信用是金融业的基石，是有效实现金融交易的前提与基础。信用风险能够诱发流动性风险、道德风险和操作风险。互联网金融改变了传统金融生态，基于网络的虚拟交易平台，在给人们带来便利的同时，也增加了金融交易双方的信息不对称，更易于导致信用风险。因此，防范和化解互联网金融信用风险比传统金融显得更为重要和迫切。

1.农村信用体系困境与机遇

阻碍农村金融发展的一个重要因素就是信用体系建设的滞后。现有农村金融体系存在信用体系缺乏、守信激励机制与失信惩处机制不完善、农民信用意识淡薄等问题，这也是众多金融机构不愿意涉足乡村的主要原因。问题的症结在于：由于农村金融机构的服务对象主要是无征信数据记录的农户和无完善财务评估分析的中小企业。但是，利用大数据技术建设农村征信平台，可有效摆脱这一困境。基于大数据技术的征信平台不仅可以拥有更丰富的数据源，同时还能对所征集的数据进行解析，进而对信用主体的属性、行为、需求三方面进行综合评测。与传统征信体系相比，基于大数据的征信平台覆盖面更为广泛，可以有效防范农村金融发展中的信用风险，并使信用评价更加全面和客观。征信的本质是采集和记录信用信息并经处理后提供给决策者。大数据是采集数据并挖掘分析数据背后的相关性以供决策参考。可以说，征信业和大数据有着天然的内在联系，就是“依赖数据进行决策”。在大数据时代，一切数据都可成为信用数据，经分析后可用于评价个人或企业的信用状况。

2.大数据拓宽了征信数据来源

大数据能极大地拓展信用信息的来源和范围。实际上，万事万物及其变化皆可表示为数据，而一切数据皆可转换为信用数据，大到城市交通信息、经济运行数据，小到一个人的网上行为、性格倾向甚至心率、脉搏、脑电波等都可以成为信用数据。信息技术革命带来的数据爆炸式增长，社交网络、电子商务等将人们的日常生活网络化，互联网上的数据每18个月就翻一番，极大地拓展了征信信息的来源空间，而并非像过去那样仅仅源于某个特定领域。目前互联网可用于金融信用分析的数据可来自电商类网站、信用卡类网站、社交网站，以及小贷类网站的信贷大数据，第三方支付类平台的消费大数据，生活服务类网站如水、电、电话、网络费等交纳情况的大数据，等等。大数据与云计算技术的发展，使得海量数据采集、存储和分析成为可能，彻底改变了过去征信中只将信贷等特定的、直接的数据作为信用数据的局面。比如，美国Turbo Financial Group在其大数据信用分析中，主张所有信息看关联不看因果，IP地址、电脑品牌、是否玩游戏等信息在信用评价中都很重要，甚至在美国申请信用卡时姓名的大小写也能反映出一个人的信用指数，并且认为用户给的所有信息都是有用信息，甚至说谎、隐瞒、写错的信息都可以反映一个人的信用情况。再如，北京百分点信息科技有限公司根据用户年龄、性别、工作、学历、兴趣爱好等个人基本属性数据，搬家及更换手机号码的次数，购物习惯，汽车和电子产品品牌，互联网标签，甚至浏览网站的次数和时长，观看的文章及篇数等各类信息构成的行为属性数据，对用户信用进行立体地刻画分析，用以评估风险、信用状况、预测信贷需求等。大数据的来源是全方位的，因此大数据对信用信息的描述是连续的、立体的、全面的。(www.daowen.com)

3.以大数据为基础的农村信用体系

在农村互联网金融领域，征信的支撑作用尤为重要。传统征信大多反映的只是客户的还款能力，而大数据征信体系则能够反映客户的还款意愿。通过大数据技术收集一个客户的所有信息，记录客户的行为轨迹，最主要的是大数据征信可以以其所掌握的数据资料对客户稳定性格、心理状态以及经济综合状况进行分析预测，最终判断客户的还款意愿及还款能力，极大地拓展了征信信息的范围。所以，农村互联网金融机构可以将大数据征信体系与传统征信体系结合起来，减少信息不对称，进而有效解决逆向选择和道德风险问题。利用大数据可以进行客户信用管理，通过大数据获取的客户信息和行为数据，作为一些小微信贷客户的信用数据，可对客户行为进行分析预测，从而判断客户信用。比如分析商家店铺的点击量、订单量、买方评价等行为来获取企业信用；花旗银行则通过搜索客户的社交网络，公共网页等信息来获取信用记录以及信用历史。小微企业贷款难的问题由来已久，互联网金融是解决这一个问题的有效手段。农村小微企业信贷面临的难题是信息不对称、管理不规范，因而农村互联网金融机构需要通过大数据挖掘、分析和运用，去识别具有市场潜力的农村中小企业客户，完善批量化和专业化审批流程，建立面向小微企业的信贷服务，向满足信用预期的农村小微企业提供小额贷款。小额贷款可以只借助互联网，完全依靠线上运作，交易成本较低而效率高。

4.大数据的价值及应用前景

大数据最重要的不是“大”和“数据”，而是其潜在价值。大数据并非仅停留在海量数据汇聚的层面，大数据的价值体现在对数据深入挖掘后呈现的相关性与趋势，体现在从海量数据中快速提取出有价值的信息并为信用决策服务。数据运用的有效性决定了它的价值，大数据和云计算能有效提升信用数据的挖掘深度，其优势在于它对数据的强大处理能力，而不仅仅是样本量的扩大和速度的提高，通过数据集成共享和交叉复用实现价值最大化。大数据意味着大资源，大数据平台将以往被分割的、零散的各类数据汇集起来处理，基于更广阔的时间尺度和更细级别的粗糙粒度进行全维度分析，实现动态数据搜集和处理、更高程度的共享和无阻碍的数据间交叉使用和关联分析，其数据挖掘深度非传统技术可比。凭借大数据的深层数据分析能力，可以实现个性化需求分析和智慧分析，最终实现一切皆可预测。国内的网络贷款也初步探索出大数据征信模式，依据企业行为数据判断其“实际”还款能力，而并非资产负债表上显示的“可能”还款能力，颠覆了传统的放款原理理念，一些数据分析公司也逐渐开始依据数据模型为银行进行信贷预测。未来，大数据挖掘将助力征信业不断在创新信用动态评分、信用风险评估和管理、预防信贷欺诈、提供更多信用报告选择、预测和快速匹配信贷需求等方面取得突破，互联网的无地域性也必将同时惠及农村信用体系。