《大数据时代》中对大数据是这样定义的：大数据，不是随机样本，而是所有数据;不是精确性，而是混杂性;不是因果关系，而是相关关系。
近年来大数据在网络科技发展中无处不在，你可能近期买了一套房子，很快就会有家装的、家具城、电器城给你打电话为你送上“暖心”的服务。
P2P网贷的快速发展令人吃惊，厉害的平台能找到你没钱花了，能在你需要用钱的时候雪中送炭。可能听起来十分恐怖，你的动态似乎不同的商家了如指掌。但这是大数据的趋势，如果信息不被恶意利用，在大数据的发展中P2P是有很大的优势。
快乐借根据环球时报分析：传统的借贷流程中，对于借款人的信息审核，机构是依靠借款人自己提供的各类信息来判定其还款能力。但此种审核方式有四大问题：其一，用传统信息获取渠道判断信息真伪的成本较高;其二，由于全程需要人工参与，既增加了道德风险，又导致效率极其低下;其三，传统的风险评估模型中，对于借款人资产状况评估的权重过高;其四，贷款人隐藏风险的难度较低，造假成本较低。
用大数据的角度来构思，就可以发现应该把更多权重放在借款人日常生活的交易数据及社交数据上，比如借款人一般都在哪里消费、月均消费金额是多少、消费支出中的分布情况如何、微博微信之类的社交圈活跃度如何等诸如此类的问题。
这类数据具有很好的连贯性，我们可以从中分析很多的用户特性和习惯轨迹并反向推断借款人的实际财务状况，进行风险筛选;也能大幅增加借款人的违约成本从而警示借款人遵守规则、按期还款。最重要的是，这些数据造假可能性非常低，因为都是大数据环境下的各类碎片信息收集和分析，真实性基本可以做到百分之百。
以美国信用评分工具FICO应用为例，这种信用评分思路是：将借款人的历史信用资料与数据库全体借款人的信用习惯相比较，检查借款人的借款趋势和违规、透支、甚至陷入困境的情况是否有相似性。但这种评分方式会有一些难以覆盖的人群，ZestFinance针对FICO不能覆盖的人群进行评分，在其官方宣传中提到用3500个数据项，从中提取70000个变量，利用10个预测模型，包括欺诈模型、身份验证模型、预付能力模型、还款能力模型、还款意愿模型、稳定性模型等进行消费者信用评分。
通俗地说：第一，大数据解决现状分析，即发生了什么。第二，大数据解决会发生什么的问题。从信贷关系角度上看，知道你今天下午要干什么几乎没有意义。信贷分析、风险管理所关心的问题是，给你一笔钱有多大的概率会不还，如果给你1万块钱会怎么样，如果给你10万块会怎么样。
P2P行业现阶段风险在不断降低
①P2P投资95.2%的人在赚钱
据快乐借统计，截至2017年9月底，踩雷投资人50.8万人，但只占总投资人数的比例的4.8%，触雷资金289.2亿元，占总投资额的3.3%。换句话说，这个投资市场95.2%的人是赚钱的，96.7%的钱目前还是安全的。总体看来，风险并不算太大，踩雷几率也是相对较少，这不可避免。
很多人可能会质疑，P2P赚钱比例这个数据不靠谱。市面上跑路的新闻那么多，让我们觉得P2P是骗子很正常。投P2P没选好，踩雷了，觉得它是骗子更是理所当然。但是，媒体口里、我们印象中的“世界”不一定就是最真实的世界。事实上这个投资领域更多的人在赚钱。
②P2P有实际价值
P2P实实在在解决了小微企业和社会底层群众借钱无门的问题，求人于困境之中，并且增加了普通人的投资渠道。
截止到2017年9月P2P给小微企业和个人累计输送49613.54亿元资金，使得民间借贷利率3年内降低了一倍。P2P使得400多万投资人，累计获利4500亿元。P2P的交易规模7年时间暴涨了300倍。事实胜于雄辩，结果说明一切!
③行业风险在降低
P2P逐渐被大众认可，大家可以分析下图↓↓
查看更多精彩图片>>
快乐借分析： P2P投资仍有利可图，通过大数据风控来预判投资的风险的模式会越来越成熟，即使出现的信息安全和隐私保密的问题业内也不断在寻求优化解决的办法，因此，P2P的发展值得投资者拭目以待，行业发展趋势为：告别大标模式，小标资产全盛，小且大数据风控稳定才是未来。
《大数据时代》中对大数据是这样定义的：大数据，不是随机样本，而是所有数据;不是精确性，而是混杂性;不是因果关系，而是相关关系。
近年来大数据在网络科技发展中无处不在，你可能近期买了一套房子，很快就会有家装的、家具城、电器城给你打电话为你送上“暖心”的服务。
P2P网贷的快速发展令人吃惊，厉害的平台能找到你没钱花了，能在你需要用钱的时候雪中送炭。可能听起来十分恐怖，你的动态似乎不同的商家了如指掌。但这是大数据的趋势，如果信息不被恶意利用，在大数据的发展中P2P是有很大的优势。
快乐借根据环球时报分析：传统的借贷流程中，对于借款人的信息审核，机构是依靠借款人自己提供的各类信息来判定其还款能力。但此种审核方式有四大问题：其一，用传统信息获取渠道判断信息真伪的成本较高;其二，由于全程需要人工参与，既增加了道德风险，又导致效率极其低下;其三，传统的风险评估模型中，对于借款人资产状况评估的权重过高;其四，贷款人隐藏风险的难度较低，造假成本较低。
用大数据的角度来构思，就可以发现应该把更多权重放在借款人日常生活的交易数据及社交数据上，比如借款人一般都在哪里消费、月均消费金额是多少、消费支出中的分布情况如何、微博微信之类的社交圈活跃度如何等诸如此类的问题。
这类数据具有很好的连贯性，我们可以从中分析很多的用户特性和习惯轨迹并反向推断借款人的实际财务状况，进行风险筛选;也能大幅增加借款人的违约成本从而警示借款人遵守规则、按期还款。最重要的是，这些数据造假可能性非常低，因为都是大数据环境下的各类碎片信息收集和分析，真实性基本可以做到百分之百。
以美国信用评分工具FICO应用为例，这种信用评分思路是：将借款人的历史信用资料与数据库全体借款人的信用习惯相比较，检查借款人的借款趋势和违规、透支、甚至陷入困境的情况是否有相似性。但这种评分方式会有一些难以覆盖的人群，ZestFinance针对FICO不能覆盖的人群进行评分，在其官方宣传中提到用3500个数据项，从中提取70000个变量，利用10个预测模型，包括欺诈模型、身份验证模型、预付能力模型、还款能力模型、还款意愿模型、稳定性模型等进行消费者信用评分。
通俗地说：第一，大数据解决现状分析，即发生了什么。第二，大数据解决会发生什么的问题。从信贷关系角度上看，知道你今天下午要干什么几乎没有意义。信贷分析、风险管理所关心的问题是，给你一笔钱有多大的概率会不还，如果给你1万块钱会怎么样，如果给你10万块会怎么样。
P2P行业现阶段风险在不断降低
①P2P投资95.2%的人在赚钱
据快乐借统计，截至2017年9月底，踩雷投资人50.8万人，但只占总投资人数的比例的4.8%，触雷资金289.2亿元，占总投资额的3.3%。换句话说，这个投资市场95.2%的人是赚钱的，96.7%的钱目前还是安全的。总体看来，风险并不算太大，踩雷几率也是相对较少，这不可避免。
很多人可能会质疑，P2P赚钱比例这个数据不靠谱。市面上跑路的新闻那么多，让我们觉得P2P是骗子很正常。投P2P没选好，踩雷了，觉得它是骗子更是理所当然。但是，媒体口里、我们印象中的“世界”不一定就是最真实的世界。事实上这个投资领域更多的人在赚钱。
②P2P有实际价值
P2P实实在在解决了小微企业和社会底层群众借钱无门的问题，求人于困境之中，并且增加了普通人的投资渠道。
截止到2017年9月P2P给小微企业和个人累计输送49613.54亿元资金，使得民间借贷利率3年内降低了一倍。P2P使得400多万投资人，累计获利4500亿元。P2P的交易规模7年时间暴涨了300倍。事实胜于雄辩，结果说明一切!
③行业风险在降低
P2P逐渐被大众认可，大家可以分析下图↓↓
查看更多精彩图片>>
快乐借分析： P2P投资仍有利可图，通过大数据风控来预判投资的风险的模式会越来越成熟，即使出现的信息安全和隐私保密的问题业内也不断在寻求优化解决的办法，因此，P2P的发展值得投资者拭目以待，行业发展趋势为：告别大标模式，小标资产全盛，小且大数据风控稳定才是未来。