互联网海量大数据中与风控相关的数据
电商类网站大数据：阿里、京东、苏宁等；
信用卡类网站大数据：我爱卡、银率卡等；
社交类网站大数据：新浪微博、腾讯微信等；
小贷类网站大数据：人人贷、信用宝等；
支付类网站大数据：易宝、财付通等；
生活服务类网站大数据：平安一账通等...
在进行数据处理之前，对业务的理解、对数据的理解非常重要，这决定了要选取哪些数据原料进行数据挖掘，在进入“数据工厂”之前的工作量通常要占到整个过程的60%以上。
在数据原料方面，越来越多的互联网在线动态大数据被添加进来。例如一个虚假的借款申请人信息就可以通过分析网络行为痕迹被识别出来，一个真实的互联网用户总会在网络上留下蛛丝马迹。对征信有用的数据的时效性也非常关键，通常被征信行业公认的有效的动态数据通常是从现在开始倒推24个月的数据。
将各种各样的信息整合起来，通过创新和技术的力量构建一个有公信力的信用数据库，将会成为传统征信体系的重要补充，并利用数学运算和统计学的模型进行分析，使得互联网金融机构能够从中获得客户的信用评级和风险信号。央行放开个人征信市场对于规范发展征信市场，服务实体经济具有积极意义。不过大数据征信模式的难点在于，信息过多引起的数据杂乱，整合多方数据困难，且数据相关性分析需要较长时间和实践来检验，短期内信用评价数据精准性较低。
神州融大数据风控平台率先与众多征信机构对接，整合了国内权威的第三方征信机构和电商平台等信贷应用场景的3000+维度的鲜活大数据，并通过贷款用户充分授权和合规征信服务流程，及采用全球最优秀的决策引擎工具ExperianSMG3，帮助小微金融机构实现全信贷生命周期的风控管理和优化。
相比原有的央行征信系统，大数据的充分运用无疑是一场金融业的技术革命，将深刻影响未来国内金融行业的发展。随着中国民间征信市场的放开，越来越多的机构进入这一领域，大数据重塑金融业的趋势与格局将越来越明显。
