在国内， 金融机构对大数据的应用还基本处于起步阶段，一是因为我国的征信体系不完善;二是国内的用户数据普遍存在获取困难和不精准问题，而传统金融机构缺乏对自身数据的分析处理能力。

大部分互金平台自身所积累的数据，由于体量有限，最多只能称为随机性样本，不具代表性。此外，大部分平台由于缺乏对数据的挖掘建模和分析评估能力，无法得出科学有效的风险计量模型，形成风控手段。

大数据风控在互金行业的机遇与挑战

与国外金融行业相比，中国最大的弱势在于征信体系的不完善。目前央行征信系统覆盖了8亿人，但只有3亿左右的人是有信贷记录的，剩下的都是信用空白人群。但也正是因为这些数量庞大的白户，中国基于大数据风控的土壤相比国外更成熟，更具发展空间。

截至2015年年底，中国网民规模达到6.88亿，互联网的高效性和爆发性使我们能以较低的成本、较短的时间积累大量的用户数据，为分析建模提供足够的样本量。

在这过程中， 互联网金融企业面临的挑战主要有两个，一是数据的不断积累与沉淀;二是高端数据人才的挖掘与培养。

为何要不断积累与沉淀数据?有的企业掌握了一定量的客户信息数据，就以为掌握了大数据，其实大数据风控的核心不在于数据本身，而在于通过足量的数据分析得到的风控模型。只有不断纳入足够的变量，得出的模型才具备充分代表性，不容易出现问题。因此， 互金平台在目前的阶段中，要尽量抓取不同层面的数据，在这个基础上进行综合判断，减少出现误差的可能。

目前在国内金融行业中， 擅长风控数据建模和数据研发的人才少之又少，挖掘和培养具备业务视角和技术能力的复合型人才成为互联网金融企业的崛起之光。相信随着行业的成熟，会有越来越多的高端数据人才加入这个行业，共同实现互联网金融的大数据掘金梦想。

基于样本挖掘和分析，壹诺信用的智能风控系统可以对那些没有完整信用、以前不能被银行很好服务的人进行风险预评估，同时还提供企业和个人信用信息查询等服务。未来，壹诺信用这款信贷管理工具也必将在反欺诈能力、信审等业务环节，搭建一个更高效、更智能、更人性化的大数据风控系统，有效提升平台反欺诈能力、效率，为用户减少资金损失是我们的终极目标。

www.inuol.com