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。它与传统的人工经验式风控不同，大数据风控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，实现更为科学有效的风险控制。

大数据风控的核心在于大数据模型的有效性，其主要包括以下几类：

反欺诈模型：

用于识别和防止欺诈行为。

二元好坏模型：

判断借款人是否具有还款能力。

资产包风控模型：

对资产包进行风险评估。

大数据风控的应用范围较广，可以用于小微资产（如现金贷、消费贷、小微企业贷）的风险控制，不适合用于基建、政信等场景。在小微资产的风险控制中，还款能力不是核心问题，主要风险是还款意愿。

大数据风控的优势在于：

数据来源广泛：

可以整合各类数据，包括征信数据、历史信贷数据、资产数据、行为数据等。

决策审批自动化：

基于算法构建的模型更客观公正，能够提高审批效率。

解决信息不对称：

通过大数据分析，可以更准确地评估借款人的信用状态，降低风险。

减少重复劳动：

自动化流程可以节省人力资源，提高工作效率。

总之，大数据风控是一种利用大数据技术进行风险控制和风险提示的先进方法，能够提高风控的准确性和效率，在金融、银行、保险等领域得到广泛应用。