对于P2P网贷行业而言，能否利用 互联网 技术有效地搜集用户信息，并对用户的信用信息进行判定和管理，成为考量一家P2P网贷平台风控水平的重要标准。严密的风控手段是保证平台出借人的资金 安全 的重要环节，在风控技术手段创新探索方面，宜信宜人贷作为行业技术创新的代表，显然走得更快人一步。其已通过精确的风险建模，实现了对用户资质的高效审批，为用户提供更便捷的体验。它是基于对自身平台数万名借款用户的了解，同时借鉴宜信八年累积的对于用户的了解，从地域、年龄段、职业、等多维度对借款用户进行了划分，通过精确的风险模型建立，宜信宜人贷建立了一套独有的，行之有效的信用评估系统，通过对用户信息的多维度考察，能够快速对用户的信用资质进行评定，从而极大地提升服务效率。
如某P2P小额信贷机构如何使用个人及机构的外部数据建立自己的征信系统，在极其有限的客户实质接触基础上仅凭问卷数据、自有数据库等对不同客户进行信用评估，并结合内部业务数据建立风险定价系统、风险预警系统、风险管控方案、应对欺诈规则、惩罚方案等一系列影响核心业务盈利能力的系统方案。
通过采用 大数据 解决方案后，通过自建、购买、客户授权后合作分享等多种方式整合包括 互联网 社交网络数据在内的多种数据、建立个人及机构消费、借贷、财务交易、资金往来等多源信用数据库，在此基础上建立符合自身业务范围的客制化信用评估模型，根据此模型评估借、贷款双方的信用等级。通过建模确立如何匹配借贷双方，与具体业务相应的风险评级、授权等级、额度发放等级以及与此相应的风险价格等，并通过已有拖欠、欺诈案例反馈回模型进行机器识别，进一步完善模型。
未来，依托于 互联网 大数据 技术的发展，相信将会出现更优质，更便捷的P2P网贷服务，来帮助更多有信用的借款人释放信用的价值，让信用生金。
但是， 互联网 金融在如此大好的机遇面前，自身也隐匿着一些绕不开的难题。一方面，其以新生事物野蛮式生长，带来便捷的同时，如何解决风控的问题，是当前 互联网 金融必须解决的一个问题；但是另一方面，也面临自身因监管缺失带来的风险。可见， 互联网 金融还有待于时间的磨练。
个性化数据 为医疗插上智慧的翅膀
凯文·凯利（KK）在《失控》的第22章，“预言机”里曾提到：信息就是数据，数据一旦流动，就创造出透明。社会一旦联网，就可以了解自己。所以，很多热衷于 大数据 概念的人，他知道哪里有数据，却没有办法去促成数据的流动。
所以，第一要义，数据如何才能形成流动？它的驱动力在哪里？以现在很热的医疗健康 大数据 为例，来探究数据是如何流动的？
维克托•迈尔-舍恩伯格的《 大数据 时代》一书中有两个关于 大数据 与公共卫生结合的案例令人印象深刻：
乔布斯自罹癌至离世长达8年之久，这几乎创造了胰腺癌历史上的奇迹。据悉，乔布斯曾在此期间支付大量费用获得了自己包括整个基因密码在内的数据文档。借此，医生们能基于乔的特定基因组成以及 大数据 按所需效果用药，并调整医疗方案。
如果上述案例是个体的，那么带来群体价值的案例，便是Google成功预测流感爆发期。2009年甲型H1N1流感爆发几周前，Google通过对人们网上搜索记录的观察、分析、建模，结果显示，他们的预测与官方数据的相关性高达97%，且判断比疾控中心更及时。
从个人健康管理到公共健康管理， 大数据 在对个人医疗的改变以及极富价值的预警能力吸引着IT巨头们迫不及待与医疗联姻。例如在中国，某慢性病管理远程医疗解决方案供应商计划外包商保的糖尿病远程管理业务，需要提供：人群的糖尿病管理方案包括接触、回应、问卷、回愧互动、宣教、指导、测试结果报告、产品销售等各个环节的方案设计以及人群配合度、依从性、短期及长期医疗效果、经济效果评估方案。远程医疗提供方方案中的的成本、经济效益回报会作为与商保、社保合作方案中的重要组成部分。
通过采用 大数据 解决方案后，利用既往研究、文献及历史数据中的结果为外包业务人群设计糖尿病病管理全流程 数据分析 方案，包括数据生成、采集、分析方案等，依据一定假设利用糖尿病决策树模型来逐层确定慢病管理各个环节中的成本及产出。应接触人群、反馈人群、互动人群、依从人群、效果人群、对比人群生成及最终的医疗效果、经济效果评估方案是本项目的关键。利用远程终端的客户反馈 数据分析 提高客户反愧依从、购买产品的策略，平衡成本与样本规模，提高供应商的投产比；使用统计学方法清楚论证及展示慢性病管理远程医疗解决方案的经济学价值，投入产出比。便利供应商开展与社保、商保的合作；提高供应商自身的投产比。
虽然我们谈了许多关于医疗行业 大数据 的价值和作用，但今天的 大数据 在医疗行业应用仍然处于初级应用的阶段，部分医疗机构仅使用了初级功能如BI等，要想让医疗行业把 大数据 发挥出最大的价值，需要解决以下几方面问题：
从技术角度来看，数据采集及标准问题。收集数据是 大数据 基础，但目前医疗机构采集数据的能力有限，阻碍了 大数据 的应用；从医疗经营角度来看，管理层缺乏数据价值认知问题。虽然目前医疗机构领导们对于数据的重视程度很高，但是范围仅仅局限于对于内部的数据认知，从总体来看，并没有意识到外部数据如 互联网 数据与内部数据的结合所产生的价值；从投入成本角度来看，现在 大数据 的投入产出比不明确。现在IT投资都需要讲ROI(投资回报率)，由于医疗行业缺乏 大数据 的成熟案例，考虑到成本因素，企业决策者大都不都不敢随便在 大数据 领域砸钱；从产品角度来看， 大数据 产品单一，行业成熟度不够。
从以上问题我们可以看出，医疗行业开展 大数据 仍然有一段路要走，不过面对所存在的问题，未来随着技术的推进、意识的提高、成本的下降以及相关政策的成熟，相信用不了几年时间就可以逐步解决问题，未来， 大数据 必然能够为医疗行业提供更好的服务。
