假定诸葛亮和司马懿生活在现代， 那他们信息应该是这样的，
传统的信贷评级下，司马懿要借钱，可以看看今天他的信用条件怎么样：拥有过去20年的信用历史，而且这个官级从养马开始一点点升上来，他可能盖房子借过钱、买马车借过钱，所以信用值也不错，最近没有新的贷款，如果从美国典型的风控角度来说，绝对可以借钱给司马懿。
如果是诸葛亮要借钱，我们先看诸葛亮的情况：他日子过得没那么好，帮刘备把蜀国给搞下了，但是毕竟蜀国财政没那么好。收入可能只有3000块钱，过去24个月还违约过一次，只有7年的信用历史，最近还老是借钱，借过3次，贷款类型也不丰富，借过钱买过马车。
将这二者之间进行比较，毫无疑问大家都会选择把钱借给司马懿，而不借给诸葛亮，这是个典型的传统的风控模型，看重债务历史，而不看重现在。
如果在大数据的视角下，结果可能会截然不同，首先，司马懿的上网IP地址来自于魏国国家图书馆、蔡文姬茶楼等，他不从工作的地方来、也不从家里来，可以证明他没有稳定的收入。而他刚刚申请了两个发薪日贷款，这证明他以前有钱，现在没钱。而他的学生贷款是从公司里扣除的，说明他钱不归他控制，而由魏国国家政府控制着，这就意味着他信用记录并不好。而从地址来看，他最近一会在许昌，一会在洛阳，一会在长安频繁搬家，从整体情况来分析，很可能最近他混得比较惨。
而诸葛亮借钱的原因是他去年被马车撞了，蜀国的医疗保障不健全，他只好自己付了医疗费，这意味着40%的DIT来自于他借款还医疗费，而之所以历史信用记录不长，是因为他刚刚搬到四川，当丞相的时间不长，信用体系仍然没有建立完全，但最近五年他一直住在丞相府，地址相对稳定，而且在学生时代曾从司马徽，庞德公那里拿过奖学金。如果把所有的因素放在一起，信用评估的结果就会发生变化。
受大数据的影响，信贷评级的方法正在逐步改变着。
传统的贷款业务审核主要是打分制，依靠于用户提供的信息及银行拥有的历史信用信息，对照银行的打分表，对用户进行评分，在这个过程中，其核心是为了判断借款人的还贷能力及还贷意愿，在这个过程中，人的主观判断对结果具有强烈的影响，而在大数据视角下的信贷业务，由于指标量的增加，在数据的处理及分析上，更倾向于数据挖掘算法，在评级的过程中，人的主观意见几乎可以忽略。
在处理数据的过程中，对借款人的评级其根本是一个分类的过程，借助数据挖掘的分类方法，能有效的对借贷人进行评级。
随着能获得的数据类型的增加，信贷评级所采用的指标类型及数量正在逐步增加。
过去贷款的审核指标，主要以身份证明、工作证明、收入证明、居住证明等材料及过去信贷记录为指标，是基于过去的收入及信用情况来预估未来的风险。在大数据的思想下，一切相关的信息均能成为审核指标。在国外，以大数据为基础，利用数据挖掘方法做个人信用评级及贷款业务的企业已经开始运行，美国的Zestfinance公司就是其中的代表，与传统的信用评级不一样的是，Zestfinace把与贷款人相关的信息作为评级的指标，指标达7万个，利用10个数据挖掘模型对贷款申请人进行分类。其实国内也已经有部分公司开始尝试把大数据引入个人信贷中，Wecash就是其中一家，引入用户个人网上社交行为及互联网信息到评级中，扩充互联网信用评级指标。
随着大数据的发展，基于大数据的信贷评级方法与传统方法愈发不同。
不同于传统的信贷评级，大数据视角下的信贷评级更能发现优质的借款人，更好的把控风险。传统的信贷评级，看重的是个人的历史财务状况、信用状况。用这两方面来评估借款人的还贷能力及还贷意愿。而在大数据视角下，随着指标的不断增长，对借贷人的分类越来越精准。
随着模型所应用的指标的增加，信贷评级的结果会逐渐发生改变，并愈加接近真实。传统的信贷评级体系，更看重过去的信贷情况来判断一个人的还款意愿，这样对于过去信用记录空白及由于某些情况而导致信贷记录不好但有强烈还款意愿的人来说，是不利的。而大数据正在逐渐改变着这种状况。
虽然同一个借款人在两种评级方法下得到的信贷评级可能是相反的，但是这并不能说明大数据视角下的信用评级是对就有的评级体系的否定，更像是对原有评级体系的一个补充扩展和改进。就目前利用进行信贷评级的企业看来，更多的是利用数据挖掘的算法，对机器的依赖度很高，信贷评级是一个定性的过程，在这个过程中，不可避免的需要结合人的经验判断，这是机器所无法替代的，而且，原有体系下的财务分析，对借款人的偿债能力分析是有效的。这样看来，大数据下的信贷评级体系无法完全颠覆原有的评级体系，反而更像是对原有体系的补充及改进。
