金融科技与人工智能在现代风控体系中的应用与实践

可选交付版本

不同版本会按参训对象、课时长度和案例深度做取舍，最终课纲以需求沟通后的方案为准。

金融科技与人工智能在现代风控体系中的应用与实践推荐版本

适合作为默认学习方案，完整覆盖本课程的核心目标、主要模块和实操安排。

金融科技与人工智能在现代风控体系中的应用与实践（金融行业版）金融行业版

面向金融行业业务场景，对案例、风险点或实操模块做行业化适配。

适合对象

集团及下属公司风控、业务骨干及核心管理人员

课程定位

任务场景、提示词设计、输出校验和风险边界会被放进具体任务里校准，便于参训团队形成同一套做法

课程适配与选型边界

这部分用于判断《金融科技与人工智能在现代风控体系中的应用与实践》是否适合当前培训需求，重点看对象、场景、模块和讲师匹配度

适合对象

集团及下属公司风控、业务骨干及核心管理人员

业务问题

本课程围绕《金融科技与人工智能在现代风控体系中的应用与实践》提供多个交付版本，便于企业根据培训对象、授课时长和场景重点选择合适方案

训练重点

课程内容重点包括宏观视野与基础认知：金融科技浪潮下的风险管理新范式、回顾P2P行业的兴衰，探讨其在风控技术应用上的经验与教训、贷前准入与反欺诈：AI赋能下的精准排雷等，实际取舍可按企业需求和课时安排确认

选型判断

建议结合参训对象基础、当前业务场景、期望课时、讲师经验，由桑弘华主讲来判断是否匹配

本页承接单门课程的对象、讲师、大纲、收益和咨询转化；如果用户仍在了解主题概念，应优先进入主题页、方案页或知识页；如涉及工具、模板或清单，仅作为需求沟通方向，具体交付形式以确认后的课程方案为准

核心收益

先确认政策口径、现场约束和责任边界，让训练目标更具体
宏观视野与基础认知：金融科技浪潮下…和回顾P2P行业的兴衰，探讨其在风控…会被串成一组可练习的合规落地
处置动作更具体：规则解读、问题分级和协同处理检查方法是否适合团队日常任务

查看更多收益收起更多收益

留痕复盘有依据：AI赋能下的精准排雷相关的试点清单、检查点和下一次复盘安排

课程背景与交付信息

在数字经济浪潮与国家新基建战略双重驱动下，金融科技（FinTech）正以前所未有的深度与广度重塑金融行业生态。人工智能、大数据、云计算等核心技术不再是遥远概念，而已成为驱动金融机构降本增效、优化服务、严控风险的核心引擎。对于四川能投金鼎这样以小贷、担保、租赁、供应链金融、保理为核心业务的产融控股集团而言，如何有效利用金融科技，特别是企业级AI应用，构建主动、智能、全面的现代化风险管理体系，已成为应对激烈市场竞争、防范化解新型金融风险、实现高质量发展的关键所在

本课程正是在此背景下，为集团量身打造，旨在赋能一线风控与业务人员，将前沿科技转化为实实在在的风控生产力

课程时间

1天，6小时

授课方式

实战讲授、案例分析、视频赏析、小组讨论

课程内容重点

01宏观视野与基础认知：金融科技浪潮下的风险管理新范式

02回顾P2P行业的兴衰，探讨其在风控技术应用上的经验与教训

03贷前准入与反欺诈：AI赋能下的精准排雷

04贷中监控与预警：AI驱动的动态风险雷达

课程大纲

宏观视野与基础认知：金融科技浪潮下的风险管理新范式 (1.5小时)

1.1 数字化转型浪潮：金融行业的危与机

1.1 宏观政策解读：从数字中国到金融信创，政策如何驱动行业变革
1.2 市场竞争格局：传统金融、互联网巨头与地方金控的三国杀
1.3 风险形态演变：从传统信用风险到数字时代的操作、欺诈与模型风险
案例分析：回顾P2P行业的兴衰，探讨其在风控技术应用上的经验与教训

1.2 揭开AI的神秘面纱：金融风控核心技术概览

2.1 大数据：风控的原材料——内部数据、外部数据与另类数据价值解析
2.2 机器学习：风控的智能大脑——通俗解读监督学习（如逻辑回归、XGBoost）与非监督学习（如聚类分析）
2.3 知识图谱：洞察关联风险的天网——在团伙欺诈、隐性担保链识别中的应用
2.4 自然语言处理（NLP）与机器人流程自动化（RPA）：提升审核与贷后效率的左右手

1.3 蓝图展望：构建数据驱动的智能风控体系

3.1 从人防到人机结合：智能风控体系的核心理念与架构
3.2 全流程覆盖：贷前、贷中、贷后各环节的智能化升级路径
3.3 闭环迭代：模型如何通过持续学习实现自我优化（活的风控系统）

贷前准入与反欺诈：AI赋能下的精准排雷 (1.5小时)

2.1 智能获客与客户画像：从大海捞针到精准滴灌

1.1 客户画像（Customer Profile）构建：如何整合多维度数据（工商、司法、税务、供应链数据等）为企业精准画像
1.2 营销模型应用：基于客户画像，预测潜在优质客户，提升业务拓展效率

2.2 智能授信审批：构建动态、多维的信用评估模型

2.1 传统信审的痛点：依赖三张表、抵押物和人工经验的局限性
2.2 机器学习评分卡模型：如何选取特征变量、训练模型，并实现自动化审批
2.3 差异化风险定价：基于模型评分，实现千人千面的额度与利率策略

2.3 智能反欺诈：道高一尺，魔高一丈的攻防战

3.1 欺诈风险识别：个人欺诈（身份冒用、资料作假）与团伙欺诈（中介包装、关联套贷）的常见手法
3.2 技术防范手段：设备指纹、生物识别、IP画像等前端技术应用
3.3 知识图谱实战：如何利用图数据库技术，挖掘看似无关个体间的隐藏关联，精准识别欺诈网络

贷中监控与预警：AI驱动的动态风险雷达 (1.5小时)

3.1 从静态到动态：贷中监控的价值与挑战

1.1 为何需要动态监控：企业经营状况瞬息万变，静态授信报告的保质期有多久？
1.2 贷中监控的数据源：如何整合企业经营、司法诉讼、网络舆情、支付结算等多维动态数据

3.2 构建智能预警体系：让风险开口说话

2.1 预警指标体系设计：结合业务特点，设计可量化的风险预警指标（如现金流异动、法人变更、负面舆情等）
2.2 机器学习预警模型：通过训练历史违约样本，让模型自动识别风险前兆
2.3 预警信号的分级与处置：如何设定不同级别的预警，并匹配相应的处置流程（关注、核查、介入）

3.3 行业场景化应用

3.1 供应链金融：监控核心企业履约能力及上下游交易数据的真实性与连续性
3.2 融资租赁：利用物联网（IoT）技术，实时监控租赁物（如车辆、大型设备）的位置、工时等状态，防止资产失控

贷后管理与未来展望：AI提升资产管理效率与组织变革 (1.5小时)

4.1 智能催收与不良资产处置

1.1 智能分案：根据客户逾期账龄、还款意愿预测模型等，将催收案件智能分配给最合适的渠道（短信、AI语音机器人、人工坐席）
1.2 AI语音机器人（Voicebot）：在M1阶段进行标准化、高效率的电话提醒与催收，解放人力
1.3 不良资产定价预测：利用AI模型预测不良资产包的回收率，为资产转让或处置提供决策依据
讨论：某头部消费金融公司如何通过AI催收策略，将M1回收率提升了X个百分点

4.2 AI风控的落地挑战与应对策略

2.1 数据治理：如何破解数据孤岛，提升数据质量？
2.2 人才培养：风控与业务人员需要具备哪些新技能（懂业务的技术与懂技术的业务）？
2.3 模型风险与黑箱问题：如何确保模型的公平性、可解释性与合规性？
2.4 组织架构协同：如何推动技术、风控、业务部门的深度融合？

4.3 总结与行动计划：迈向智能风控的第一步

3.1 实施路线图建议：从数据基础建设，到试点项目落地，再到全面推广的三步走策略
3.2 开放式研讨：结合能投金鼎的实际情况，学员分组讨论，选择一个具体业务场景，设计一个AI风控应用的初步方案
3.3 Q&A互动与课程总结

讲师介绍

桑弘华

产业运营与资本运作专家

产业运营与资本运作专家。深企投产业研究院高级顾问，17年资本与产业运营实战经验。专注产业园规划招商、企业资本运作及宏观经济分析，累计授课500余场，服务上千家政府与企业单位。可结合宏观经济与战略方向补充授课视角，聚焦宏观经济分析、政策解读

政府国企金融银行电力能源通信制造业房地产

查看讲师主页

课程常见问题

这门《金融科技与人工智能在现代风控体系中的应用与实践》适合哪些企业或学员？

适合集团及下属公司风控、业务骨干及核心管理人员。如果需求还停留在主题了解阶段，建议先看相关主题或方案页；如果已经在选具体课程，本页可用于判断讲师、对象、大纲和交付安排

这门课主要解决什么问题？

本课程围绕《金融科技与人工智能在现代风控体系中的应用与实践》提供多个交付版本，便于企业根据培训对象、授课时长和场景重点选择合适方案。课程页重点说明单门课程的训练重点和适配场景，不替代主题页对风险控制的系统解释

课程内容通常会覆盖哪些训练重点？

可重点查看页面中的课程内容重点和课程大纲。本课程当前呈现的核心模块包括宏观视野与基础认知：金融科技浪潮下的风险管理新范式、回顾P2P行业的兴衰，探讨其在风控技术应用上的经验与教训、贷前准入与反欺诈：AI赋能下的精准排雷等

如何判断这门课和同主题其他课程怎么选？

优先比较参训对象、行业场景、讲师背景、案例方向、课时长度和大纲深度；同一主题下的多门课应承担不同选课意图，避免只按泛主题词判断

课程是否一定提供工具、模板或清单？

页面中如提到工具演练、清单或模板，只表示培训沟通时可确认的方向，不默认承诺固定交付物；最终以企业需求沟通后的课程方案为准