大数据风控的话题实在是炙手可热，有不少人如巫术一般的崇拜大数据，觉得大数据的魔棒一挥，各种问题迎刃而解。也有人说这个是纯属炒作概念，凭着热度来忽悠一波热钱进入接盘。
这犹如小马过河一般的评论，使得任何一个有兴趣投资大数据金融领域的投资者心存疑惑，大数据这玩意儿究竟价值何在，水又有多深？
其实大数据风控和传统的评估角度并没有本质的区别。互联网金融产品，和做其他任何商业产品一样，都是为了解决把什么东西（产品）提供给什么人（客户）才能最赚的问题。
利用大数据做风控只是通过发挥互联网的优势，利用新的原材料和与其相匹配的技术手段，帮助互联网金融产品提高风险管理&赚钱的效率。
举一个很简单的例子，比如某个老太太准备摆摊卖水蜜桃。
首先她要有货，整来一堆大桃子进了仓库。一看这些桃子有大有小，产地还不一样，总不能卖一个价钱。老太太挠挠脑袋，按照若干指标分好，首先按照产地分，这是阳山的水蜜桃，那是南汇的桃儿，再一堆儿是平谷的桃儿；再按照大小分，一个桃一斤多的一堆，一个桃半斤的一堆，还有一堆个头忒小的再堆一堆。然后想想这不同采摘的时间按说品质也有区别，不过光按照产地和大小分就分出来九堆桃子，仓库堆满，再分就分不下了。
信用估值的方法类似与老太太分桃子的等级，按照大小，产地，采摘时间，可以把桃子分成N个分类。信用评价也是一样，可以用不同的指标来划分客户群体。按照传统的方式，光按照流水银行流水，通话，就可以抽样出职业，年收入，收入变动情况等一些传统指标（通常是几个或者十几个），对用户进行评估和授信。
而到了大数据手中，这信用估值的指标可以达到更大的量级。传统评估可能仅限于用户提供的少量资料和一些调查获得的信息。大数据评估可以获得到用户的更多信息，比如电商浏览和购物，平时交易流水的多少，交易发生的时间，用户交易的地点，以及任何和用户信用略有关系的其他指标。整个参与到信用评价中的指标可能多达上千个。
在获得了数千个指标之后，这些指标彼此正交，如老太太按产地和大小两个指标组合，对桃子分了三六九等一般。依据这数千个指标正交之后会产生的上亿的组合（数据可不象桃子那样占地方），可以对人群进行极为精密的划分，以划分的结果进行建模，会得到比传统手段更加精准的模型。
分好桃子，老太太又伤了脑筋，我分了这么多种桃子，我该咋定价呢？前几天看市场上桃子卖三块，感觉没平谷的甜，个头也没半斤的大。这我就按照这个做样本，不大但甜的卖五块，大个不甜的卖四块，又大又甜的我卖个七八块。
然后老太太推个三轮儿，装了九筐桃子，准备出去卖了，第一天去了菜市场，一堆大妈光捡便宜的买，大桃儿一个都没卖出去。老太太痛定思痛，大桃儿定价各减一块。
第二天推车去了写字楼附近摆地摊，一堆白领吃了午饭出来买水果，净拣大个儿的买，小桃儿这回无人问津了。
在进行了评估之后，金融企业需要根据不同渠道对应的客群设计对应的产品。大数据依据对于人群的精密描绘，为金融产品定制提供了更加灵活的可能性。金融企业可以根据客群的不同，制定更加有灵活性的产品，从而实现更高的利润。就如老太太不必一天天的测试不同地方什么桃子最好卖。尽量让每个客户面前，都放着这个客户所在客群分类中最合适的桃子。
第三天老太太想了想，装了一车大桃儿来到写字楼，没想到刚支好摊，来了两个小骗子，给了一百假纸币买了俩桃，随后，遇到城管，连桃儿带车都被扣了……
在金融产品上线运行之后，欺诈问题往往会浮现出来，形形色色的中介防不胜防，好不容易过了中介羊毛党这关，说不定那天突发的系统性风险又会找上门来。对于以往的评估手段，因为获得的信息面相对还是较小，对于欺诈用户难以应对，在黑产中可以轻易做出银行流水和通话记录。一个在现实中欺诈不已，但是在信用上清白且优质的人可以凭空制作。但是对于大数据风控评估来说，所用的评估指标来自生活的方方面面，伪造记录无异于重新投胎，使得欺诈难以实现。
最后一点，对于金融天灾一般的系统性风险，大数据模型因为对人群的精密分类，因此在异常信息上也格外敏感，在产品运行中，会得到比以往更多更丰富的反馈信息，可以在系统性风险发生之前就给出足够的预警，给了金融企业躲灾的可能性。
后来，买桃子的老太太在大数据咨询师的帮助下，建立了互联网桃子企业，终于成为桃子界的一匹独角兽，这就是后来的事情了 : )
本文作者：ZRobot金融科技公司研发负责人 张晨
