而在互聯(lián)網大數(shù)據(jù)模式下，電子商務、社交網絡和用戶的搜索行為等大數(shù)據(jù)，包括客戶的教育背景、工作經歷、社交圈子等，為給客戶清晰“畫像”提供了豐富的素材。以此為基礎的大數(shù)據(jù)技術，通過綜合分析借款人相關行為數(shù)據(jù)及其關聯(lián)性，對客戶的行為模式、誠信狀況、履約能力及意愿等可以做出更加接近真實的判斷，從而有利于找準市場定位，明確資源配置方向，并有效降低貸款違約率。而這恰是傳統(tǒng)銀行孜孜以求的目標。

傳統(tǒng)銀行在大數(shù)據(jù)方面的另一個短板就是其數(shù)據(jù)來源和存儲模式的局限性。這種局限性，某種程度上是與傳統(tǒng)銀行與生俱來的特質密切相關的，即強調數(shù)據(jù)的精準性與一致性。而大數(shù)據(jù)理論更關注效率與相關性，在對數(shù)據(jù)的篩選、存儲方面強調由關注精確度向關注效率轉變、由關注因果關系向關注相關性轉變。

現(xiàn)實情況是，近年來許多銀行加強了數(shù)據(jù)倉庫系統(tǒng)建設，對分布在各個源系統(tǒng)中的原始數(shù)據(jù)進行清洗、抽取、轉換并進行集成和存儲，使數(shù)據(jù)的精確性和一致性得到了提升，但同時在一定程度上消除了數(shù)據(jù)的混雜性和關聯(lián)性，反而制約了大數(shù)據(jù)的賦能性。

另一方面，在數(shù)據(jù)運用上，傳統(tǒng)的風控技術在大數(shù)據(jù)風控技術面前相形見絀。

對于金融業(yè)而言，大數(shù)據(jù)的魅力突出展示在客戶風險控制上，體現(xiàn)為風險控制模型的設計。目前傳統(tǒng)銀行在風控上大多采取信用評分模式，而信用評分模型主要依據(jù)歷史借貸、財務數(shù)據(jù)來預測和判斷客戶的違約風險。其缺陷比較明顯，除了受制于數(shù)據(jù)庫的完善程度外，更為關鍵的是無法對現(xiàn)有數(shù)據(jù)庫之外的、非信貸客戶進行信用風險評估與授信。這就使得那些在傳統(tǒng)銀行體系信貸記錄為空白的群體難以獲得金融服務。既制約了銀行自身的獲客能力 和業(yè)務拓展空間，也與發(fā)展普惠金融的宏觀導向相背離。

相比之下，基于互聯(lián)網的大數(shù)據(jù)風控模型除了重視傳統(tǒng)的信貸變量，更關注涉及客戶社交網絡等渠道的信息。這就為信貸記錄的“空白群體”提供了獲得基本金融服務的可能性。同時，大數(shù)據(jù)風控模型更加關注客戶的行為數(shù)據(jù)。 通過對客戶行為數(shù)據(jù)的分析與清晰“畫像”，不僅能相對準確地鎖定營銷目標，分析判斷目標客戶的資信狀況、償貸能力與還款意愿，為貸前調查、貸時審查“把關”，而且通過動態(tài)的行為跟蹤分析，還能及時發(fā)現(xiàn)風險苗頭，將風險消弭于萌芽狀態(tài)，有效降低客戶違約風險。