当前的局限性
数据环境不成熟，数据获取困难
随着互联网带来的广泛数字化潮流，整个社会的基础信息搜集和信息共享机制有所改进，但仍不足以支撑全面的大数据征信，一方面是以水电煤气为代表的基础信息、个人公积金、住房、社保、教育和司法尚未完全联网，即使联网也经常获取困难，底层数据缺乏；另一方面是支付信息和社交信息的割裂，各家电商、社交平台之间对于信息的共享同样非常谨慎，甚至存在敌视。这导致大范围内的数据获取存在障碍，银始sF-的成本非常高。
为了获取信息，大数据征信机构不得不主动扫描用户账户、采用复杂技术摘出原始数据入拋开隐私和信息安全等顾虑，这些孤立、叁、复杂的采集工作本身就会严重降低征倍信效率。如果信息源的格式发生变化（例如电商网站上的个人账户进行改版），数据抓取工具不得不重新设计。一旦不慎，数据抓取错误，信用报告的可用性将大幅度降低。根据目前的观察，这种情况短期内不可能有较大改观。
‘数据模型的可信赖性有待检验
征信模型的精度提升建立于大数据获取、处理的基础之上，需要不断的时间反馈数据作为验证。由于应用时间非常短，缺乏历史数据的参考，目前的大数据模型大都于规则制定，其中带有大量的传统征信规则，还是一种中间形态，未能完全实现大数据的能力。一些征信机构与信贷机构进行合作，纳入3至9个月的贷款数据作为检验，目前正处于模型调优和经验积累期。因此大数据征信远远谈不上成熟，实践效果需要进一步检验。
应用范围偏窄
因为大数据征信的大部分数据来源于互联网，实际上就把将较少使用网络服务的体排除在外，例如偏远地区和经济不发达地区，在这些地方，小额信贷还只能依赖于实地走访进行尽职调查，大数据的应用空间尚小。其次，对于个人或企业的大额借款，其依赖的信用资源多存在于线下，大数据征信对此也无能为力。
归结起来，目前的大数据征信多面向数额较小、无抵押的信用贷款。在操作上，大数据征信借鉴了许多信用卡风险管理方面的技术。另一方面，以P2P为代表的小额信贷市场对低成本、高质量的征信技术最为渴求，因而它可能首先会在这一市场产生突破。在商业化尝试中，大数据征信针对互联网沉浸度较高的人群，多集中在一线城市中，有一定的持续收入能力。P2P借贷平台在一线城市的集中度最高，目标用户有较大程度的重叠，二者互相结合、互相验证、互相促进，将形成必然趋势。当然，在这一过程中，二者的流程均需要持续优化和适配。
作者:元享速贷@长沙小额贷款公司
长沙小额贷款公司_长沙无抵押贷款_长沙信用贷款_长沙贷款
株洲贷款公司_湘潭贷款公司_宁乡贷款公司_浏阳贷款公司
本文元享速贷版权所有，未经批准转载必究。
