目前，在中国甚至许多发展中国家都有这个问题：大部分老百姓没有享受过信贷服务。中国人民银行征信中心真正可用数据也就2.5亿人，还有80%多的人没有信用记录。甚至在全球范围内，也还有大约50%的成年人生活在一个没有金融的世界中，他无法享受到金融及各种信贷类服务带给人们的便捷与福利。

　　这也是普惠金融的目的，要去普惠这些人，但也是难点，为什么？因为没有数据。没有数据就没办法评判风险，而这也是制约普惠金融发展非常大的问题。

　　无论是在成熟市场还是发展中市场，放贷人对于贷款人的风险评估往往是极度依赖其财务类数据。然而对于世界上很多人而言，这些传统的财务类数据又是严重缺失的。因此，这一切势必成为了阻碍消费信贷及普惠金融的绊脚石。

　　有信用记录的人意味着有信贷行为，信贷行为是个低频行为，所有的金融行为除了支付都是低频的。但是生活、阅读、社交是高频的，每天都在发生。如果把思路从一定要从金融数据，信用数据来做金融建模，拓展成可以用生活数据，衣食住行、社交、阅读、旅游这种类型的数据来进行信用评估，为风险评估注入新的活力，这样就可以覆盖大部分没有被狭义征信报告所覆盖的人群。

　　传统金融机构的信用评估由于单一的标准、严苛的门槛和片面的评估结果而饱受诟病。而一些互联网金融机构借助大数据优势，将弥补传统征信的缺漏。

　　腾讯财付通征信总经理吴丹表示：“腾讯的数据不仅有支付，还有社交，还有游一些替代传统信贷风险管理的措施正在不断涌现。例如，网购记录、位置信息、社交信息等，戏，还有网络行为，通过这些数据，对一个人的评判都是比较全面的。”芝麻信用基于阿里的电商交易数据和蚂蚁金服的互联网金融数据，并与公安网等公共机构以及合作伙伴建立数据合作，数据涵盖了信用卡还款、网购、转账、理财、水电煤缴费、租房信息、住址搬迁历史、社交关系等等。

　　而这些征信机构或其他的数据公司的非财务类数据则能够更全面的反映个人的行为偏好、履约能力、身份特质、人脉关系等，为金融机构评估信用风险提供帮助。

　　下面举例说明如何利用大数据来评估借款人风险。

　　例如，通过查手机号，QQ号，微博号是否可以对得上辨别是不是本人，如果姓名、身份对得上，而留的手机号不是他本人的，家庭地址不是他本人的，那就很有可能是欺诈。在网上申请的时候同一个手机填过四个不同的身份证号，这一般也不是正常的人，我们可以用复杂的网络来解决身份核实的老大难问题。

　　还有，网上喜欢看艺术类、财经类媒体的人群不良率低一些，想到他们受教育的程度比较高，随之而来他们的收入可能也高一些，一般来讲还款意愿也比较强。

　　一年做过一次商务舱，或者不是商务舱但是飞行次数不少于4次的人，我们认为他的还款意愿、能力都比较强。当然我们还要把欺诈排除在外。

　　喜欢玩游戏、看动漫的，而且在三四线城市生活的人信用分值比较低，而在线上买食品的人比较靠谱，因为他们都是有家庭的人。

　　大数据风控平台服务商神州融已与多家征信机构对接，整合了国内的第三方征信机构和电商平台等信贷应用场景的的征信数据，并以决策引擎代替纯人工作业判断模式，实现快速、高效流转和自动决策的小微金融业务审批处理。

　　这种根据产品筛选好征信大数据打包+风控的大数据授信机制的建立，为实现精准化和批量化风险定价提供了可能，打破了一直以来征信市场不完善、单纯依靠线下审核成本过高、时效性差以及客观性不足等问题。