大数据风控即大数据风险控制，是指通过运用大数据构建模型的方法对借款人进行风险控制和风险提示。与原有人为对借款企业或借款人进行经验式风控不同，大数据风控的通过采集大量借款人或借款企业的各项指标进行数据建模则更为科学有效。
如今的“大数据风控”这一词，或许就如五年前的“引力波”、一年前的“青蒿素”一样，尚处于一个初生试水、萌芽之姿的阶段，机遇与挑战并存。现阶段，大数据风控这个行业不可否认地存在鱼龙混杂、乱象丛生的问题，但也有踏踏实实做技术的企业。做大数据风控本要求的是硬技术，谁能真正掌握谁才能扎根发展，行业内已经出现了一些有益的探索，显示了用大数据做风控的优势。
目前，市场的大数据风控系统现状是：大公司通过大数据挖掘，自建信用评级系统；小公司通过信息分享，借助第三方获得信用评级咨询服务。已有的风控大致分为两种模式，一种是类似于阿里的风控模式，他们通过自身系统大量的电商交易以及支付信息数据建立了封闭系统的信用评级和风控模型；另外一种则是众多中小互联网金融公司通过贡献数据给一个中间征信机构，再分享征信信息。
从以上就足以看出，数据对于大数据风控来说非常重要，但是，在这个信息化的
大数据时代，每天都会产生海量的数据，并非所有数据都是风控有用信息。这也就意味着，大数据风控最关键的是要把那些需要的有价值的数据挖掘出来加以应用。那么，哪些数据才是风控所需的呢？
一、电商大数据
电商平台能够累积大量的交易信息，可作为信用评级参考的原材料。阿里金融是利用电商大数据进行风控的领头羊，在很多行业人士还在云里雾里的时候，阿里已经建立了相对完善的大数据挖掘系统。通过阿里巴巴、淘宝、天猫、支付宝等积累的大量交易支付数据作为最基本的数据原料，再加上卖家提供的销售数据、银行流水、水电缴纳等情况作为辅助数据原料。所有信息汇总后，将数值输入网络行为评分模型，进行信用评级。
