今年以來，“FinTech”(金融科技)開始成為互聯網金融行業熱詞。FinTech是“金融”和“科技”兩個詞的英文單詞的合體，具體指應用于金融領域的新技術。雖然國內少數企業開始了金融科技的研發和商用，但更多企業僅僅只是披上了這個“馬甲”。酷炫的概念之下，難掩后勁不足的現實。業內人士指出，金融科技需警惕燒成一把虛火。

 火熱大數據征信技術的背后

記者了解到，目前最流行的金融科技項目，主要包括三大類，即大數據征信技術、智能投資顧問以及區塊鏈技術。目前技術最成熟、商業化程度最高或許就是大數據征信技術。

據上海一家金融科技企業工作人員介紹，該公司通過分析海量數據，引入數千個風險因子，為個人和企業提供信用評估服務，從而為陌生人之間的微小額借款交易提供信息支持。根據其官網介紹，用戶通過身份證和手機號注冊后，最快20分鐘即可實現借款到賬。

另一家來自杭州的大數據風控技術企業的工作人員告訴記者，該公司幫助銀行進行個人借貸風控管理，為銀行降低借貸風險和審核成本。僅在2016年上半年，公司的盈利就超過6000萬元。

大數據征信技術之所以很火，是由于當前征信體系不完善。對此，金融科技某投資人說，“一些人沒有征信數據記錄，為了能讓這部分人享受金融服務，大數據可以發揮重要作用”。

征信機構最基本的作用就是將分散在不同授信機構，碎片化的局部信息加工融合成為具有完整視圖效果的全局信息，從中挖掘出風險信息，幫助解決交易過程中的信息不完整的問題，減少風險，降低交易成本，幫助商業機構更加有效地進行決策。而大數據技術有助于將更加分散、碎片化、底層的數據加工處理成為更加完整的全局信息，更加有效地減少這種信息不對稱。 大數據技術，不僅限于大數據存儲和處理，也不僅限于目前流行的大數據風險評估，而是系統性地對征信大數據進行處理和分析的相關技術介紹。

類比傳統加工制造業，征信機構可以理解為數據工廠，其基本業務流程包括數據采集（數據可以理解為原料，數據采集可以理解為采購，收集原材料）、數據處理（相當于原料粗加工，整理具有一致性，去掉不符合質量要求的原材料，粗加工成基本組件）、數據分析和挖掘（原材料深加工，按照一定的產品模型，由生產線批量生產）以及數據服務（產品進行質量檢查，進行包裝，提供給用戶終端）。在大數據時代，大數據技術為征信發展提供了新的圖景，如大數據技術可以嵌套在整個征信的業務流程中，同時可以根據大數據服務的需求，不斷更新和探索新的大數據來源。此外征信大數據的處理流程中的每一個環節都要兼顧數據質量、數據安全、消費者隱私保護和監管合規性的要求。

大數據為征信活動提供了一個全新的視角，基于海量的、多樣的、交叉互補的數據，征信機構可以獲得信用主體及時、全方位的信息。運營多年，已經使其建立了包含信息量豐富而且獨特的數據源，主要有以下方面組成：

替代信用數據：替代信用數據是指除了消費者信貸數據之外的信用交易相關數據，可以在消費者的信貸數據缺失的情況下，代替作為消費者信用描述和信用評估的手段，也可以作為一種增強信用評估的方法。替代信用渠道（如租賃支付和公共設施支付）拓寬了傳統信用數據庫的范圍。 

消費者公共記錄：從法庭、政府機構和其他公共記錄（如訴訟、抵押、判決、破產、專業許可、房地產、車輛所有權、其他資產、違規駕駛、犯罪記錄和聯絡信息）中獲取數據。    

專有數據庫：用復雜的算法生成自己專有的數據庫（proprietary database），提煉并對數據進行標準化。這些數據是區別于其它競爭對手的，包括駕駛員違章記錄、醫療資格信息、商業數據和房租交付信息等信息。

上述征信數據庫受到監控，定期更新、復核。通過每月差不多36億條記錄的更新量來保持數據的鮮活度。理論上和個人消費者的經濟行為相關的數據都可以采集，但是在選擇這些的大數據時，起碼要滿足以下標準：（1）合規性，滿足征信機構監管要求（包括信息安全和消費者個人隱私方面的規定）；（2）數據是活數據，可以及時更新；（3）數據是可以信賴的數據(Trust data)，從可靠的，具有公信力的數據源獲得；（4）數據質量要保證，保證數據能夠正常使用。此外征信機構的數據或信息在被商業機構使用的時候常常要和本地的大數據做進一步的整合才能更好發揮作用。