为了提升贷款审批效率，强化信贷风控管控能力，我国的银行业金融机构普遍建立了智能风控平台，借助大数据、人工智能等技术，提升贷前审批、贷中监测以及贷后管理的自动化程度。但随着信贷对象的扩展、信贷渠道的增加、信贷场景的多样化，金融机构普遍面临以下信贷风控难题：

1.风险评估不全面

传统的信贷风控决策平台采集数据的维度有限，对第三方数据的管理不够精细，一则无法整合内外部的数据，通过多维度的数据分析准确完成风险评估，二则无法实现对数据的按需调用，风险评估的效率难以保证。

2.策略优化效率低

传统的信贷风控决策平台的可视化、模块化、定制化水平不高。业务人员新增风控规则、调整风控指标时，经常需要技术人员、甚至开发商的支持，导致风控规则无法快速上线、持续迭代，影响了风控效果。

3.风控指标难确定

风控指标的确定是信贷风控的核心环节。传统信贷业务系统的风控指标依赖技术人员编码进行策略集的回溯分析，流程长，速度慢，难以支撑风控需求。