最近，金融科技領域大金額融資現象頻頻涌現，僅5月初的一周之內，全球金融科技領域就有8家機構獲得投融資，其中在國內融資有3家，融資總額達12億元人民幣。隨著金融科技企業的愈發備受青睞，大數據風控作為其發力的引擎，引來多個產業鏈上下游企業圍繞它展開激烈的角逐。

　　據佛瑞斯特研究公司數據顯示，近40%的公司正在實施和擴展大數據技術應用，另有30%的公司計劃在未來12個月內采用大數據技術。

　　越來越多的金融科技企業致力于提供定制化的大數據風控解決方案，金融科技促成了“金融+場景+技術”的跨界融合，使整個金融生態發生了一些積極的變化，除提高傳統及新型金融機構的服務水平外，也在一定程度上降低了金融風險。

　　一切跡象表明，金融科技3.0時代已悄然來臨……

　　大數據風控彎道超車

　　在信貸領域，傳統風控無疑較為穩健，其主要是借助房產、汽車等固定資產作為抵押，然后通過歷史借貸數據來預測和判斷借款人的違約風險，所以傳統風控模式很難給過去沒有發生過借貸交易的人進行信用評分。其對信用數據的采集方式主要是通過用戶自己提供，然后金融機構再通過人工的方式去核實這些信息的真實性，需要大量的人力、物力支撐，這意味著其服務的人群數量有限。

　　我國目前存在大量征信空白群體。資料顯示，截至2016年6月，央行征信覆蓋人群8.8億，其中有信用數據的人群僅3.8億，占總人口的29%，金融服務需求未得到滿足的人群數量缺口較大。這種現狀導致了傳統風控的客戶群體狹窄，使得金融服務很難得到創新，阻礙了金融行業的優化升級。

　　金融科技企業通過運用大數據構建風控模型的方法為客戶進行風險控制和風險提示，避開傳統風控的劣勢，使客戶能夠為更多有金融需求的人群服務。此外，大數據風控系統能夠對多維度、大量數據進行智能處理，且批量標準化的執行，這為金融服務的創新奠定了基礎，使金融科技企業能夠開展多樣化業務。以上海前隆金融信息服務有限公司(以下簡稱：前隆金融)為例，作為典型的金融科技公司，以大數據風控系統為核心，開展了多種創新型業務，從推出移動智能信貸管理平臺——手機貸，到提供以風控模型輸出為核心的靈活解決方案——應花分期，而這僅僅是行業的一個縮影。

　　當“李逵”遇見“李鬼”

　　當出現一個為市場所認可的新事物時，大多會出現技術、商業模式等復制的現象，甚至會出現“掛羊頭，賣狗肉”的情形，大數據風控也不例外。目前，業界很多公司言及風控，必談大數據，似乎大數據風控已經成為業界的標配，但事實卻并非如此。

　　一些企業擁有“百萬級”用戶數據的企業稱自己為大數據風控，而這樣的數據規模應用到13億人的國家市場中是遠遠不夠的，中國的貧富差距之大，地區和地區間發展的極不均衡，單一的數據模型很難適用于每個消費群體。

　　實際上，建立一個大數據風控模型除了大量的數據做支撐外，多維度的計算、有效的數據篩選等也是值得企業深思的。

　　在前隆金融首席風控官何同國看來，“數據量僅僅是最基礎的，如何進行數據清洗、分析，并根據用戶畫像構建風控模型才是重中之重，而這背后需要專業的技術團隊去開發完善。”

　　據悉，前隆金融一共有700多名員工，9成以上擁有本科及以上學歷，近8成屬于風控和技術條線。為了不斷地更新迭代，適應市場的需求，每年在技術開發上投入經費超過5000萬元。此外，公司成立初期就與復旦大學管理學院統計學系簽訂了長期的產學研合作協議，2014年5月與后者正式組建了大數據研究實驗室，依靠大數據分析實現自動化風險識別及授信。目前，公司在風控系統領域已申請12項發明專利。

　　亟需建立完整技術體系

　　大數據風控要達到比較成熟的水準必須從基礎做起，從各系統平臺的搭建，再到硬件設施的匹配，缺一不可。真正的大數據風控系統應該是建立在大數據平臺之上的。如前隆金融就是基于大數據平臺構建了自己的風控系統。

　　大數據風控背后凝聚的是繁重的系統開發、技術支持。據前隆金融首席技術官梁曉靖介紹，為應對不斷擴大的用戶規模，業務系統技術架構經歷了數次變遷，從單體式應用程序到分層分布式系統，再到微服務架構，實現了業務系統徹底的組件化和服務化，其水平動態擴展能力足以支撐未來上億用戶的大規模高并發訪問。