亞太地區近年大力發展數碼銀行，認為數碼銀行有望為客戶帶來更優質的服務。德勤發布的《亞太地區數字銀行：能否為金融服務增值？》報告卻發現，數碼銀行面臨網絡、人才與模型風險。
德勤的分析顯示，在亞太地區，無銀行帳戶及銀行服務使用率較低的個人和企業的市場規模，預計在 550 億至 1,150 億美元之間。中小企業獲取金融服務的渠道經常被視為阻礙其發展的主要因素。亞太地區需完善中小企業獲取金融服務的途徑，尤其是後疫情時代的融資渠道。
數碼銀行要成功，運用技術及建立合作關係是關鍵因素。如憑分散式帳本技術及其他技術，數碼銀行可從其股東或合作夥伴獲得可靠數據，例如客戶檔案、行為數據及銷售記錄。此類數據有助數碼銀行了解客戶需求並管理相關風險，同時提高生產力。
基於交易數據和情緒數據而非抵押品和歷史財務報表，從更廣泛的生態系統中獲取數據，能夠幫助訓練人工智能引擎，使其提供新的信貸核保模型。數碼銀行還可以利用其聯盟合作夥伴的銷售渠道及開放式應用程式介面，在銷售點提供即時融資。此類創新將提高中小企業及個人的融資成功率。
但報告認為，數碼銀行在宣揚其技術優先策略的優勢，卻因監管機構在監管合規方面相當嚴謹，也難確保在管理風險的同時保持盈利。其實，從發牌制度、營運地點及其聯盟構成模式，數碼銀行面對的風險也跟傳統銀行類似，只是僅以數碼形式存在，反之數碼銀行極易受到故障停機的影響。妥善處理網絡安全、私隱、數據分享與技術應用等各類風險，才能有效確保客戶體驗及業務連續性，這將是獲得監管機構和客戶信任的關鍵所在。
亞洲監管合規中心中國負責人何思明表示：「監管機構將高度關注數碼銀行如何確保其董事會及管理團隊獨立於其發起機構，並適當管控潛在的利益衝突。此類衝突可能源於發起機構與數碼銀行有金融業務競爭，或與數碼銀行的共享數據及技術條款存在問題。」
除此之外，數碼銀行必須推動團隊協作。在香港，數據顯示 64% 的金融科技公司發現招聘過程困難重重；47% 的公司表示主要挑戰在於缺乏可勝任的金融科技技術人才。另一個問題是技術人員與銀行人員之間存在的觀念差異。數碼銀行需要決定何種專長的團隊組合，並作出戰略部署，以招募具備團隊協作精神的人才。
另外，許多數碼銀行都將採用精益管理模式，高度依賴人工智能、機器學習和數據分析實現流程自動化，並推動制定決策。雖然人工智能和機器學習模型能為數碼銀行創造優勢，同時也會帶來模型風險。模型失敗將對銀行造成負面影響，如財務損失、營運失誤、監管違規以及名譽受損等。
何思明補充，在管理私隱、網絡安全、雲運算和業務連續性等風險方面，數碼銀行將面臨許多與現有參與者的挑戰，並且須遵守與其他金融機構相同的監管要求。然而，部分技術風險在本質上不同於傳統銀行所面臨的風險，因此需要採用不同的風險管理方式。數碼銀行在建模策略中採用『聯邦學習（federated learning）』技術是一例。聯邦學習法有助於解決私隱和訊息安全相關監管顧慮，銀行可採用分散式加密系統，在毋須進行任何數據傳輸的情況下整合不同伺服器及不同轄區的數據。數碼銀行可以和其他銀行合作，利用各自的數據集聯合開發小微企業信用評估模型，不僅能提升模型性能，還有助加強對多重貸款申請等問題的了解。