二、信貸記錄大數據
小貸類網站積累的信貸大數據包括信貸額度、違約記錄等等。但單一企業缺陷在于數據的數量級別低和地域性太強。還有部分小貸網站平臺通過線下采集數據轉移到線上的方式來完善信用數據。這些特點決定了如果單兵作戰他們必定付出巨大成本。因此，貢獻數據、共享數據的模式正逐步被認可，抱團取暖勝過單打獨斗。
三、社交網站大數據
社交大數據是風控大數據的一個重要組成部分。通過社交人際網絡關系數據和生活圈中其他如水電煤繳費信息、信用卡還款信息、支付和交易信息等，可以多方面地反映出用戶的習慣偏好、價值取向、人際交往、信譽度和活躍度等信息。
利用社交網站大數據進行網絡借貸風控的典型是美國的Lending Club。Lending club于2007年在facebook上開張，通過在上面鑲嵌的一款應用搭建借貸雙方平臺，利用社交網絡關系數據和朋友之間的相互信任聚合人氣。借款人被分為若干信用等級，但是卻不必公布自己的信用歷史。
四、信用卡借記類數據
信用卡類網站的大數據同樣對互聯網金融的風險控制非常有價值。申請信用卡的年份、是否通過、授信額度、卡片種類；信用卡還款數額、對優惠信息的關注等都可以作為信用評級的參考數據。
五、消費數據
第三方支付類平臺做風控的機遇在于，能基于用戶的消費數據做信用分析。支付的方向、每月支付的額度、購買產品品牌都可以作為信用評級的重要參考數據。
六、生活服務類數據
生活服務類網站的大數據如水、電、煤氣、有線電視、電話、網絡費、物業費交納平臺則客觀真實地反映了個人的基本信息，是信用評級中一類重要的數據類型。
行業分析師表示，大數據的相關理論與分析方法，很好地彌補了數據獲得的時間連續性、數據的地理位置分布、數據樣本的覆蓋程度等傳統分析方法中的不足，其精準度更高、覆蓋面更廣和響應速度更快的特點，運用到風險防控中大有裨益。如今，大數據風控方興未艾，也伴隨著一些泡沫，但只要朝著健康的方向發展，它將會產生巨大的經濟能量。
相關報告：《
2015年大數據行業投資可行性分析報告》
