大数据征信与传统征信的区别？

大数据（bigdata），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

传统的征信数据是整合银行机构的贷款、信用卡和在各项信贷业务发生过程中的信息采集，包括公积金、住房、工作和社保信息，贷款、担保、信用卡使用情况等。

大数据信息的采集，不光包括银行系统的数据，还包括类似蚂蚁花呗、京东白条、在各个网贷系统的借贷数据，社保、公积金、水电燃气费的缴纳等，比征信数据更加全面、详细。

现状

现在很多银行系统都将大数据系统作为客户贷前调查的重要内容进行审查了，作为最早体验大数据系统的业务人员，我不得不说大数据确实是牛叉。该分析到的，不该分析到的，全都给你计算到，有时候有些信息连你自己都没关注到的，大数据都能给你获取了。

有点也可以说是缺点

但是，就是因为太细太全面，在保证对客户诚信度和信息的采集下，也加大了客户的通过率。很多客户个人觉得在各方面都还不错，以传统的征信系统查询结果看是完全没有问题的，偶尔有一两次小逾期也能通过审查。通过大数据信息分析过后，那就完蛋了。

案例

例如最近信用卡审批时，存量客户中有一些经常打交道的老客户帮忙完成任务，本来是好心，大数据系统审查后居然给出了拒绝的结论，大写的尴尬。

查看反馈的拒绝信息，给出的理由是：在多个网络借款平台有借贷记录。咨询客户后，发现他只不过平时用花呗和白条多了点，在手机店分期购买了一部手机，其他完全正常。

建议

目前大数据系统以及初步在各家银行上线，在一定程度上帮助了银行获取了一些传统征信外的信息，很好的把控了风险。

但是，过于细致，对客户的借贷信息没有筛选，将客户日常的生活消费借贷和传统意义上的大额现金借贷混淆，使得依据大数据系统作为贷款通过与否的银行部门被动的提高了贷款的门槛，将一些不是很优质但是在准入范围内的一般客户拒绝在信贷大门之外。