大数据风控与传统风控的区别

传统的风控手段中对信用数据的采集方式主要是通过用户自己提供，然后银行（或审批机构）再通过人工的方式去核实这些信息的真实性，最终再利用自己内部已建好的风险模型进行数据分析，从而达到审核该申请人（或公司）的信用评级，再进而决定是否授信以及授信金额的大小。

大数据风控与传统风控的最大不同之处是对数据的采集方式以及基础数据的类型。目前国内对用户数据采集的渠道主要有央行征信中心（通过外部商业征信机构接入），银联的银行卡消费数据（银联智慧），学历认证，阿里的芝麻信用等其他第三方征信中心的数据。当然，很多消费金融贷款公司还会收集用户在京东、淘宝等的消费记录等。互联网金融公司通过与以上拥有数据源的机构做数据对接，再根据自己的风控模型，形成一套自己的风险评级体系。

迄今为止，大数据风控在互联网金融领域的经典案例非阿里小贷莫属，依托于阿里巴巴庞大的数据库，阿里小贷通过云计算来对用户数据进行分析处理，最终产生用户的信用数据。阿里数据库的数据种类之多、容量之大，使得阿里小贷能够通过现有数据来对用户违约概率进行较为精准的预测，迅速确定用户授信，真正实现信贷扁平化。

传统风控存在信息不对称、数据获取维度窄、人工采集成本高、效率低等缺点，而大数据风控则在一定程度上解决了这些不足。那么，二者究竟有何区别？我们可以通过下面两张不同的图表来进一步了解。

传统风控流程如图6-1所示。(https://www.daowen.com)

图6-1

大数据风控流程如图6-2所示。

图6-2