我們在貸款時總是會碰到一個說法：大數據，但是大數據到底是什么就是沒法解釋清楚，今天就給大家講一講我們常見的一些大數據公司以及他們的服務內容。

  1.百融

  特點：反欺詐數據模塊主要有黑名單類、多頭類、團伙欺詐、償債壓力；信用評估數據模塊包括穩定性指數和人口衍生；評分類包括額度評分和營銷評分。此外還有火車出行數據(不確定現在還有沒有)

  2，冰尖

  特點：青云分是基于用戶收支情況及興趣偏好對客戶支付能力的評估；火眸分是設備信息，與SDK服務商合作輸出；慧眼分是支付信息，與三方支付公司合作；景從分是電商信息；挖掘分是撈回信息；星宇分是設備、支付、電商綜合。此外，還有皓月分、霄云分、天瞳分、貸中檢測評分等

  3，騰訊云

  特點：行業風險評估包括疑似金融黑產/金融中介/準入風險/羊毛套利/以貸養貸；反欺詐評分包括疑似資金緊張/支付白戶/養號小號/賬號被盜/資料包裝/涉黃涉恐/金融黑產/手機貓池/風險設備等。

  4，百行征信

  特點：智繪系列包括網貸申請畫像、借貸信息查詢、信用卡還款、網貸評分、借貸意愿分、借貸風險分等。

  5，阿里云

  特點：風險技術情報主要是根據逾期程度(保險代償情況)以及申請多頭判定風險；先享后付是芝麻分轉化而成；友盟分有小額通用分和小微企業分；蟻盾分基于身份、設備、環境、行為數據，識別垃圾注冊、批量小號。IP風險畫像適用于人機識別、程序化行為；設備風險識別組件包括協議攻擊檢測、設備指紋生成、模擬器檢測、機刷檢測。友盟IOS查得率較高，飽和率較低。

  6，磐石

  特點：風險名單定義為6個賬期內歷史逾期30天以上，返回事實類數據、預警類數據、近期違約行為類數據的風險等級、命中原因和命中詳情；欺詐因子基于體系內理財、畫像及互聯網行為數據。

  7，天創

  特點：無間司南是黑名單，分極黑/高危/關注/灰度賬戶；信用司南是多頭借貸；申請司南是多頭申請；消費司南是消費交易特征。

  8，京東

  特點：小白信用分包括綜合分、非銀現金分、欺詐分。

  9，銀聯

  特點：聯杏分有近期模型、中期模型、老戶交易模型、次新戶交易模型；特殊交易畫像為代扣失敗的15個變量；消費評分主要是194個交易變量以及4個轉入類變量。

  10，天翼征信

  特點：電信運營商數據獨家

  11,中國聯通

  特點：反欺詐服務包括金融反欺詐、羊毛反欺詐、黑名單用戶查詢、惡意卡判別、三無/極低信息查詢。

  12，游昆

  特點：博識分用于精準營銷/存量激活；金融畫像包括社保/個稅/公積金/學歷/收入/是否學生/消費能力/職業預測。獨有的分享與社交類底層數據覆蓋是MobTech的特色。安卓查得率98%+，IOS:29%+；設備反欺詐評分基于關系網絡的、設備電量、虛擬機、越獄ROOT等行為評分，判定設備涉及欺詐的風險。

  13，白騎士

  特點：反欺詐分包括本人欺詐分和團伙欺詐分；騎士X1分基于受重大突發事件影響的樣本；調用統計分融合銀行、消金、互金的調用統計特征。反欺詐系統可監控整個借款流程的行為，比如輸入字段時長，輸出是否有錯、是否粘貼，在各頁面上的瀏覽時間等；復雜關系網絡底層同多頭數據，172個標簽，可用單次申請的信息進行一度關聯、二度關聯。

  14，黑瞳

  特點：瞳核是高危客群黑名單；瞳眼是貸前貸中預警；瞳分包括客戶畫像、反欺詐評分（瞳策、瞳睿、AR、AJ、A2）、償還能力評估、風險評分。

  15，探知

  特點：探真報告基于運營商數據；共債分析基于多平臺借貸數據；貸前/貸中報告/逾期風險分基于運營商數據；慧行分基于消費行為數據；靈信分基于阿里的設備數據/消費/支付數據、靈鏡分基于阿里體系內信貸/還款數據；甄智分融合騰訊及探知自有數據

  16，金保信

  特點：模型分包括通用評分、定制評分以及還款能力評分；工作單位核驗、社保注銷狀態核驗、繳費城市核驗、個人繳費狀態核驗等。

  17，Talkingdata

  特點：欺詐風險偵測包含自有底層5000+變量。欺詐分和信用分都分TD和波塞冬，特征數量不同，TD分特征更多。信用分多基于設備數據與借貸行為數據與電商數據；欺詐分基于設備數據與多頭數據。ios查得率93.5%。通過百維融合阿里評分；SDK數據，地理位置，設備信息用了京東云電商數據和百行征信和貸后數據。赫拉分融合借貸數據，波塞冬融合京東云電商數據。

  18，中智誠

  特點：宙斯盾是產品即高風險網貸客群風險識別，包括驗證、分層、貸中監測；彩虹分區分特定使用場景；祥云是黑名單；昊日是多頭。

  其次還有最常見的就是同盾和鵬元，因為應用太廣泛了就沒有單獨列出來，因為他們倆就相當于壓艙石了。