阿里巴巴：代表產品芝麻徵信，主要使用的資料包括淘寶的電商交易資料、螞蟻金服的金融資料、公共機構資料、合作伙伴資料、個人提交資料，基本涵蓋了信用卡還款、網購、轉賬、理財、水電煤繳費、租房資訊、社交關係等。

騰訊：代表產品騰訊信用，主要使用資料包括社交網路資料，遊戲資料，比如線上、財產、消費、社交等資料。

傳統金融機構：如鵬元、中誠信等公司，主要還是基於自身的金融資料，如交易資料，轉賬資料，等

新型大資料公司：如集奧，他們本身並不生產資料，透過與外部合作，接入了包括微博社交資料、運營商資料，金融資料等相關資料；

另外，還要運營商：他們資料包括個人身份資料、消費資料、社交資料、終端資料、通話資料、上網資料，位置資料等等，相對比較全面，但利用比較低。詳細瞭解可見前期寫的文章《極簡瞭解電信運營商的資料資產》

網際網路海量大資料中與風控相關的資料

電商類網站大資料：阿里、京東、蘇寧等；

信用卡類網站大資料：我愛卡、銀率卡等；

小貸類網站大資料：人人貸、信用寶等；

支付類網站大資料：易寶、財付通等；

生活服務類網站大資料：平安一賬通等...

在進行資料處理之前，對業務的理解、對資料的理解非常重要，這決定了要選取哪些資料原料進行資料探勘，在進入“資料工廠”之前的工作量通常要佔到整個過程的60%以上。

在資料原料方面，越來越多的網際網路線上動態大資料被新增進來。例如一個虛假的借款申請人資訊就可以透過分析網路行為痕跡被識別出來，一個真實的網際網路使用者總會在網路上留下蛛絲馬跡。對徵信有用的資料的時效性也非常關鍵，通常被徵信行業公認的有效的動態資料通常是從現在開始倒推24個月的資料。

將各種各樣的資訊整合起來，透過創新和技術的力量構建一個有公信力的信用資料庫，將會成為傳統徵信體系的重要補充，並利用數學運算和統計學的模型進行分析，使得網際網路金融機構能夠從中獲得客戶的信用評級和風險訊號。央行放開個人徵信市場對於規範發展徵信市場，服務實體經濟具有積極意義。不過大資料徵信模式的難點在於，資訊過多引起的資料雜亂，整合多方資料困難，且資料相關性分析需要較長時間和實踐來檢驗，短期內信用評價資料精準性較低。

神州融大資料風控平臺率先與眾多徵信機構對接，整合了國內權威的第三方徵信機構和電商平臺等信貸應用場景的3000+維度的鮮活大資料，並透過貸款使用者充分授權和合規徵信服務流程，及採用全球最優秀的決策引擎工具Experian SMG3，幫助小微金融機構實現全信貸生命週期的風控管理和最佳化。

相比原有的央行徵信系統，大資料的充分運用無疑是一場金融業的技術革命，將深刻影響未來國內金融行業的發展。隨著中國民間徵信市場的放開，越來越多的機構進入這一領域，大資料重塑金融業的趨勢與格局將越來越明顯。

大資料徵信存在先天缺陷。首先，重要的不是演算法，而是資料。無論大資料徵信機構的演算法多麼牛逼，只要沒有掌握和信用強相關的資料，就無法給出靠譜的徵信報告。網路上的資料很多，但和信用八竿子打不著。其次，信用包括兩個方面，還款能力、還款意願。透過電商消費記錄，可以間接推斷其還款能力，但是還款意願怎麼判斷呢？企業信用主要看還款能力，個人信用主要看還款意願。美國之所以能做大資料徵信，是因為有長期的資料積累和健全的法治環境。至於中國，大資料徵信機構想法是好的，可惜巧婦難為無米之炊。包括騰訊、阿里，雖然掌握海量資料，但是這些資料和信用是弱相關的。如果有一天，淘寶花唄、京東白條額度超過銀行信用卡額度，大資料徵信就算是站住腳了。

傳統信用評估模型是根據一個人的借貸歷史和還款表現，透過邏輯迴歸的方式來判斷這個人的信用情況。而大資料徵信的資料來源則十分廣泛，包括電子商務、社交網路和搜尋行為等都產生了大量的資料。

大資料徵信特點：資料主要來自網際網路各大平臺，使用網際網路技術抓取或介面合作獲取徵信資料，資質再好一點的企業可以申請接入央行徵信。目前國內比較多的就是支付寶跟騰訊兩個徵信平臺。

阿里巴巴：代表產品芝麻徵信，主要使用的資料包括淘寶的電商交易資料、螞蟻金服的金融資料、公共機構資料、合作伙伴資料、個人提交資料，基本涵蓋了信用卡還款、網購、轉賬、理財、水電煤繳費、租房資訊、社交關係等。

騰訊：代表產品騰訊信用，主要使用資料包括社交網路資料，遊戲資料，比如線上、財產、消費、社交等資料。