今年以来，“FinTech”(金融科技)开始成为互联网金融行业热词。FinTech是“金融”和“科技”两个词的英文单词的合体，具体指应用于金融领域的新技术。虽然国内少数企业开始了金融科技的研发和商用，但更多企业仅仅只是披上了这个“马甲”。酷炫的概念之下，难掩后劲不足的现实。业内人士指出，金融科技需警惕烧成一把虚火。

 火热大数据征信技术的背后

记者了解到，目前最流行的金融科技项目，主要包括三大类，即大数据征信技术、智能投资顾问以及区块链技术。目前技术最成熟、商业化程度最高或许就是大数据征信技术。

据上海一家金融科技企业工作人员介绍，该公司通过分析海量数据，引入数千个风险因子，为个人和企业提供信用评估服务，从而为陌生人之间的微小额借款交易提供信息支持。根据其官网介绍，用户通过身份证和手机号注册后，最快20分钟即可实现借款到账。

另一家来自杭州的大数据风控技术企业的工作人员告诉记者，该公司帮助银行进行个人借贷风控管理，为银行降低借贷风险和审核成本。仅在2016年上半年，公司的盈利就超过6000万元。

大数据征信技术之所以很火，是由于当前征信体系不完善。对此，金融科技某投资人说，“一些人没有征信数据记录，为了能让这部分人享受金融服务，大数据可以发挥重要作用”。

征信机构最基本的作用就是将分散在不同授信机构，碎片化的局部信息加工融合成为具有完整视图效果的全局信息，从中挖掘出风险信息，帮助解决交易过程中的信息不完整的问题，减少风险，降低交易成本，帮助商业机构更加有效地进行决策。而大数据技术有助于将更加分散、碎片化、底层的数据加工处理成为更加完整的全局信息，更加有效地减少这种信息不对称。 大数据技术，不仅限于大数据存储和处理，也不仅限于目前流行的大数据风险评估，而是系统性地对征信大数据进行处理和分析的相关技术介绍。

类比传统加工制造业，征信机构可以理解为数据工厂，其基本业务流程包括数据采集（数据可以理解为原料，数据采集可以理解为采购，收集原材料）、数据处理（相当于原料粗加工，整理具有一致性，去掉不符合质量要求的原材料，粗加工成基本组件）、数据分析和挖掘（原材料深加工，按照一定的产品模型，由生产线批量生产）以及数据服务（产品进行质量检查，进行包装，提供给用户终端）。在大数据时代，大数据技术为征信发展提供了新的图景，如大数据技术可以嵌套在整个征信的业务流程中，同时可以根据大数据服务的需求，不断更新和探索新的大数据来源。此外征信大数据的处理流程中的每一个环节都要兼顾数据质量、数据安全、消费者隐私保护和监管合规性的要求。

大数据为征信活动提供了一个全新的视角，基于海量的、多样的、交叉互补的数据，征信机构可以获得信用主体及时、全方位的信息。运营多年，已经使其建立了包含信息量丰富而且独特的数据源，主要有以下方面组成：

替代信用数据：替代信用数据是指除了消费者信贷数据之外的信用交易相关数据，可以在消费者的信贷数据缺失的情况下，代替作为消费者信用描述和信用评估的手段，也可以作为一种增强信用评估的方法。替代信用渠道（如租赁支付和公共设施支付）拓宽了传统信用数据库的范围。 

消费者公共记录：从法庭、政府机构和其他公共记录（如诉讼、抵押、判决、破产、专业许可、房地产、车辆所有权、其他资产、违规驾驶、犯罪记录和联络信息）中获取数据。    

专有数据库：用复杂的算法生成自己专有的数据库（proprietary database），提炼并对数据进行标准化。这些数据是区别于其它竞争对手的，包括驾驶员违章记录、医疗资格信息、商业数据和房租交付信息等信息。

上述征信数据库受到监控，定期更新、复核。通过每月差不多36亿条记录的更新量来保持数据的鲜活度。理论上和个人消费者的经济行为相关的数据都可以采集，但是在选择这些的大数据时，起码要满足以下标准：（1）合规性，满足征信机构监管要求（包括信息安全和消费者个人隐私方面的规定）；（2）数据是活数据，可以及时更新；（3）数据是可以信赖的数据(Trust data)，从可靠的，具有公信力的数据源获得；（4）数据质量要保证，保证数据能够正常使用。此外征信机构的数据或信息在被商业机构使用的时候常常要和本地的大数据做进一步的整合才能更好发挥作用。