2016年下半年以來風聲迭起的金融科技和大數據風控浪潮，僅僅在大數據風控領域，螞蟻金服、京東金融、積木盒子、宜信、網易金融、百度金融等都在公開場合進行了產品概念演示、戰略表述或者是發布會推進。
作為新的互聯網金融趨勢之一，大數據風控顯然已經成為了行業內爭相競爭的藍海市場，近兩年一過也很有可能在參與者上成為紅海市場，因為理論上而言目前市場上主流的互聯網金融服務集團（基本上都有巨頭背景，數量在10家左右）以及國內排名前20的P2P平臺，包括一些傳統的金融機構的互聯網金融業務部門（以平安、中信為代表）都有可能在大數據領域開展外部合作和產品研發，甚至直接產生平臺型輸出型的產品。另外還有一些此前專門服務于金融機構和電商平臺的數據服務和IT技術服務外包方，掌握了一定的數據基礎和建模能力之后，也有一定的實力參與其中。
如此一來，2017年如果繼續保持炙手可熱的趨勢，行業內參與者很有可能突破百家，也就是說會有多達百家的機構在建立自己的大數據風控業務和產品，對于目前國內整個大數據產業而言，雖說是一種促進，但也一定程度上反應了這個細分行業的過熱趨勢，以及在產品業務實際發展和外部宣傳上的背離特征（從一個風控模型的成熟實驗和推廣前準備來看，至少要經歷一年左右的模型實驗和資金數據、行業數據測試，在保證不良率和風險敞露可以維持在一定水平之后才適合對外推廣）。
實際上，國內眾多的大數據風控平臺運營和產品研發方，除了少數擁有海量數據和先期成熟的風控模型試運營以及信貸數據周期測驗的平臺之外，大多數的中小平臺在大數據風控面前更多還處于前期的模型搭建和數據、模型、用戶的嘗試和匹配階段，如果說行業內的第一名在這個領域已經跑了一百步的話，那么大多數的平臺可能還在三十步左右。
很簡單，大數據風控本質解決的是一個金融信用的問題，這里包括個人信用和企業信用。個人信用方面，目前央行正在考察8家個人征信公司，但是還沒有下發牌照，只是做業務和市場調研，并在場景、數據和私密性上做一定限制。而企業征信方面，國內持牌公司數量已經相對較多（完成央行備案的企業征信公司就有135家），主要用于企業信用、債權、中小企業私募債、證券化、項目融資等評級和企業征信查詢行為，以考察企業的信用衍生情況。
而聚焦到大數據風控領域，這里主要是指通過線上的互聯網電商、社交、搜索、瀏覽和新聞、資訊、行為數據的綜合，以及與線下一些傳統企業的部門數據，用戶的水電煤氣等公共部門數據進行交叉維度的分析，最終可以產生一種輔助原有的信貸審核體系，甚至在一定程度上可以完全替代傳統以流水、資產、抵押、擔保為主要依據的一些信貸審核流程的風控手段。
這種大數據風控主要的適用領域在于個人端的信用貸款、消費分期，以及小微企業的經營性貸款、周轉性融資等需求。因為這些市場是傳統的大額項目貸款流程所無力全面覆蓋的，數據、財報、資料和其他信審材料的缺失，一定程度上也讓這一塊小微和個人市場成為了普惠金融下的“邊緣地帶”。
不過，即便是這樣，目前市場上各種大數據風控產品，在真正應用到場景里面之前，也必須要滿足一定的模型測試需要。因為從監管的角度而言，不論信用審核流程發生怎樣改變，是不是采用了大數據的風控模型還是線下的傳統信貸流程體系，關鍵一個環節在于風險是否可控，以及是否能夠滿足抵御一定經濟周期的能力，這也是為什么央行遲遲沒有下發個人征信牌照的原因：因為在很多涉及底層信用的環節，個人征信作為大數據風控的一個組成部分，并不能保證數據信息安全以及對授信審核工作有本質上的解決和提升能力，至少還有一定的數據和模型風險存在。
所以，目前各類平臺在市場上主打的大數據風控概念，還需要經歷一個必備的模型測驗和場景初步試運營期，至少目前這種炙手可熱的大數據風控模型和建模、識別、分析能力并不是每個平臺都具備的。行業內有巨頭背景的公司更加注重對風控模型底層能力的建設，因為后期的目標不僅僅在于通過這套模型進行了多上規模的資金放款，更重要的意義在于能否通過平臺技術能力輸出進行各個場景的風控能力建設。而對于很多中小創業公司而言，眼前為了占領市場輿論的優勢，很有可能會在短期內盡可能多嘗試放款場景和擴大模型交易規模，但也存在一定的隱憂：風險有可能在模型不完善的情況下敞露出來。
或許到了2017年，包括大數據風控在內的金融科技產業都要經歷一個較為冷靜、客觀的觀察期，特別是一些跑在前面的金融科技公司，在經歷過了前期的概念炒作和市場追捧之后，迎來的將是更為踏實的投資者視角：能否具備對接線下線上場景的能力，具體在放款量和違約率上如何保證，是否完成風控模型迭代，在效率、成本、場景、資金上是否已經形成一個完整的產業鏈。而這些都決定了明年的大數據風控體系能否在燥熱中保持一個冷靜客觀的視角，因為最終，和信貸行為有關的產品都要看數據，靠數據說話。
京公網安備 11010502049343號