从我们角度来看，监管科技需要什么？——第一具有丰富的数据资源；第二具有长期的工程经验；第三有深刻的业务理解，另外有管理和技术的相互理解。

　　首先看数据，数据涉及的面比较广，可能会有互联网数据，也有政府部门的数据，也有企业的数据，也有管理数据等等。如果数据有缺失，可能会导致其他方面的问题，可能会应该监管科技的发展。

　　第二，丰富的工程经验，这里边有监管科技1.0，有监管科技2.0。监管科技工程和科研有很大区别：工程主要目的是落地，比如科研，科研就是研究发布一些东西，研究研究离合器一些关键点就可以了，占百分之二三十就可以了，但是工程的话，不仅工程，还需要把技术含量，如果没有的话就是不可用的工程。第二，工程以解决实际的问题为导向，重在实现监管功能。或者我们解决问题，出于对兴趣的研究。第三，工程经验建设的条件都是在约束条件下尽力而为的，现有条件下实现效果最优，以及达到最好的目标。

　　第三，深刻的业务理解，用在监管领域，各个业态的模式，一些关注点，风险点要有比较深刻的了解。

　　第四，管理和技术的相互支撑，管理和技术也会发挥效果，也是一个很大的方面。这里边需要管理和技术有一个非常密切的沟通配合。因此对使用者就产生了四点要求：

• 第一个需求是理解技术边界。理解技术边界我们发挥的作用，实现监管目标需要提供相对应的资源条件，现有资源条件约束下只能实现对应的监管目标。

• 第二个是共同规划系统，监管部门需和技术部门共同提出监管需求，规划监管功能评价实施效果。

• 第三个是积极使用系统，如果一个系统框架特别完善的话，都有系统由不成熟向成熟过渡的，然后期间需要使用者积极使用，促进系统完善。但是只要用起来，大家就会讨论了。

• 第四个是持续的投入，监管科技是一项长期工程，需要持续的资金投入和经验积累，不可能一蹴而就的，而且监管也需要更多的技术优化。

监管科技面临的挑战，大概列了几个。

　　第一是数据的汇聚的挑战，相应的数据分布比较散，可能掌握了一部分数据，客观上也影响了监管的效果，这里边也列举了一些内容。

 

　　第二就是数据的质量，比如说企业上报的数据，还有篡改数据和隐而不报的情况。还有一个是监管数据量庞大且复杂，维护更新一旦不及时，容易带来数据的滞后。

 

　　第三是海量非结构化的数据，我们创业面临海量的数据，包括图片信息识别，大量形式各异网站等等这是非结构化的。

 

　　最后是理性认识监管科技。一，在资源条件能够满足的情况下，监管科技能够完成甚至超预期完成目标，我们认为预期达到非常好效果的。二，在一定的条件约束下监管科技是一个持续逼近结果问题目标的过程。