进入2017年下半年，互联网金融经历了浪潮褪去的2016，渐趋冷静。也为此，不少人对互联网金融产生了误解，以为互联网金融企业真的日落西山。

事实并非如此，与P2P的逐步退潮相对应的，是消费金融万亿级市场逐渐开启，以厚本金融为代表的大数据消费金融机构逐渐为众人所熟知，走向前台。

不过，中国消费金融的发展也面临一个问题——相比于个人信用体系较为成熟的美国，中国个人征信领域还处于发展阶段，由此而造成的状况是：中国的消费金融企业需要面临欺诈风险、对征信不足的消费人群进行风险定价等等诸多挑战。

金融的本质是风险管理，风控是所有金融业务的核心。对于互联网消费金融公司来说，大数据风控的模式和能力显得尤为重要。事实上，厚本金融早已在大数据风控领域有所布局。

作为中国领先的消费金融创业企业，厚本金融承袭了Capital One的技术及金融基因。Capital One是Fintech领域的教父级公司，而继承了Capital One基因的厚本金融，基于hadoop、spark、TensorFlow等大数据技术开发，构建了平台自有风险定价模型，对潜在用户进行风险定价，以此实现风险与收益的匹配。

以反欺诈为例，如何判断借款用户有欺诈可能？厚本金融的大数据风控模型，在通过用户授权后,抓取社交数据、通讯数据、信用卡数据以及接入央行征信数据等方式，对用户的行为进行分析评分，防范欺诈风险。

具体来说，借款用户在APP上停留的时间、输入身份验证信息时长等等，都将成为评判的一个维度，在综合评分之后，对该用户形成具体画像。数据维度越丰富，则画像越清晰，欺诈风险防范能力则越高。

譬如，某人利用伪造信息在厚本金融进行借款，根据其提供的信息，厚本金融的大数据风控模型自动进行风险识别。例如电话通讯录联系人数量、输入身份证时间、手机号码、银行卡号时间长短、在厚本金融APP某页面停留时间长短等等，都将作为数据分析的一个维度，给出评分。

“比如某个人在输入银行卡环节用时较短，我们的风控模型可能就会给其打出一个相对较低的评分，正常借款用户快速输入银行卡号的概率较小，而诈骗份子概率则相对较高。”厚本金融首席数据官解释。

除此之外，大数据风控还能提高审批效率。对于急用钱的消费者来说，正是因为银行审批流程的繁复，消费金融企业才有更多机会竞争这片大蓝海。因此，提升审批效率也变的尤为重要。

厚本金融基于大数据模型的自动化预判机制，充分利用机器学习，进行快速判断，以秒速进行初步信审，加快审批流程，实现快速放款。

同时，厚本金融高速发展的业务也为大数据模型积累了更为有效的训练样本，使得模型可不断迭代更新，真正实现数据和技术驱动的信贷决策。

大数据时代的大潮中，金融机构之间的竞争将在数据上全面展开，说到底就是“数据为王”。谁掌握了数据，谁就拥有风险定价能力，谁就可以获得高额的风险收益，从而赢得竞争优势。