作為2015年和2016年的重點(diǎn)話題，大數(shù)據(jù)在成為資本市場風(fēng)口的同時(shí)，也上升到了國家戰(zhàn)略層面。國務(wù)院在《推進(jìn)普惠金融發(fā)展規(guī)劃（2016～2020年）》中直接提到，“鼓勵(lì)金融機(jī)構(gòu)運(yùn)用大數(shù)據(jù)、云計(jì)算等新興信息技術(shù)，打造互聯(lián)網(wǎng)金融服務(wù)平臺(tái)”。于是，國內(nèi)外各金融與類金融機(jī)構(gòu)紛紛上馬大數(shù)據(jù)應(yīng)用，希望可以借此帶來技術(shù)上的突破、提升獲客能力、升級(jí)風(fēng)控體系、探索新型態(tài)基于場景化的消費(fèi)金融市場，一夜之間，大數(shù)據(jù)仿佛成了突破現(xiàn)有發(fā)展瓶頸的萬能靈藥。

對(duì)金融行業(yè)來講，大數(shù)據(jù)“大”在哪？要理解這個(gè)問題，需要和傳統(tǒng)數(shù)據(jù)做個(gè)比較。只有從本質(zhì)上區(qū)分它們的不同，才能更好地理解和更有針對(duì)性地應(yīng)用這一寶貴的新資源。

傳統(tǒng)金融機(jī)構(gòu)，在建設(shè)信用風(fēng)險(xiǎn)打分模型的數(shù)據(jù)來源主要有幾個(gè)方面：第一，人民銀行征信中心數(shù)據(jù)；第二，客戶自己提交的外部個(gè)人財(cái)力證明數(shù)據(jù)，如房產(chǎn)證、汽車行駛證、單位開具的收入證明等；第三，金融機(jī)構(gòu)或集團(tuán)內(nèi)部積累的客戶歷史數(shù)據(jù)，如銀行的工資流水，歷史貸款數(shù)據(jù)，保險(xiǎn)數(shù)據(jù)等。傳統(tǒng)數(shù)據(jù)優(yōu)點(diǎn)是這些數(shù)據(jù)和金融的價(jià)值相關(guān)性高、數(shù)據(jù)采集規(guī)范。金融機(jī)構(gòu)基于這些高價(jià)值數(shù)據(jù)，紛紛設(shè)計(jì)出各種信用風(fēng)險(xiǎn)評(píng)分模型，最終實(shí)現(xiàn)對(duì)客戶信用風(fēng)險(xiǎn)的打分評(píng)估，是目前較為成熟的運(yùn)行方式。

但這樣獲取的信息，其缺點(diǎn)也是顯而易見的，主要表現(xiàn)在維度較小，覆蓋的人群有限，對(duì)于新形態(tài)的互聯(lián)網(wǎng)模式適應(yīng)程度較差，也不容易達(dá)到普惠覆蓋的目的。

在互聯(lián)網(wǎng)時(shí)代，客戶信息的獲取渠道更加多元化，主要包括內(nèi)部收集和外部渠道，內(nèi)部收集指各互聯(lián)網(wǎng)生態(tài)體系內(nèi)，長期積累的用戶數(shù)據(jù)。外部渠道則是指各種數(shù)據(jù)源采集，如通信數(shù)據(jù)、社保數(shù)據(jù)、法院失信數(shù)據(jù)、交通數(shù)據(jù)、保險(xiǎn)數(shù)據(jù)等等。

大數(shù)據(jù)的誕生正好契合了互聯(lián)時(shí)代的要求。大數(shù)據(jù)的“大”，首先體現(xiàn)在數(shù)據(jù)體量上，首先是指大型數(shù)據(jù)集，一般在10TB規(guī)模左右，但在實(shí)際應(yīng)用中，很多企業(yè)用戶把多個(gè)數(shù)據(jù)集放在一起，已經(jīng)形成了PB級(jí)的數(shù)據(jù)量；其次是指數(shù)據(jù)類別大，數(shù)據(jù)來自多種數(shù)據(jù)源，數(shù)據(jù)種類和格式日漸豐富，已沖破了以前所限定的結(jié)構(gòu)化數(shù)據(jù)范疇，囊括了半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)；第三是數(shù)據(jù)處理速度快，在數(shù)據(jù)量非常龐大的情況下，也能夠做到數(shù)據(jù)的實(shí)時(shí)處理。

基于以上幾點(diǎn)，大數(shù)據(jù)特征反映在如下方面，第一，數(shù)據(jù)覆蓋面廣。各大互聯(lián)網(wǎng)集團(tuán)，通過各種APP采集積累了用戶行為各方面的數(shù)據(jù)，如搜素歷史數(shù)據(jù)、電商交易數(shù)據(jù)、支付交易數(shù)據(jù)、社交數(shù)據(jù)，以及各種APP采集的用戶行為數(shù)據(jù)等等。第二，大量非結(jié)構(gòu)化的破碎數(shù)據(jù)導(dǎo)致的數(shù)據(jù)不很準(zhǔn)確。數(shù)據(jù)采集渠道的多元化和非標(biāo)準(zhǔn)化，隨之帶來的問題就是，客戶信息不很準(zhǔn)確，同一客戶不同維度的信息經(jīng)常不完整或匹配不上。第三，數(shù)據(jù)來源不穩(wěn)定。不少大數(shù)據(jù)采集通過灰色渠道收集個(gè)人隱私數(shù)據(jù)，數(shù)據(jù)連續(xù)性和可持續(xù)性欠佳，往往有數(shù)據(jù)過時(shí)或缺失問題。第四，消費(fèi)數(shù)據(jù)和信用數(shù)據(jù)關(guān)聯(lián)性弱。

由此可見，大數(shù)據(jù)所謂的“大”，并非如傳說中的那樣能包治百病。隨著傳統(tǒng)數(shù)據(jù)源局限的被打破，社交數(shù)據(jù)、企業(yè)內(nèi)容、交易與應(yīng)用數(shù)據(jù)等新數(shù)據(jù)源的興起，企業(yè)愈發(fā)需要有效的信息分析處理能力來確保其真實(shí)性及安全性。如同原油需要經(jīng)過層層的提煉，才能成為人類可以大量應(yīng)用的石油產(chǎn)品，大數(shù)據(jù)也需要經(jīng)過精心的篩選和應(yīng)用設(shè)計(jì)，才能起到實(shí)質(zhì)的功效。

盡管市場上常見的大數(shù)據(jù)機(jī)構(gòu)收集了各種維度的客戶行為信息，試圖描繪客戶畫像，但消費(fèi)類的數(shù)據(jù)和客戶信用風(fēng)險(xiǎn)以及還款意愿并不直接相關(guān)。目前的大數(shù)據(jù)公司往往缺少內(nèi)部征信數(shù)據(jù)、外部征信數(shù)據(jù)、個(gè)人資產(chǎn)數(shù)據(jù)等強(qiáng)金融變量數(shù)據(jù)，而集中在客戶衣食住行和社交信息，要直接拿來作為信用風(fēng)險(xiǎn)評(píng)分模型的有效性依舊有待考驗(yàn)?？紤]到大數(shù)據(jù)和傳統(tǒng)金融數(shù)據(jù)的差異性和互補(bǔ)性，所以更多的應(yīng)該是如何通過模型的設(shè)計(jì)和提煉，使得這些大數(shù)據(jù)源經(jīng)過提煉，可以從原油變成成品石油般廣為應(yīng)用。

“大數(shù)據(jù)”的概念其實(shí)是涵蓋了人們?cè)诖笠?guī)模數(shù)據(jù)的基礎(chǔ)上可以做的事情，而這些事情在小規(guī)模數(shù)據(jù)的基礎(chǔ)上是無法實(shí)現(xiàn)的。換句話說，大數(shù)據(jù)讓我們以一種前所未有的方式，通過對(duì)海量數(shù)據(jù)進(jìn)行分析，獲得有巨大價(jià)值的產(chǎn)品和服務(wù)，或深刻的洞見，最終形成變革之力。