国内大数据风控方面做的比较好的企业有哪些？数据的获得途径有哪些？

笔者为大数据风控服务商行业从业者。
综合分析目前市场上的公司现状而言，大数据风控服务好的公司可以大概分为几类：
一类是同盾、聚信立等公司成立时间相对早的公司，业务模式上偏向于提供基础的数据采集服务，也就是行业内所谓的爬虫、电商、运营商等数据采集及分析；
第二类是诸如融360等有流量及自产数据的服务商，他们倾向于助贷，提供导流服务及信息服务等；
第三类，也是未来比较有发展潜力的公司，这类型公司的大数据风控，除了有基础的数据采集之外，还有专家风控模型及一整套的风控SaaS系统，能帮助机构快速的布局小微信贷业务。这个类型中，目前做得比较好的诸如前高德地图成从武创立的云蜂科技。
第四类是偏向于只做征信的公司，如前海、立木等公司。

大数据风控主要有两点，一是风控模型，二是数据。模型是各企业的核心机密，无从得知，基本会从信用历史、职业特征、收入分析等诸多方面入手；数据由于数据孤岛现象，是目前各企业重要的资产。数据来源大致可分为三个方面：一是用户提交的包括身份信息、职业信息、收入信息等数据；二是外部数据，包括从政府机构获取的数据以及合作金融、电商等机构提供的第三方数据；三是自身行业生态链中产生的数据，如淘宝的购物数据。就我接触到的行业，大数据风控一是互联网消费金融公司做消费金融风控，二是用于做大数据征信进而衍生出小额贷款、互联网消费分期等业务。互联网消费金融公司2014、2015年是爆发期，2016年将继续高速扩张，其依靠的大数据风控还需进一步完善，知名企业有蚂蚁金服、京东金融，其他有众安千单、买单侠、分期乐、趣分期等一些初创企业。做个人征信的知名企业有芝麻信用、前海征信、考拉征信，这些企业有自己核心数据；专业做大数据风控的公司基本是初创公司，其风控仍有待检验，包括聚信立、Wecash闪银、量化派等。

大数据风控怎么才算做得好，认同楼上回答所提到的两个维度：第一就是数据质量、真实性要够高，另一个方面就是怎么用这些数据，搭建的模型要够清晰明了。在国外尤其是美国，不用大数据来做风控都不好意思说自己是搞金融的，比如ZestFinance，就有10个基于机器学习的分析模型，对每位信贷申请人的超过1万条原始信息数据进行分析，有多达7万个测量指标来分析，这么多数据5秒就分析完了。数据来源方面楼上已经回答了我就不再重复了。

而国内，大数据风控其实应用得也越来越多，我们能见到无论是巨头还是创新型企业都在捣鼓这个，楼上的答案也提到了一些企业，我在这里再稍微展开介绍国内实践得比较好的企业：上面提到的ZestFinance吸引了京东，去年6月，京东宣布和ZestFinance合作推出一个中国消费者信用数据系统，两家公司成立合资公司JD-ZestFinance Gaia，利用ZestFinance的机器学习技术来分析京东在线买家的数据，制定出信用风险评分，举个栗子，将ZestFinance的技术应用到个人信用领域：根据消费者所购买商品的价格还有购买时间，这些信息综合起来就知道这个家伙是个什么货色了，是有正经工作的人呢，还是个三天打鱼两天晒网的游民。

再看看阿里，还记得信用服务体系芝麻信用刚推出那会外界反应很激烈，芝麻信用主要是通过分析大量的网络交易及行为数据， 对用户进行信用评估，这些信用评估可以帮助互联网金融企业对用户的还款意愿及还款能力做出结论，继而为用户提供相关的金融和经济服务，上个月，芝麻信用宣布拿到了由央行颁发的“企业征信业务经营备案证”，也就是说它不仅仅是针对个人的了，还开展针对小微公司的信用体系建设，比如信贷风控、反欺诈等；腾讯的微众银行的以“微粒贷”为首的产品也有大数据风控的应用，它风控核心是通过社交大数据与央行征信等传统银行信用数据结合，运用社交圈、行为特征、交易、基本社会特征、人行征信5个维度对客户综合评级，运用大量的指标构建多重模型，快速识别客户的信用风险。

综合金融服务集团小牛资本的大数据风控实践在也业内也颇为超前，他们在发力将金融技术应用到普惠金融的发展中，在大数据风控花了很大力气。在数据源方面，小牛资本有一个自身累积的数据库，整合了线下、线上的结构和非结构数据，同时它也向第三方大数据“借力”，譬如与国外征信巨头，FICO、环联、益博睿等建立深度合作伙伴关系，收集不同领域和行业的第三方大数据，将“厚数据”和“动态数据”结合，在风控模型方面也注重建多维度评估风控模型，实行差异化审批，以其旗下的小牛分期为例，小牛分期接洽了权威商业征信机构，掌握大量的有效客户数据之后，研发了一套精细化的金融风控体系，包括评分表系统、风控框架、风控检测机构、风控模型、催收系统等。

中国科学院院士、普林斯顿大学数学系和应用数学研究所教授鄂维南曾经说过三个用大数据来做信用评估的标准：一是明确，对评分建模的方法论、过程和数据使用上是明确的：二是准确，建立的模型对不同风险状况的人群有区分能力和排序能力；三是稳定，数据、方法和模型在人群、时间跨度上是稳定的。从这个标准来看，小牛资本的大数据风控系统恰好是都匹配到的。他们还建立了一系列针对数字化业务的工作制度和规范，比如标准化流程、反欺诈防范机制、数据加密的使用和管理规范等等。多说一句，虽然大数据风控未来肯定会成为主流，现在发展势头也很猛，当前大数据风控有效性其实并不足，有数据质量的障碍、理论性障碍，还有数据保护的制度障碍，不是一日之功，也不是单靠企业自己琢磨研究就能扫除，监管部门、研究部门的安排也很重要的。

36kr的文章征信行业系列之三：数据源争夺战刚开打，中国征信市场雏形逐渐显现
风控的强变量是指信贷、信用卡、外汇、民间借贷等金融交易数据，往往掌握在传统金融机构手中；中变量是商品生产、销售、流通、消费等环节的交易数据，主要来自各类电商平台；弱变量则是社交、游戏等数据，大多源于互联网平台。

目前征信行业中有8家个人征信机构、132家企业征信机构，除了部分机构的数据有特色，其他的都是大同小异的。个人征信方面阿里、鹏元和前海，阿里数据主要来自电商、支付、小贷、理财等阿里体系内的数据；鹏元是老牌子，主要对接的是政府数据以及自家的客户相关数据；前海则是平安旗下的，数据则是的银行、保险等体系内的，其他的像卡拉征信，则拥有股东的相关数据，如有支付、简历等，都是各自生态体系内生成的数据。

132家企业征信机构中有特色的像百融、宜诚致信、天翼征信等，还有其他性质的如同盾提供反欺诈服务、民间借贷共享平台的机构。除此以外还有像飞贷、大数金融、51信用、信用钱包等线上借款平台，通过用户授权电商、公积金、银行卡、信用卡绑定的邮箱、社保、社交账号、通讯录、运营商等，获取数据进行分析建模给定信用分及授信额度。

云图模型以精准分析支撑征信、贷前、贷中、贷后各环节。 反欺诈策略：黑名单侦测、规则交叉验证； 信用评分策略：基于模型评级结果，给出风险决策建议（核准/拒绝/人工 审批）、确定授信额度和风险定价； 动态调额策略：依据客户在贷款过程中的风险表现和资金需求，动态调整 额度； 风险预警策略：监测客户还款、信息变更、风险评级变化等，发现异常尽早介入。http://www.yuntucredit.com

大数据，风控，这些都不是新鲜的概念，但是互联网金融一来，带火了这些词的概念。
回答您的问题之前，还需要了解客户的背景，业务的背景。银行的风控能力拿到阿里，腾讯去做风控，会出现能力不匹配的，因为客户背景不同。同样的，阿里的风控出了阿里的圈子，是否好用也要打个问号。
所以真的要做好风控，最终每个企业都要根据自己的实际情况来完成，靠别人的现有能力输出是不可靠的。但是背后的逻辑和算法，思路都是差不多的。这种时候不如挖个经验丰富的风控人员，或者找专业的公司帮忙构建。

数据其实都是政府的手中，一般企业有工商（绿盾）、税务（爱信诺）、诉讼（法海）等来源。
个人数据市面上能提供的也有很多，但是考虑到合规性，还是找找之前那8家备案公司吧。个人的信息也敏感一些。

金节点利用自然语言处理分析商业短信数据， 帮助解决风控与信用评级。具体可以看介绍： API 文档 | 金节点

神州融还可以。据说对接有芝麻信用、前海征信、国政通上百家数据源，数据维度比较全，一般的身份核实类的、银行卡鉴权、黑名单、设备指纹、爬虫类的这些都有，也主要针对一些做小额信贷的机构提供金融IT、决策服务，许多做现金贷的，做消费分期的跟神州融都有合作。