互联网金融概念的出现源于新兴技术的涌入，金融业务与互联网和通信技术的融合之下，互联网金融出现。走过最初的萌芽和成长阶段，今天中国的互联网金融市场正处于市场体量不断膨胀的爆发期。但是，金融科技创新与银行数字化转型不会改变金融风险的实质，金融的核心是风控，互联网金融的核心是大数据、人工智能、云服务与物联网等融合而成的智能风控技术。

个人信贷单笔数额小、数量大，需要大量的人力和时间投入，工作效率提升和成本控制很难取得令人满意的效果，而且用户需求的个性化和差异化趋势越来越明显。因此，向金融科技公司购买服务成了金融机构布局互联网金融的重要手段，大量金融科技公司、第三方风控服务商在这一需求下诞生。

这是一个好的开头。

金融科技公司作为独立的市场主体出现不过四五年的时间，2012年以后，金融科技公司数量陡增。时至今日，主营业务涉及智能风控技术的公司已经达到数百家。在这几年的迅速发展中，这些金融科技公司通过对金融机构的数据赋能体现了其独特的市场价值。

数据是金融科技发展的基础，大数据技术在风控环节的应用出现了取代传统风控方法的趋势。传统个人信贷的审批是通过客户历史信用信息和个人消费情况，对申请人风险进行评分和预测，数据一般呈现分散化、碎片化的特点，真实、有效及完整的数据往往很难获取，信息不对称难以消除。

与传统方法相比，智能风控中的数据收集有精准、丰富、实时的优势。大数据拓宽了风险识别维度，传统方法的参考项比较有限，一般只有身份信息、资产状况、信用记录等。而智能风控收集大量的数据，甚至可以列举几百上千个参考项，用户的社交信息、购物喜好、支付信息、征信状况等信息都是有价值的数据。

因而，大数据金融帮助平台通过线上以更低的成本、更可控的风险获客。传统风控过程需要大量的人力、物力支撑，同时服务的人群数量也十分有限。而在互联网金融时代，大数据、云技术等先进科技会将问题逐一解决。

技术融合是智能风控的必经之路。

发展到今天，智能风控环节可细化为四大基本流程，包括数据收集、行为建模、用户画像和风险定价。流程的丰富需要技术的支撑，以大数据、AI技术、生物识别和区块链技术为代表，未来越来越多先进科技将会被用于金融领域。

大数据与AI技术的融合可以最明显地提升大数据风控效果。比如，活体识别、OCR、声纹识别、虹膜识别等多种技术可以提供更加全面的身份识别，降低欺诈风险。通过算法调优和计算能力提升，半监督学习等新技术正在应用到反欺诈等风控场景，降低对专家经验和数据的依赖。

物联网和区块链技术解决数据问题。物联网通过传感器等设备采集线下数据，丰富数据维度。如车联网数据，将丰富车险驾驶行为数据维度，从而实现风险定价。区块链规定数据使用的边界，保证数据的一致性，解决了数据共享的信任问题。通过区块链建立多方数据共享平台，不同机构不再是一个个数据孤岛，大幅度降低了金融机构获取数据的门槛与成本。

云计算增强计算能力。通过金融云平台，金融机构可以同时应对数以百万计的流量，极大提高风控系统的响应速度。此外，生物特征识别、机器学习、自然语言处理、计算机视觉和知识图谱等更多技术正应用在智能风控环节。在技术的延伸过程中，智能风控的应用将趋于成熟，也只有多项技术融合才能使智能风控更完善。

中间层用户带动金融科技发展。

现阶段，不管是各类银行、消费金融公司还是互联网金融机构，对于智能风控还都处于尝试阶段。这与智能风控现在所处的发展阶段有关，也与各家企业性质有关。同盾科技联合创始人马骏驱曾表示：“以传统的银行业为例，大银行和中小城市商业银行、农村商业银行在布局金融科技方面会表现出非常大的区别。”

其中，银行一类的传统金融机构对创新技术手段很谨慎，需要长时间验证。尤其是大型商业银行与领先的股份制商业银行，其自身拥有成熟的风控体系和技术布局，金融科技公司扮演的主要是协同的角色，如提供数据源、联合建模等。

而在与中小型银行的合作中，金融科技公司可以发挥的余地更多，比如为银行提供从数据治理、产品设计、风控系统流程构建、人才培养等一条龙服务。因此，在金融科技公司服务的各种客户类别中，城市商业银行、股份制商业银行、消费金融公司和互联网借贷公司客户数量占比最多。

对于创新技术，股份制银行与城市商业银行这两个群体在业务创新方面更为活跃。“目前而言，我们见到创新活力最多是来自中层用户。比如北京银行、江苏银行等，还有一些‘小而美’的银行，比如泰隆银行、台州银行、江南农商行等。”对于背后原因，马骏驱介绍道：“每一家银行都希望用一些创新的方法，去开拓传统银行还没有覆盖到的地方。所以，从总体活力来看，其实是中间层在带动整体发展。”