陳建說，在中國，類似“盲區(qū)”更廣，大數(shù)據(jù)征信、云評分將成為中國普惠金融的必然之路。中國約有8億的潛在消費信貸用戶，但是，其中只有3億有征信數(shù)據(jù)，多達5億的人沒有征信記錄。如何考察這5億人的信用狀況？如何更加有效地判斷已有征信記錄的3億人？答案就是大數(shù)據(jù)云評分，也就是大數(shù)據(jù)征信。
在中國，螞蟻金服旗下獨立第三方征信機構(gòu)——芝麻信用被認(rèn)為是大數(shù)據(jù)云評分的典型代表。除了傳統(tǒng)金融借貸信息，芝麻信用依據(jù)網(wǎng)絡(luò)金融數(shù)據(jù)、電商數(shù)據(jù)，政府及公共機構(gòu)數(shù)據(jù)、合作伙伴數(shù)據(jù)，以及各種用戶自主遞交的信息等，運用云計算、機器學(xué)習(xí)等技術(shù)，呈現(xiàn)個人信用狀況，讓缺少信貸記錄的人群也開始享受信用的便利。
數(shù)據(jù)“紅娘”如何速配單身狗
香港科技大學(xué)楊強教授從另一個角度解讀了數(shù)據(jù)挖掘和大數(shù)據(jù)的應(yīng)用。在現(xiàn)實生活中，很多人通過婚戀網(wǎng)站找到了自己另一半，而這個過程中，大數(shù)據(jù)扮演了非常重要的“紅娘”角色。
經(jīng)過百合網(wǎng)多次大數(shù)據(jù)分析，男性和女性相處之道十分微妙。男女在等待對方回信息的耐心程度上，男性的平均時間是8.5小時，女性則是8.7小時。而在戀情關(guān)系中，女性對于財產(chǎn)的重視程度遠(yuǎn)遠(yuǎn)高于男性。
就異地戀接受程度來說，男性希望伴侶不要遠(yuǎn)離，而女性的心理較為復(fù)雜，她們偏向于同城，但是當(dāng)距離特別遠(yuǎn)時，卻認(rèn)為遠(yuǎn)距離不是問題。再來說顏值問題，結(jié)果顯示男性通常是視覺動物，相比之下，女性對于顏值不是那么看重。
大數(shù)據(jù)有體量大、速度快等特點，但還有一個容易被忽略特性是種類多，當(dāng)把不同種類的數(shù)據(jù)聚合起來時，會碰撞出一些意想不到的知識和火花，這是真正的大數(shù)據(jù)的威力所在，這也是婚戀網(wǎng)站等利用大數(shù)據(jù)的原因。
用大數(shù)據(jù)幫助企業(yè)找到增長點
中科院-路透金融風(fēng)險管理聯(lián)合實驗室主任、中科院管理學(xué)院教授魏先華認(rèn)為，大數(shù)據(jù)的信用應(yīng)用不僅僅是傳統(tǒng)的征信數(shù)據(jù)，新型的互聯(lián)網(wǎng)大數(shù)據(jù)會是我們非常重要的補充，像芝麻信用這一類大數(shù)據(jù)提供信用的方式，將來可能起到越來越大的作用。
我們現(xiàn)在處在一個新常態(tài)的時期，增速減慢，經(jīng)濟沒有原來那么好了。這個時候，可能信用的事件就會發(fā)生了，過去是有錢不還，未來是確實沒錢了。我們可以從數(shù)據(jù)里面挖掘，利用數(shù)據(jù)科學(xué)家的智商，來幫助企業(yè)找到新的經(jīng)濟增長點。
你更需要基于數(shù)據(jù)產(chǎn)生洞見
螞蟻金服首席戰(zhàn)略官陳龍說，你需要很多的數(shù)據(jù)，你更需要基于數(shù)據(jù)產(chǎn)生洞見。
大家都想做普惠金融，如果要做得好，你必須能夠甄別風(fēng)險，在公益屬性和金融屬性之間找到平衡；你也必須能夠在甄別風(fēng)險的前提下做到普惠。以前的雙11，我們 都會非常頭疼。沒有用云計算的時候，每秒鐘處理300筆。后來用了云計算的能力，2015年達到每秒8.59萬筆。在客服人員降低很多的情況下，客服應(yīng)答 的成功率也大大提高了。這就是大數(shù)據(jù)的力量。
如何讓大數(shù)據(jù)在你的企業(yè)中產(chǎn)生作用？
別人說大數(shù)據(jù)說得很熱鬧，如何讓大數(shù)據(jù)在你的企業(yè)中產(chǎn)生作用？在芝麻信用總經(jīng)理胡滔看來，有三個特別關(guān)鍵的因素。
第一、你首先要想清楚用大數(shù)據(jù)解決什么樣的問題？從金融角度來說，就是當(dāng)前我們?nèi)绾胃玫胤?wù)海量的長尾客戶。這些客戶的金融需求是非常個性化的，他們的時間也是碎片化的，他們的錢也是很碎片化的，沒有大額度的資金。今天大數(shù)據(jù)要解決的金融問題，就是如何用低成本和有效的方式去實現(xiàn)普惠金融。
第二、你必須要有數(shù)據(jù)，而且是大而有效的數(shù)據(jù)。這里要澄清一個誤會，一說大數(shù)據(jù)，有人就誤以為是所有在網(wǎng)絡(luò)上留存的數(shù)據(jù)，其實這些數(shù)據(jù)里面有很多是沒有價值的噪音。經(jīng)濟信用的評價，不會采集聊天、語音、短信和社交媒體的言論，只會在用戶授權(quán)的前提下采集正當(dāng)、必要、有效的和經(jīng)濟信用相關(guān)的數(shù)據(jù)。我們看到美國 LexisNexis所指的大數(shù)據(jù)在保險行業(yè)的應(yīng)用，除了傳統(tǒng)金融借貸數(shù)據(jù)之外，還有大量的水電煤繳費等公共政務(wù)，以及包括金融交易、運營商賬單在內(nèi)的各 種非傳統(tǒng)征信數(shù)據(jù)。無論是LexisNexis在保險行業(yè)，還是螞蟻金服在保險、信貸、征信領(lǐng)域，政府、公共機構(gòu)及非傳統(tǒng)借貸數(shù)據(jù)的疊加，都能得到很好的 應(yīng)用，有效地提升模型的效能。