在应用层面，金融行业利用大数据进行风控已经取得了一定的成效。使用大数据进行风控已成为美国等发达国家互联网金融企业的标准配置。美国金融科技公司ZestFinance开发的10个基于学习机器的分析模型，对每位信贷申请人的超过1万条原始信息数据进行分析，并得出超过7万个可对其行为做出测量的指标，而这一过程在5秒钟内就能全部完成。为网上商家提供金融信贷服务的公司Kabbage主要目标客户是易贝（eBay）、亚马逊（Amazon）、PayPal等电商，其通过获取这些企业网店店主的销售记录、信用记录、顾客流量、评论、商品价格和存货等信息，以及他们在脸书（Facebook）和推特（Twitter）上与客户的互动信息，借助数据挖掘技术，把这些店主分成不同的风险等级，以此来确定提供贷款金额数量与贷款利率水平。

中国互联网金融企业对于大数据风控的运用也如火如荼。阿里巴巴集团推出了面向社会的信用服务体系芝麻信用，芝麻信用通过分析大量的网络交易及行为数据，对用户进行信用评估，这些信用评估可以帮助互联网金融企业对用户的还款意愿及还款能力做出结论，继而为用户提供相关的金融和经济服务。腾讯的微众银行推出的“微粒贷”产品，其风控核心是，通过把社交大数据与央行征信等传统银行信用数据结合，运用社交圈、行为特征、交易、基本社会特征、人行征信五个维度对客户进行综合评级，运用大量的指标构建多重模型，以快速识别客户的信用风险。

对于大数据风控的理论研究尚处于萌芽阶段，本文以“大数据风控”为主题在中国知网（CNKI）数据库进行搜索，与此相关的文献数量可以从侧面反映大数据风控的理论研究现状。

CNKI数据库中以“大数据风控”为主题的文献共46篇（截至2016年2月统计数据）。在这些文献中，以报道性的文章较多，重要报纸全文库和特色期刊总共为23篇，占比50%；而理论研究的文章较少，中国学术期刊总库为12篇，占比26%；尚没有中文社会科学引文索引（CSSCI）2014—2015年的来源期刊（见图1）。(www.daowen.com)

图1　CNKI数据库与大数据风控相关的文献数量和分类（截至2016年2月）

资料来源：作者根据相关数据自行整理

虽然大数据风控在实践上已经有所进展，但是其有效性也受到一些挑战。例如，以大数据风控为基石的P2P平台就频频暴露问题，对于P2P平台来说，由于其纯线上操作的特点，大数据风控的有效性是决定其经营状况的重要因素，如果大数据风控有效性较差，则面临的坏账压力较大，容易出现提现困难甚至跑路的问题。