批評者最主要的憂慮是，使用新型的數(shù)據(jù)和計算機算法，企業(yè)和機構(gòu)能夠建立“代理”，不公開通過性別或者種族等因素進(jìn)行歧視，但可能利用相互關(guān)聯(lián)的信息建立某個特定客戶的深度剖析檔案。
“現(xiàn)在有了數(shù)據(jù)，你可以預(yù)測任何事情，”零售金融服務(wù)初創(chuàng)公司One Financial的創(chuàng)始人馬克斯•加內(nèi)(Max Gasner)說，“根據(jù)Facebook和Twitter上的數(shù)據(jù)，可以判斷你是什么種族，是同性戀還是異性戀。你可以預(yù)判出很多法律禁止作為借貸審核依據(jù)的信息，歧視也可以做得更加隱蔽。”
認(rèn)真查看“點擊流”數(shù)據(jù)，或者使用讓公司能夠追蹤用戶互聯(lián)網(wǎng)活動的“網(wǎng)路信標(biāo)”，能夠僅通過觀察個人如何接入和瀏覽網(wǎng)絡(luò)，就發(fā)現(xiàn)關(guān)于個人的身份或者社會經(jīng)濟地位的寶貴線索。例如，皮尤研究中心(Pew Research Center)和美聯(lián)儲(Fed)的研究發(fā)現(xiàn)，黑人和拉丁裔使用手機訪問銀行賬戶的傾向要高得多，因此只要查看人們?yōu)g覽網(wǎng)絡(luò)的方式就能發(fā)現(xiàn)其種族身份。
“因為大數(shù)據(jù)評分使用的算法不公開，所以不可能分析算法帶來的潛在的種族歧視影響，”美國國家消費者法律中心(NCLC)在最近一份關(guān)于大數(shù)據(jù)的研究報告中寫道。
除了算法本身，監(jiān)管借貸領(lǐng)域的大數(shù)據(jù)應(yīng)用的法律依然很模糊。
“說到大數(shù)據(jù)，還沒有明確的禁令規(guī)定不可以在核發(fā)貸款時使用大數(shù)據(jù)，”美國世達(dá)律師事務(wù)所(Skadden Arps)的合伙人阿南德•拉曼(Anand Raman)說，“然而，如果使用這種數(shù)據(jù)得出的結(jié)果對某個受保護群體的成員超乎尋常地不利，那么這種做法就可能變成一個公平借貸問題。”
正是出于對監(jiān)管審查的擔(dān)憂，許多大銀行和信用卡機構(gòu)盡管據(jù)信正在進(jìn)行新數(shù)據(jù)方面的嘗試，但卻不愿意全心全意投入到非傳統(tǒng)信貸信息的世界中。
“對社交數(shù)據(jù)，所有的信用卡公司實在是又愛又怕，”某大型信用卡公司的前數(shù)據(jù)挖掘師說。他表示，公開使用大數(shù)據(jù)來指導(dǎo)貸款核發(fā)的金融集團或許面臨“登上報紙頭條的風(fēng)險，或者可能會被認(rèn)為存在歧視”，就像信用卡公司2008年發(fā)給約翰遜的那封信造成的后果那樣。
事實上，到目前為止，公開使用非傳統(tǒng)信息的大多是一些初創(chuàng)公司。這些公司表示，它們的目標(biāo)是利用如今可用的各種數(shù)據(jù)的大雜燴，從而更高效地發(fā)放貸款，或是向那些缺乏傳統(tǒng)信貸信息的人發(fā)放貸款。
使用互聯(lián)網(wǎng)、將借款人和貸款人直接聯(lián)系起來的個人對個人(P2P)貸款機構(gòu)，就是一個突出的例子;許多P2P貸款機構(gòu)使用社交媒體信息和其它類型的非傳統(tǒng)數(shù)據(jù)來補充貸款核發(fā)流程，或防止欺詐——比如，自動驗證申請貸款者的職業(yè)信息是否符合他們的領(lǐng)英(LinkedIn)資料。
分析社交網(wǎng)絡(luò)或許能讓貸款機構(gòu)不僅猜測出申請貸款者的種族、社會經(jīng)濟地位，還能猜測出他們的顧客忠誠度相對如何。同樣的，研究申請者點擊和瀏覽網(wǎng)頁的方式，能提供有關(guān)其性格特征的線索，比如是否沖動。可穿戴技術(shù)能夠追蹤從鍛煉習(xí)慣到心率的一切信息，這種技術(shù)的應(yīng)用也為渴求數(shù)據(jù)的貸款機構(gòu)打開了另一片信息領(lǐng)域。
“如果你是一個有條理、有責(zé)任心、習(xí)慣良好的人，那么你的信用基本上也會很好，”Payoff負(fù)責(zé)行為科學(xué)的副總裁Andy Wen說，“這些事情往往是相互聯(lián)系的，如果你看到一個人在某個生活領(lǐng)域的行為很有條理，你會認(rèn)為這種行為也會反映到信用上。”
這些公司堅信，利用行為數(shù)據(jù)可以讓原本無法獲得信用的人獲得信貸。此外，很多人表示，利用這種信息可以去除貸款核發(fā)流程中的主觀性，以往的貸款核發(fā)流程涉及由實體銀行網(wǎng)點的信貸員親自對貸款申請者進(jìn)行評估。
“如果你探查大數(shù)據(jù)是什么，它本質(zhì)上就是對客觀信息的使用。”拉曼說，“我們絕對可以說，從降低公平借貸風(fēng)險的角度出發(fā)，使用客觀信息好過依賴主觀判斷或自行決定。”
有人說，比起核發(fā)金融產(chǎn)品，大數(shù)據(jù)和算法驅(qū)動的消費者評分可能在金融產(chǎn)品營銷方面用處最大。尼爾森(Nielsen)的Prizm市場分級法(Potential Rating Index by Zip Market，依靠郵編的潛在市場評級指數(shù))依靠郵編將消費者劃分為從“上層階級”到“社會底層”的多種范疇。該分級法將“社會底層”群體描述為由“多種族裔”的單身男女和單親父母組成的“過渡”階層。這種精準(zhǔn)定位意味著非目標(biāo)群體的成員可能僅因為他們永遠(yuǎn)不會看到相關(guān)廣告，而永遠(yuǎn)沒機會獲得某種貸款或金融產(chǎn)品。