以下为演讲精华：

零售企业风险管理体系的发展，目前经历了四个阶段。

第一阶段是以风险为中心的策略，它以评分数据驱动的模型。第二阶段是多维度策略，即在第一阶段的基础上引入更丰富的指标。第三阶段是是数据驱动策略，使用数据化模型，是的管理更加精细和全面。第四个阶段是决策建模和优化策略，企业利用低代码的平台、风控平台或者是数字化建模的平台，以期在复杂多变的环境中找到最优的决策。

对于一个企业来说对风险管理的期望，包括预知风险、风险识别、降低风险、保护品牌和快速决策。

我们怎么样运用科技的手段提高企业风险管理的水平？第一是海量的数据。通常情况下，一家企业所有的系统端口至少30到40个，我们现在运用的系统能不能把所有的后台端口全部对接到公共平台上去，这就需要海量的数据。第二是风险分析。企业防损或合规团队需要做到人尽其用，以最小的代价管控企业内控的风险。第三是风险应对。缩短风险发现的时间，要求我们实时风险监控的变化。第四是更智能化的工作平台。这个平台需要把内控、内审、合规、监察等所有工作嵌入，形成一个“线上+线下”风险挖掘的模块，通过底层数据打通实现与公司其他的系统对接，形成风险的自动识别。

目前我们在整个行业里面，在风险管理方面经常用到技术包括人工智能、机器人流程自动化、社交媒体分析、生物识别技术、云计算、区块链、物联网等等。下面具体分析6种常用的技术：

低代码平台的使用非常简单，只需要稍微懂一点点IT技术的员工，就能够自主把低代码平台嵌入到平台上；低代码平台的另一个优势是成本低，一个低代码平台花费大概20万左右，基本上能够实现内控内审合规所有工作。

它在很多的食品行业中运用，可自动触发自动识别，生成数据看板后上传总平台。过往我们的做法通常是人工巡店，甚至请了第三方公司巡店；现在我们用了AI智能监控，只需把所有工作逻辑放入，系统就会自动识别。

大数据分析技术兴起于5年前，包括现在为止大家常用的大数据分析的手段，包括BI、Python、Tableau、Alteryx等等。它能高效处理大规模海量数据，，识别和分析潜在风险因素，为风险管理工作提供更全面的风险视角。

我们梳理业务流程、判断依据，让机器人学习，并通过历史数据对其进行反复训练，形成固有模块，监察人员就可以导出这些模块的数据进行分析和识别。

用电脑软件模拟人的操作，将重复性、标准化的工作流程实现自动化，减少了人工干预，同时对业务流程进行全面监控和管理，降低出错率。

AI与底层数据打通，工具和场景高度贴合，不断模拟和调优，通过AI助理模式形成智能的问答、数据统计与分析、图表制作、知识检索等。

“AI不再是未来的科技，它已经是现在的科技。”科技赋能后，企业风险管理发生很大的变化，但是AI是我们必须面对的问题。未来，我们也会继续尝试与其他公司合作，探讨怎样能将AI技术更好地切入到风险管理的工作中。