先直接照搬我知乎另一个问题下的回答

得，演讲了无数次的东西的结果就是真的多写一遍自己都提不起兴趣敲键盘，但是想了想在b乎从来没发过一篇真正专业相关的回答，大部分都是抖机灵感觉也挺不好意思的，所以还是强答一波吧。

从作用角度来说层次非常多，问题问的非常宽泛。如果从步骤来说大的范畴包含了三个部分：贷前、贷中、贷后。如果从板块来说包含了客户营销、客户管理、账户监控、贷款余额及利息的计算系统、风控模型等等等等。由于数据源的差异性，所以每个数据源在整个信贷流程中发挥的作用其实有很大不同，再结合数据来源的合法性，每个步骤对应的授权和数据挖掘以及对客户画像的精确度也会有极大的差异。就目前商业银行导入的数据源，市面上比较宽泛的划分成如下几类：司法、水电、pos流水、银联信息、运营商信息、海关信息、税务信息、社保、公积金、其他借贷债务关系、人行征信、飞行信息、网站的等等等不计其数，调用方式也五花八门，有的是可以API直接调用的、有的是直接买一个数据包回来慢慢玩的。

首先按流程我们先从贷前，也就是所谓的客户筛选及客户营销来说，一般在这个环节，银行会通过原有的行内数据进行第一波的客户转化，通过对行内自有的数据分析进行新的贷款产品的准入筛选然后通过各种途径去将信息送达至筛选后的客户，其次会利用各种网罗来的非授权数据（有些不靠谱的银行也会私下使用黑产数据）来对还未成为本行客户的企业进行广泛的筛选，通过向全量客户的数据进行分析从中挑选出符合自己标准的客户群体及具体名单，然后再进行营销。

营销回来以后自然就是贷中审核了，到这个环节就会让客户进行一些强授权了，用于合法的收集更多的数据，本人公司已经帮30多家银行的总行搭建了类似的系统并且提供数据源支持，目前中国第一款纯线上无需担保抵押的机器自动化审批企业贷款--江苏银行的税e融就是我们和江苏银行共同开发的，通过多维度的数据来源和种类，来对客户进行还款意愿及经营能力的双重分析。在还款意愿层面主要是通过的通讯信息及人行信息来进行反欺诈，再通过司法数据来看相关诉讼，最后在通过税务信息及pos等经营相关信息来鉴别企业的经营能力等，在这个环节数据不光要求维度和来源多（可以相互对比校验）还需要跨度长，一般来说都需要最少两年的连续数据进行分析，来观察企业的稳定性。当然这一系列的数据授权都需要在线上进行完成，那么通过大数据来进行非面签线上授权用于核定借款客户本人身份也成为了必不可少的应用范围之一，这个通过（最具代表性的就是指纹和人脸识别）等就ok。通过这样的方式应该说可以很大程度替代原有的IPC贷款模式，通过数据化的方式大大降低人工审批成本，基本上银行搭建的系统放数据贷款平均时间都不会超过15秒，从审批到核额到发放。

在贷款发放以后，如何动态监控企业的持续性经营风险也成为了现在尤其是小微类贷款的难点。由于人行要求银行对企业发放的贷款必须以不低于半年一次的最低贷后检查频率，所以以往银行不得不采用人工的方式进行上门核查，这样未来如果一旦出现了风险，合规动作有做就可以减少自身的责任，但是这样就造成了一个问题，目前中国银行在贷企业数量是550万户，如果让客户经理一家家自己人力做贷后监控将成为极大的成本（深圳某国有银行一户成本是一次上门160元，这还是两年前的价格），有些银行会采取外包的模式，但是外包的公司人员也极不靠谱，有的甚至会自己和企业勾结，所以上述原因也会阻碍新业务的发展，都把时间拿去检查老客户了新客户咋办？所以这也造成了中国的银行“嫌贫爱富”的情况，不是不想为，而是客观难为，通过数据监控的最大好处就是只要设好风险预警的阈值，一旦客户的数据发生异动，系统则会自动预警，届时再由人工介入，但是这样会对银行的系统稳定性及数据源的质量还有连续性有极高的要求，所以现在还是大银行可以通过业务多来降低边际成本。目前就我们监控的2000多亿的存量贷款余额来说，坏账对比起以前有了显著的下降。东西很多，写这么多，看赞详细补充吧。

然后接着说，不吹nb的说，中国严格意义上由银行放给企业账户的真正意义上的纯线上数据贷款产品，我都参与开发了，包括微众银行刚刚上线的微业贷(官网已开尚未大规模宣传)基本上就是几块数据源的整合以及信贷流程自动化的改造，司法航空工商税务公安行政数据都有各自领域内最好的数据源，由一手的公司把持着，市面上各种所谓各类数据的源头，归到底都是二三四五手，api直接对原始库的哪几家由于利益相关都不能说，企业数据信贷逻辑就是把你各类数据扒个底朝天，用没法造假的流水给你核个额。