近二十年來，信用風險問題已躍升為全球金融穩定的首要議題，更是威脅金融機構存續的殺手。1990年初期日本金融泡沫破滅，1997年東亞通貨貶值危機，以及2007年下半年掀起全球金融海嘯的美國次級房貸危機，對經濟、金融和企業經營造成重大傷害；時至今日，日本經濟仍深陷「失落二十年」的泥沼，至今無舒解現象，而美國次級房貸危機的殺傷力更令人觸目驚心，國際知名的大型金融機構如：花旗、高盛、美國國際集團(AIG)、美林、貝爾斯登投資公司、法國最大的巴黎銀行等受損慘重，發生財務危機，須接受政府紓困解危，百年歷史的雷曼兄弟公司更淪落到破產地步，後續影響仍未止歇，金融海嘯至今，美國已有268家銀行倒閉，顯示「風控為王」的重要性。

金融危機發生的共通點均是由個體企業的連串違約、倒閉，造成金融機構呆帳的遽升，最終引爆更可怕的金融災難，金融機構無可避免地成為最大承受者。預防金融災難之道就是建立一套可靠的企業信用預警系統，隨時偵測及掌握企業的債信變化，過濾高風險族群，確保金融機構授信資產品質的安全可靠。
企業信用預警模型早在1929~1933年美國經濟大恐慌期間就受到重視與開發，Basel II更強調金融機構風控的重要性。隨著統計方法的進步，預警模型呈多元化，常見的有四種模型：(1)以財報資訊維分析工具的財務預警模型，實務應用的有區別模型、機率迴歸模型最為普及；(2)KMV選擇權定價模型，具理論邏輯，但準度是大問題；(3)具有人工學習的類神經網路，只有預警結果，無實際參數產出，可用性低，以及(4)國際三大信評(S&P、Moody’s、Fitch)的半財務半專家的評估體系；但從國際金融不時出現危機，這些預警系統常未能洞察風險，事前發揮預警效果，準確度不夠即時與實用性偏低，以致風險性標的演變成重大事件時，蓋顛鋪地的金融災害就爆發出來。
要降低金融災害，就需一個良好的預警模型需，模型本身應具備：高區別率與低統計誤差，能準確篩選高風險企業，發揮預警效果，同時又能篩選出優質企業，讓金融授信政策能兼顧景氣繁榮時擴張與獲利的好處，以及景氣緊縮時的資產品質而不致受到太大傷害。
個人在企業債信與風險的評估已有十餘年成功經驗，所建立的預警模型，預測準度卓越。以台灣上市櫃企業的預測與驗證為例，從1997起至2008年期間，累計發生了200起違約事件，成功地預測到其中191家的地雷企業，準確率高達95.73%，即便是資訊相對較少的公開發行公司，也展現同樣精準的預測成效，在同期間國內有151家企業爆發違約，於事前成功地預測其中的145家，準確度仍高達96.03%，遠優於現有的任何已知模型，過濾相當可觀的風險，堪稱最佳信用風控預警系統。一套優良的預警系統應用範圍廣泛，提供金控、金融、創投、證券等信用風險的控管與國際化業務的輔助與支援：
1.授信客戶的選擇：針對具備財務資訊的企業進行全面性的償債能力評估，瞭解全體受評企業的財務體質與風險高低，有助於選擇取捨目標客戶，在風險最小下，將資金做最有效的配置；
2.貸後管理的強化：針對授信客戶於每一發布財務資訊的時點(如：每季)，進行動態的信用評估和追蹤，汰弱留強，有效強化貸後授信管理與降低授信風險，確保資產品質；
3.聯貸業務的推廣：主動對所有上市櫃、興櫃與公開發型企業等台灣較大型企業進行風險評估，全盤了解其信用狀況及償債能力，選擇優質企業，參與聯貸案；
4.公司債券買賣與國內外企業的投資：可將企業區分為優質與高風險企業二大族群，提供優質企業標的，俾便創投資金或長期投資的選擇；
5.信用卡業務的推廣：挑選優質企業，並針對這些優質企業的員工，以專案優惠方式推廣信用卡業務，開發低風險的新消費客源；
6.國際金融業務的推動：國銀國際化業務的受限，普遍被認為資本過小，但其實是對國際客戶債信的不了解，而躊躇在不確定的風險，不知所措，是國銀未能跨出國際化的根本原因；藉由此風控系統可瞭解國際客戶的風險程度，挑選優質企業，進行各種金融業務，有效推動國際化業務的進行。；
應用財報大數據分析，將建置的良好預警模型推廣至金融受信、投資機構使用，降低風險，確保營用果實，是我們努力的目標。