随着1.0的互联网金融向2.0的金融科技升级，能够占领战略制高点的企业，就有机会赢得未来。蚂蚁金服的芝麻信用包括了传统征信数据，同时不断吸纳电商交易数据、用户行为数据等，这些数据通过机器学习算法为其他的交易场景提供了信用查询服务。此外，蚂蚁金服还与其他数据公司合作，比如和中国保信合作（集成了所有公司信息的平台），和医疗行业合作等，不断完善本身的大数据风控能力。如今蚂蚁金服的风控系统对交易从身份、账户、设备、环境、行为、偏好等8个维度进行大数据分析，有数十个模型，上千个风控规则。其他如百度金融也是大力进行大数据基础设施建设，通过大数据与人工智能结合形成用户画像，搭建风控模型，最终朝秒贷的方向努力。再如腾讯微众银行有刷脸认证技术，有跟公安部身份数据匹配的数据。它的大数据汇集了40万亿条数据信息，主要运用社交网络的海量信息，比如在线时长、登录、虚拟财产、支付频率、购物习惯、社交行为等构建线上行为征信报告。

　　除了BAT等金融科技公司，其他的金融科技公司也各显神通，积极进行大数据基础建设，以构建自己的竞争护城河。比如玖富金融对大数据基础建设投入重兵，其孵化投资的Wecash闪银就是致力于数据风险评估。不仅有大数据的评估系统，玖富把大数据和机器学习做了深度结合，从全场景进行大数据的基础建设，贯穿了渠道、用户运营、信审、发欺诈、额度授信、贷后服务等。大数据在金融服务的全流程的建设，能够极大提升业务的效率。精准的风险评估甚至比人工判断还要准确，同时更加高效，这里包括了人脸识别、基于R引擎的内嵌模型、持续的反欺诈优化等，通过持续不断的数据基础建设，最终形成多重数据验证反欺诈信息，远比传统线下审核更有效率，成本更低，也更有竞争力。数据建设最终输出可用的模型，比如其“彩虹评级模型”可以提前预判可能的逾期行为，“火眼”风控系统则能够发现早期逾期表现，提前做好风险调整。

　　类似玖富这样的金融科技公司没有像京东、淘宝等电商交易数据，而是会根据用户的生活消费场景去深入布局数据建设，比如手机3C、房屋租赁、校园分期、汽车交易、美容医疗、教育培训等，通过与这些场景的结合，能够给智能学习模型带来源源不断的高质量数据，比如玖富跟迪信通、我爱我家、众信旅游、好车无忧、易美建等合作，都可以获得优质数据用于训练模型。

　　诸如此类大大小小的公司有很多，为什么这么多公司开始重视并投入到大数据建设中来？因为通过大数据的风控才能真正提高效率，才能真正把金融科技的力量释放出来，不然如果银行的线下效果比你好，效率比你高，金融科技就没有存在的理由。

　　况且金融科技大数据服务可以有网络效应。随着个人上网越来越频繁，看电影、听音乐、学习、玩游戏、购买商品、交友、搜索等都在网络上留下行为数据，这些结构化或非结构化的数据越来越多，但目前还没有得到深度挖掘。美国的个人信用内涵是由”5C1S”定义：品德（Character）、能力 (Capability)、资本 (Capital)、条件 (Condition)、担保品 (Collateral)、稳定性 (Stability)，有很明确的信用的边界，对用来量化信用有很好的界定。那么，中国用户在互联网上的数据，比如喜欢什么的音乐、搜索什么关键词、在朋友圈发什么样的信息等是不是跟这些信用内涵都有关联，这些行为之间是不是可以找出一些关联特性？也许看上去是八竿子打不着的事情，能够通过大数据风控得出意想不到的结果。

　　如果目前公司面临数据来源的匮乏，也不是说就无法进行了。国外有一家名为Premise的创业公司通过众包模式获得即时数据，并在数据基础上分析得出经济趋势预警，从而可以比其他公司更准确地发布“经济天气预报”，甚至因此帮一些公司提前做好风险防范准备。Premise让自己的用户实时上报所在地商店的零售价格（当地商店会根据经济变化，比如批发价格，消费情况等进行价格调整），由此来实时感知全球经济动态。Premise大数据分析方法可以在部分经济环境中提前4-6周给出通胀指标预测，相当于新时期的“经济天气预报”。

　　三、发挥数据效能是金融科技的制高点