随着互联网行业的发展，消费金融逐渐进入人们的视野当中。消费金融究竟意味着什么呢？
银行系消费金融品牌，相对低效的贷款流程不利于其口碑品牌的积累，应更注重消费金融“以消费者为核心”的本质；产业系消费金融品牌可以将金融业务带动主营业务的品牌模式向电商靠拢，以进一步提升品牌口碑；P2P系消费金融品牌需要改变消费场景单一的情况，并且提升服务质量，以提升其大众认知和消费者使用粘性。
随着消费数据和大数据的发展，我们发现这两者的结合已经日益明显，无论是贷款的贷前、贷中还是贷后的管理，每一个环节都离不开大数据。近几年，云计算火了，人工智能火了，虚拟现实火了，O2O，P2P，以及支撑这些新鲜事物发展的大数据一并火了起来。不过，我们知道，大数据其实并非近几年刚刚萌生的新鲜事物，实际上，早在上个世纪80年代初期，世界著名未来学家阿尔文· 托夫勒就在《第三次浪潮》一书中预言，大数据极有可能是继农业革命和工业革命后的“第三次浪潮”。
到了90年代，IT技术的对人类生活的发展越来越重要，大数据信息的价值逐渐在人类活动尤其是金融活动中显现出来。2009年前后，大数据一度成为互联网信息技术的热词。直到2013年，蓬勃发展的互联网金融使得大数据频频被应用在风控领域，大数据也才真正意义上的“火”了起来。2017年1月17日，工信部下发《大数据产业发展规划 (2016-2020)》(下简称《规划》)，具体设置了7项重点任务、8个重点工程以及5个方面的保障措施。《规划》中最重要的是提到了要打通数据孤岛：不仅要推动金融行业大数据在其它行业的应用，也要推动各行业大数据在金融等重点行业的应用。
众所周知，作为继互联网金融之后又一大热的金融形态，FinTech（金融科技）在发展过程中没少对大数据进行钻研和探索，各家平台意欲将大数据价值充分挖掘以能为己所用。不过，在金融科技领域，我们比较了解的就是大数据在风控方面的普及和应用，即近几年如火如荼的大数据风控技术。
放眼国内金融科技行业，无论是蚂蚁金服、京东金融以及宜信等大型公司，还是点融网、小猪理财一类创业型前沿平台，都在运用大数据风控技术来控制贷款规模扩张中的风险。提到蚂蚁金服，不得不说著名的芝麻信用，芝麻信用是基于大数据和云计算技术在机器学习的基础之上给个人提供征信技术的一种方式，通过分析大量的网络交易及行为数据，从而对用户进行信用评估并建立画像，帮助互联网金融企业判别借款用户的还款能力和还款意愿，继而进行授信与分期服务。
京东金融最为知名的大数据风控应用则是白条的授信。在消费领域和支付方面京东金融搭建了一个基于机器学习的实时防欺诈系统，为几亿用户建立起风险画像，进行个人信用评估，并依据评估结果给予白条和金融授信，很大程度上提高了风控效率。
同样，垂直深耕于建工领域的小猪理财在大数据风控技术方面也有建树，小猪理财如今已经积累了建工行业十余万建工精英的征信大数据，将依托科技力量，全面整合建工行业上下游大数据，建立起行业内在闭环风控体系，用科技金融+传统金融相结合的创新风控模式，为广大投资人提供更加小额、分散、安全的投资理财产品。
在国外，大数据在金融科技领域的应用也主要集中在风控和征信方面。我们所熟知的FICO评分卡逻辑就运用了大数据技术，它通过将借款人的信用历史数据与当前数据库中储存的借款人信用行为数据进行比对，检查借款人的发展趋势是否与经常违约、随意透支、甚至破产等各种财务困境的借款人的发展趋势相似，从而规避欺诈损失、信贷风险等问题。
普遍来讲，大数据风控为传统人力风控技术带来了革新，很大程度上提高了风控效率，降低了风控成本，补充了传统风控的不足。不过，大数据的巨大价值远远不止风控技术方面的运用，除风险管理外，就金融科技领域而言，大数据能做的还有更多。
大数据在服务和安全领域同样能够大展拳脚，从而提升企业的口碑。中国金融业正在步入大数据时代的初级阶段。经过多年的发展与积累，目前国内金融机构的数据量已经达到100TB以上级别，并且非结构化数据量正在以更快的速度增长。大数据时代的大潮中，金融机构之间的竞争将在数据上全面展开，说到底就是“数据为王”。谁掌握了数据，谁就拥有风险定价能力，谁就可以获得高额的风险收益，最终赢得竞争优势。
还没有评论，来说两句吧...