德勤：银行业金融机构智能非现场监测体系建设-三个皮匠报告

1、银行业金融机构现存大量数据资源，需以管理视角梳理数据资产，按照业务类型、管理需求进行分层分级分类，并与科技部门沟通数据可用性，特别是重视三道防线的协同，通过数据梳理有效梳理三道防线现有监测数据与预警成果，实现资源共享，减少资源的浪费与重复建设。全量的数据梳理工作，需建立明确的梳理要求，确定梳理的目的与方式方法，团队基于对银行业金融机构非现场监测的丰富经验，充分了解业务数据结构与风险敏感数据特征。可实现通过人工智能的方式实现全量、快速、智能的数据梳理，梳理完成的数据将被处理为可获取、易分析、能够对应风险、覆盖关注重点、可协助后续进行模型开发的有效数据，有效减少数据梳理时间、成本投入。银行业金融

2、机构现存大量数据资源，需以管理视角梳理数据资产，按照业务类型、管理需求进行分层分级分类，并与科技部门沟通数据可用性，特别是重视三道防线的协同，通过风险识别有效梳理三道防线现有监测数据与预警成果，实现资源共享，减少资源的浪费与重复建设。拥有银行业金融机构风险点库、问题词条库、金融监管处罚智能分析平台等内容库与平台，能够结合客户业务、管理情况与数据标准化程度，定向为客户提供风险领域识别、业务流程梳理、风险点探查服务，可协助客户有效监测风险、识别风险、分析风险，借助金融监管处罚库、案件案例库、监管要点库等大数据库，进行智能的风险分析与识别。多年的内控、风险、合规咨询和审计工作使得积累了3,000个以上的风险场景与对应可落地、可运行、可监测、可拓展的监测模型，可结合客户需求按照模型开发生命周期进行模型的定向研发，并由咨询系统一体化落地团队利用成熟的监测管理系统和创新模型研发工具，可为客户提供从模型的场景分析到研发落地的完整解决方案。

德勤：银行业金融机构智能非现场监测体系建设（12页）.pdf

相关报告