统收集了所有的企业和个人信贷情况（包括个人信用卡违约等）、对外担保和案件诉讼等全面的信息，起初是对商业银行开放，后来对传统金融机构开放，现在，也对部分互联网企业——如金融科技公司开放。
企业和个人信用信息通过央行征信系统全国联网后，极大便利了银行和其他金融机构对需要借款（融资）方信用状况进行全面查询和调查，避免了之前金融机构只有本银行（或其他金融机构）单一掌握借款（融资）方金融信息，可以提前避免信息不全面带来的金融风险。
虽然，实现了全国征信系统联网，解决了单一金融机构信息不对称问题，但是，这些数据依然是静态的，有些信息还存在更新缓慢，比如信用卡逾期，即便持卡人及时还款，依然被扣分，影响个人信用积分等。
另外，央行征信系统并不能解决贷款（融资）后风险防范问题。
金融风险第二次革命性变革即3.0版：人工智能神助。
近几年，人工智能被逐步地全面运用到金融风险控制中来，仅以银行为例，无论是贷前调查、贷时审查还是贷后检查，在人工智能全面介入后，革命性的提升了银行贷款风险控制能力。
在中国人工智能领域研发投入最多、技术最为领先的企业非百度莫属。以百度金融云为金融机构设计的风控解决方案为例，当人工智能被运用到金融风控后，极大的增强了金融机构的动态风险控制和预判能力，从而最大限度的帮助金融机构减少损失。
贷前调查。笔者测试过其为百信银行设计的解决方案，把身份证正反面拍照后由系统进行自动识别，通过网络视频完成摇头和眨眼等人脸识别的操作，就可以在家实现开设银行账户和办理贷款业务了。
眨眼和摇头等动作是要验证开户人不是拿着买的或借的非本人身份证、而确实是持卡人本人开户的。
贷时审查。很多时候，央行征信系统存在更新周期长等问题；商业银行按照传统信贷审查方式不能放款的企业和个人、通过结合动态数据和多维风控模型审查后可能就符合了放贷标准。从而在风险可控的前提下，进一步拓展了信贷业务。
贷后检查。这是第一代和第二代金融风控所不具备的能力，百度金融云还有其他金融科技所不具备的两个贷后风险提前预判能力：
1，舆情监测，综合分析。百度可以帮金融机构去判断一个已经在获得贷款后的企业贷款生产经营等状况，有没有发生一些突变。百度可以通过强大的搜索功能并进行数据分析，比如，是不是在某一段时间内有很多人都在查寻贷款企业的老板欠薪，集团创始人内讧、创始人外逃传闻等信息。并辅以公开的司法诉讼和企业变更信息，通过人工智能对多维因子进行分析判断，得出是否存在潜在风险，并在第一时间及时通知合作银行、提前一步帮银行进行信贷资产保全。
2，场景监控，提前预警。比如对贷款企业车辆进出情况的分析。这个类似于著名的做空公司浑水，不过浑水是雇用调查人员埋伏在企业门口，而这里的方案是通过对LBS数据进行人工智能分析后更加科学、高效和精准的完成了。
当贷款企业长期既无原材料进厂、又无成品出厂，我们需要警惕该企业的生产经营是否可能出现了问题。本文开头部分就是利用上述技术发现的潜在风险。