正文开始之前，我先说一个曾经的小事..
多年以前办业务去一个商家客户店里，本来没什么其他的事，业务谈的也很顺利。
只是让我觉得有些奇怪的点是，我们正在交谈的时候外面来人买东西。她有时候瞄一眼继续跟我聊不怎么理客人，但有的时候顾客还没进门，她立马迎了出去，而且我确定不是熟客..
这个就让我很不解，都是同样的客人，还能区别对待,还是老板有什么癖好。
临走的时候实在是没忍住，就说了刚才的疑惑。她一下子就笑起来了，接下来的一番话算是给我上了一课..
她说生意做久了，有的时候不需要顾客开口，瞄一眼客户的眼睛里的神态，穿着打扮就大概能知道是不是能买东西的顾客。
这么做并非是势利眼，而是尽量让进店里的客人不尴尬，如果强行的营销，或许客人会买，但是不会再复购了。有些小心眼的人还会记仇，下次还会找机会报复你给你使坏。
多年以后自己业务做久了、见的人也多了，慢慢的愈发觉得是这么回事。是练就的火眼金睛，还是自己的第六感突然觉醒，搞的还挺神秘..
其实原理倒也不复杂,我们人的思想、认知都来源过往的学习和经历，而这些都是形成个性的重要组成部分，因此看待事物也会受到曾经的影响，主观的去判断..
近几年大家总谈论的线上大数据算法，我想因该也是如此，都是基于用户曾经的信息去做主观的推送..
比如你去某音、某宝或者拼夕夕买个“茶叶”，一般给你推送的商品价格都是你消费起的。如果一搜都是块八毛的东西，我猜你过的挺拮据..
这个就是我们在网购的时候，大数据给匹配的商品呈现给我们，价格的区间都是通过算法计算的，高了低了都不合适，只能通过以往的消费记录来判断消费水平。
如今信息化社会，方方面面都离不开网络，每个人的生活习惯都被大数据所掌握，以至于“大数据”这个词都被神化了。
就和我这位粉丝咨询一样，人家说啥她信啥，最后也不知道个所以然，差点上当受骗。
实际上这东西没有那么夸张，有些和她一样神经大条连“大数据”是啥都不知道就怕的要死，好像有点问题就跟自己得了病一样，非常的滑稽..
这篇文章余老板就把这个事聊透，一来让一些心思单纯的铁铁看完之后不容易被诓骗，二来科普一下信贷知识有益于身心健康..
“大数据”这个词在最近几年炒的一直很热。
给人一种“楚门的世界”滴既视感，在哪都感觉被监听监控，毫无隐私可言..
实际上大可不必这么紧张，公共的大数据也是会有收集和整理的过程，每天数以亿计的数据增加。这些数据都是要被’提炼‘的，其中可能一小部分有价值的被“大数据系统公司”提取出来，大部分海量信息最后的结局就是雪藏或删除。
其实数据本身是没有价值的，挖掘和解读才有..
一些大数据系统公司，他们的工作就是解决庞大数据量的运算、接入、储存、筛洗等相关事宜。并且不断加快筛选有效信息的时间,反应时效甚至毫秒来计算..
比如信贷领域，银行的风控系统很多都是第三方接入的，像同盾、百融等都是比较知名人工智能公司。当然了很多大银行自己也开发系统，同时也会重度参考第三方的数据。
很多小伙伴看到这可能会有疑问，大数据的影响到底有多大，和央行的征信比较，哪个重要？
我想说都重要，在用户授权的前提下银行参考可利用的数据维度更加多元化了..
过去关注的数据都是强金融属性，比如实际收入体现在银行流水上，根据这些数据结合央行征信去判断一个人的负债比和偿债能力。
现在增加的数据更多的是一些弱金融属性，比如网购行为数据、出行交通数据、输入法关键词数据等等，这些数据对于传统的信贷决策是全新的探索，会从这些不起眼行为上更全面的分析出一个人的信用水平，交叉印证是否会按时还款。
举个例子吧..
假设三个变量，收入、工作地点、IP地址。
如果一个人收入是3万块，但是工作地址、IP位置都是一个比较偏僻的山沟里，那显然可以怀疑收入有问题。
如果工作性质和地点在北京，IP地址在新疆，或者频繁更换位置，那么就有可能考虑金融欺诈的风险。
如果收入1万块、工作单位和地点是北京国贸，IP也显示同一个地方，那么可以初步判断申请人是个长期居住北京的中等收入的白领。
以上只是举个简单例子，信贷中需要交叉印证的数据和变量还有很多。上述说的都是大数据的基本逻辑和原理，大家了解一下就可以。毕竟不是做这方面的工作，不用往深了研究。
整体来说金融风控里的大数据并非一个系统，而是N个系统的集成，其中人行的征信系统为主导，以及多个三方机构的数据库为辅助。
其中三方数据内容包罗万象，主要的有公AN的数据库、法院的执行判决数据、工商税务信息、以及一些三方征信如百行、考拉等备案机构作为补充。
很多人担心自己大数据有问题，实际上你只要没有案底涉黑涉D记录或者老赖，基本上不会存在大数据问题。除非你想搞包装骗贷，但是以现在的银行系统基本是没戏的..
很多小伙伴可能会很好奇大数据的报告长什么样，其实也没什么多高级的东西，就是一堆统计信息，最重要的就是分值。
图例是同盾的报告，其中的评分标准是按照多个维度统计的信息来评定的。触发贷前规则越多，总分就越高，越容易建议拒绝..
其中多平台借贷集中申请的情况越容易触发贷前预警，一般15天、1个月、三个月、半年、12个月、24个月的贷款申请，日子越近看的权重越大，也就是说15天内集中申请，那么分值就会飙升。
还有就是央行征信没有的申请信息，大数据的报告也会有，比如一些非银机构申请过拒贷了，但是央行没显示查询信息，第三方大数据会显示..
如果是近期用不同的实名手机号频繁申请，或者通讯录有异常，比如被爆通讯录，经常和羊毛党、黑中介联系等情况，都会显示在大数据里..
以上信息都是通过手机网络收集的信息，平时避免使用多个手机号申请。同时也不要暴露自己的信息，避免成为别人申请贷款的联系人..
如果总是夜间申请，几乎都是网贷，因为谁没事大晚上借钱，肯定是极度的缺钱…
打工人一般工作日没时间，如果到了周末就去借，那也是极度缺钱的表现，一般中介周末都不休息，就是等着帮这帮人办..
剩下的信息就是看名下目前涉案情况，曾经有没有案底等信息。这些都会在报告中体现..
总结一下，每款三方的大数据信息都有所不同，但是大面上关注的信息都差不多，我这边列举出来，希望大家不要触碰红线..
温馨提示：
1.是否与黑中介有关联：与从事包装客户资料，伪造客户资料，冒用客户资料，套取机构政策等职业的用户或者机构成员有关联。
2.是否疑似与异常行业有关联：互联网行为疑似涉嫌S情、D博、毒P等不良行为。
3.是否疑似虚假资料：在社交平台提供过虚假资料，或者有恶意申请/操作记录，或者个人信息疑似泄漏、冒用、伪造等。
4.是否疑似羊毛党：在网贷、电商、O2O等平台有薅羊毛行为的用户。
5.是否身份信息存疑：未获取到社交平台中的身份信息或者身份信息（身份证、手机号、姓名）疑似涉嫌伪造。
6.是否严重异常行为：疑似有恶意消费的行为。
7.是否存在失信行为：客户有失信行为。
8.是否存在支付异常行为：支付行为异常包括支付频次、额度、场景等方面有过异常行为。
9.是否存在其他异常行为：用户和以下高风险行为可能存在较高关联度：信息被盗风险较高、社交圈子不固定、地理圈子变化较大。
10是否上网环境异常：用户上网时，有使用虚拟机、代理设备、代理IP、猫池等行为。
写在最后给点建议吧：
1.不要以为不上征信的信息就可以当做没有，实际上银行可以通过很多三方平台看到,掩耳盗铃最后吃亏的是自己。
2.很多银行都和名的三方数据平台合作，比如同盾、天创、百融等等。可以搜索一下这些大数据风控公司和哪些银行有合作。比如我知道的同盾就和中行、农行、工行、交通、招行等等27家金融机构都有合作包括一些消费金融公司。
在申请相对应的银行信贷之前自己最好查询一下三方的大数据，有些大平台显示的信息会比较细的，多观察大数据报告分值的变化核对比自己查询的征信，这样申请信贷也更有把握（具体的大数据平台自己去查询网上都有，文章里我也不便多说，可以私信交流）。
3.还有就是最好不要集中还款和集中申请的情况，这些都会被大数据捕捉。
集中还款被风控是因为近些年债务重组业务猖獗，所以银行为了防范这类客群也会特殊标记，同时大数据也会对还款行为进行分析。
集中申请也是一样，如果集中还款了再在同一时间申请那就妥妥的债务重组了。可能做了一两家就触发贷后后面就批不出来了，这种情况现在会比较常见，特别是出现在一些资质不够的客户身上。
写的差不多了，如有遗漏下次再补充吧…
还有就是批贷款别把大数据看的很可怕，其实你只要是个没前科的良好市民，基本不用担心会触发，即便有些小问题也是可以通过后期跟养征信那样养护回来，没多大事。