大數據風控即大數據風險控制，是指通過運用大數據構建模型的方法對借款人進行風險控制和風險提示。與原有人為對借款企業或借款人進行經驗式風控不同，大數據風控的通過采集大量借款人或借款企業的各項指標進行數據建模則更為科學有效。
如今的“大數據風控”這一詞，或許就如五年前的“引力波”、一年前的“青蒿素”一樣，尚處于一個初生試水、萌芽之姿的階段，機遇與挑戰并存。現階段，大數據風控這個行業不可否認地存在魚龍混雜、亂象叢生的問題，但也有踏踏實實做技術的企業。做大數據風控本要求的是硬技術，誰能真正掌握誰才能扎根發展，行業內已經出現了一些有益的探索，顯示了用大數據做風控的優勢。
目前，市場的大數據風控系統現狀是：大公司通過大數據挖掘，自建信用評級系統；小公司通過信息分享，借助第三方獲得信用評級咨詢服務。已有的風控大致分為兩種模式，一種是類似于阿里的風控模式，他們通過自身系統大量的電商交易以及支付信息數據建立了封閉系統的信用評級和風控模型；另外一種則是眾多中小互聯網金融公司通過貢獻數據給一個中間征信機構，再分享征信信息。
從以上就足以看出，數據對于大數據風控來說非常重要，但是，在這個信息化的
大數據時代，每天都會產生海量的數據，并非所有數據都是風控有用信息。這也就意味著，大數據風控最關鍵的是要把那些需要的有價值的數據挖掘出來加以應用。那么，哪些數據才是風控所需的呢？
一、電商大數據
電商平臺能夠累積大量的交易信息，可作為信用評級參考的原材料。阿里金融是利用電商大數據進行風控的領頭羊，在很多行業人士還在云里霧里的時候，阿里已經建立了相對完善的大數據挖掘系統。通過阿里巴巴、淘寶、天貓、支付寶等積累的大量交易支付數據作為最基本的數據原料，再加上賣家提供的銷售數據、銀行流水、水電繳納等情況作為輔助數據原料。所有信息匯總后，將數值輸入網絡行為評分模型，進行信用評級。
