打造“分层共享+多元融合+公众参与”的智能化风险信息共享平台，打破层级、部门、关区、领域的壁垒，实现内外部风险资源的互通，为厚数据模型的个性化分析提供数据支持。借助云平台，建立海量、动态、多元的“风险信息池”，丰富非结构化信息的种类，建立文本图像分析机制，构建多样化信息框架。使风险信息的外延不断延伸，视角向整个物流链条拓展。情报信息系统分为海关、其他政府部门、社会、专家智囊团四个层面，将外部信息资源作为内部信息资源的有益补充。开展自动采集、定向采集及个性化采集，提高信息采集智能化水平。如图2所示。
5．3“由企及企”，释放海关风险管理新活力
在海关风险管理的思维中，是以绝大部分企业都是守法的，仅有小部分企业容易发生违法行为为基础的，而海关的职责就是找出已经违法的企业和有潜在风险的企业。所以我们需要把目光聚焦在企业上，而不是物品上，将传统的“由企及物”思想转变为“由企及企”，建立企业行为模型。首先，通过“厚数据”模型筛选出高风险企业。其次，根据企业基本情况再建企业风险模型。最后，根据企业后续的申报行为及违法行为完善模型。在这个方面，美国的COMPAS人工智能值得我们借鉴。在美国，如果犯罪进了监狱，COMPAS就会接管罪犯的个人数据。入狱者填写一份个人情况调查问卷，综合犯罪的严重程度，COMPAS会计算出一套“未来罪犯”的评分机制，预测其未来再次发生违法行为的概率、地点及形式。
5．4建立“海关风险管理厚数据模型”
海关还可与专业的人工智能公司签署合作备忘录，聘请技术顾问与海关风控中心专家合作，筛选出第一批高风险企业，建立起第一代风险企业行为模型。日后的完善调整，均以第一代模型做基础，所以第一代样本对象的确定十分关键。各现场海关可将各自数据发送到风险防控中心进行专业评估，再结合各现场实际情况进行数据完善，做合理的参数调整，建立模型后在不断的互动中预测风险，实现“以企管企”的风险管理模式。算法运行初期可以重点预测企业高风险行为发生的“概率”，中期重点预测高风险行为发生的“地点”，后期达成企业高风险行为发生的精准预测。如此，建立在厚数据思维模式下的我国风险管理水平必将很快实现从“粗线条预测”到“精确化查处”，再到“定制化提醒”的飞跃，为我国海关风险管理水平再上台阶而做出其应有贡献。
参考文献：
［1］钱锦．我国海关风险管理发展趋势研究［C］.海关风险管理论文汇编集,2016．
［2］段景辉．海关风险管理分析与评价方法［J］.上海海关学院学报,2012（3）．