亚马逊前任首席科学家Andreas Weigend将数据比喻成新的石油。目前，我国互联网、移动互联网用户规模已居世界第一，拥有丰富的数据资源和应用市场优势。随着相关新兴技术的创新应用不断加快和部分关键技术研发取得突破，海量数据正在众多领域不断产生、积累、变化和发展。同时也涌现出了一批互联网创新企业和创新应用。

　　特别对于网贷行业来说，大数据征信正在成为平台核心竞争力的一大标准，或者说标配。虽然很多平台都宣称建立大数据征信系统。但目前国内金融行业真正做得比较成功的，只有阿里等少数几家。他们主要是通过卖家累计的海量交易信息及资金流水，在几秒内完成对商家的授信。

　　可以说，如果某个平台建个网站就敢对外宣称大数据征信，那基本就是纯粹的炒作。大数据征信不是一个概念，起码需要几年的数据积累，能分布式运算能力的机房，懂算法的专业团队等。之所以目前中国在数据征信领域还存在许多问题，一是由于数据库往往涉及平台的核心竞争力，在没有建立起相应的激励机制的情况下，大多不愿意共享。数据之间的交叉融合非常少，信用数据源的割裂是当前影响我国大数据应用和拓展的主要障碍。二是因为网贷行业的信用数据获取渠道极其有限，个人信用数据部分依靠借款用户自行提交，部分依靠平台上门征集，对借款主体的信用数据征集工作占据了平台大量人力物力，造成了一定的运营成本压力和管理压力。

　　而且从历史发展路径来看，即便发达如美国，大数据征信也是经历了从野蛮生长到理智整合的漫长过程。在美国，负责消费者个人信用记录收集、整合和处理的是完全市场化运作的各类信用报告机构，而非政府部门。这些信用报告机构有偿向银行、保险公司、房地产商、甚至用人单位等提供消费者的个人信用报告；反之，银行等机构也会主动向这些机构提供消费者的信用记录。消费者每年也有一次免费向信用评级机构查询自己信用分数的机会。经过多年的市场竞争，只有三家主要信用报告机构在美国个人征信业脱颖而出：即全联（TransUnion）、爱克非（Equifax）和益百利（Experian）。

　　这三家公司在收集美国消费者的信用资料后，会采用信用评分模型对消费者信用进行评分，主要使用个人消费信用评估公司费尔艾萨克公司推出的信用评分模型——FICO。FICO本身并不就数据进行征集与存储，仅提供信用分数计量算法。其中的核心数学模型就一个，根据借款信息预测，再根据不同的客户群体应用不同的算法，预测客户的违约概率。不同的变量不同的参数，是FICO的核心技术。

　　伴随信息网络技术和数据处理技术进步的，还有美国征信法律体系和征信监管框架的不断完善，以及应用场景的不断拓展，都对大数据征信起到了推动作用。

　　由于我国利用大数据进行征信还处于初级阶段，除了技术层面的突破和法律层面的建设还有待完善外，如何协调相关的征信机构与数据源机构，使得基本的信用信息能够共享，也需要政府层面能够做出适当引导，以便早日打破僵局。

　　总之，尽管加快大数据部署，深化大数据应用已经被上升到国家战略，其推动经济和社会发展的重要意义也已经初显，但要让大数据真正带来新服务模式和资源分析处理能力，推动跨领域、跨行业的融合和协同创新，还是一项耗费时日的复杂系统工程。