而在互聯(lián)網(wǎng)大數(shù)據(jù)模式下，電子商務(wù),、社交網(wǎng)絡(luò)和用戶的搜索行為等大數(shù)據(jù),，包括客戶的教育背景、工作經(jīng)歷,、社交圈子等,，為給客戶清晰“畫像”提供了豐富的素材。以此為基礎(chǔ)的大數(shù)據(jù)技術(shù),，通過綜合分析借款人相關(guān)行為數(shù)據(jù)及其關(guān)聯(lián)性,，對客戶的行為模式、誠信狀況,、履約能力及意愿等可以做出更加接近真實的判斷,，從而有利于找準(zhǔn)市場定位，明確資源配置方向,，并有效降低貸款違約率,。而這恰是傳統(tǒng)銀行孜孜以求的目標(biāo)。

傳統(tǒng)銀行在大數(shù)據(jù)方面的另一個短板就是其數(shù)據(jù)來源和存儲模式的局限性,。這種局限性,，某種程度上是與傳統(tǒng)銀行與生俱來的特質(zhì)密切相關(guān)的，即強調(diào)數(shù)據(jù)的精準(zhǔn)性與一致性,。而大數(shù)據(jù)理論更關(guān)注效率與相關(guān)性,，在對數(shù)據(jù)的篩選、存儲方面強調(diào)由關(guān)注精確度向關(guān)注效率轉(zhuǎn)變,、由關(guān)注因果關(guān)系向關(guān)注相關(guān)性轉(zhuǎn)變,。

現(xiàn)實情況是，近年來許多銀行加強了數(shù)據(jù)倉庫系統(tǒng)建設(shè),，對分布在各個源系統(tǒng)中的原始數(shù)據(jù)進(jìn)行清洗,、抽取、轉(zhuǎn)換并進(jìn)行集成和存儲,，使數(shù)據(jù)的精確性和一致性得到了提升,，但同時在一定程度上消除了數(shù)據(jù)的混雜性和關(guān)聯(lián)性，反而制約了大數(shù)據(jù)的賦能性,。

另一方面,，在數(shù)據(jù)運用上,，傳統(tǒng)的風(fēng)控技術(shù)在大數(shù)據(jù)風(fēng)控技術(shù)面前相形見絀。

對于金融業(yè)而言,，大數(shù)據(jù)的魅力突出展示在客戶風(fēng)險控制上,，體現(xiàn)為風(fēng)險控制模型的設(shè)計。目前傳統(tǒng)銀行在風(fēng)控上大多采取信用評分模式,，而信用評分模型主要依據(jù)歷史借貸,、財務(wù)數(shù)據(jù)來預(yù)測和判斷客戶的違約風(fēng)險。其缺陷比較明顯,，除了受制于數(shù)據(jù)庫的完善程度外,，更為關(guān)鍵的是無法對現(xiàn)有數(shù)據(jù)庫之外的、非信貸客戶進(jìn)行信用風(fēng)險評估與授信,。這就使得那些在傳統(tǒng)銀行體系信貸記錄為空白的群體難以獲得金融服務(wù),。既制約了銀行自身的獲客能力 和業(yè)務(wù)拓展空間，也與發(fā)展普惠金融的宏觀導(dǎo)向相背離,。

相比之下,，基于互聯(lián)網(wǎng)的大數(shù)據(jù)風(fēng)控模型除了重視傳統(tǒng)的信貸變量，更關(guān)注涉及客戶社交網(wǎng)絡(luò)等渠道的信息,。這就為信貸記錄的“空白群體”提供了獲得基本金融服務(wù)的可能性,。同時，大數(shù)據(jù)風(fēng)控模型更加關(guān)注客戶的行為數(shù)據(jù),。 通過對客戶行為數(shù)據(jù)的分析與清晰“畫像”,，不僅能相對準(zhǔn)確地鎖定營銷目標(biāo)，分析判斷目標(biāo)客戶的資信狀況,、償貸能力與還款意愿,，為貸前調(diào)查、貸時審查“把關(guān)”,，而且通過動態(tài)的行為跟蹤分析,，還能及時發(fā)現(xiàn)風(fēng)險苗頭，將風(fēng)險消弭于萌芽狀態(tài),，有效降低客戶違約風(fēng)險,。