若是说第一代的信贷治理系统重要是贷前，，贷中，，贷后的流程化的贷款全性命周期治理系统，，第二代的信誉风险治理系统是基于结构化数据的利用蕴含内评系统，，打分卡之类的线性建模系统的风险治理系统，，那大数据时期的第三代信誉风险治理系统必须具备以下两个前提：：
1. 同时处置结构化和非结构化数据（异构数据）的能力；；；
2. 利用非线性模型进行风险和行为建模的能力。。
下图论述了大数据时的第三代信誉风险治理系统的重要组成：： 大数据=AI+BI+建模
大数据时期新一代信誉风险治理系统是通过传统的贸易智能（BI）工具分析银行内部的结构化数据，，加上央行征信数据（结构化数据），，利用人为智能（AI）算法（例如天然说话处置 NLP）来解析各类同信誉风险有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进行风险建模，，实现提前预判和阻止不良贷款产生的成效。。
搭建一个壮大有效的人为智能 AI 平台必要具备以下三个必要前提：：
1. 合法靠得住的数据源：：在大数据时期，，仅仅依附传统的银行内部数据和央行征信数据显然是不够的；；；但是在浩繁芜乱无章的外部数据之中遴选出不涉及任何隐衷数据，，并且又同信誉风险有关的数据源极度重要。。
2.必要拥有丰硕编写 AI 算法经验的数据科学家，，利用网络深度学习的步骤搭建人为智能平台对海量非结构化外部数据进行处置。。
3.此点往往被人忽视：：机械学习是让机械来学习专家，，但是这个专家必须具备能把专业知识量化成 AI 科学家可能理解的说话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。。
依赖一个壮大的人为智能平台，，内外部的异构数据能够集中统一地参加到建模之中，，最后搭建成一套齐全的贷款全性命周期新一代信誉风险治理系统.
