其次就是风控。通过分析大量的网络交易及行为数据，可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，继而为用户提供快速授信及现金分期服务。
事实上一个人或一个群体的信用好坏取决于诸多变量，如收入，资产，个性，习惯等，且呈动态变化状态。可以说数据在个人信用体系中体现为芝麻信用，它便于解决陌生人之间以及商业交易场景中最基本的身份可信性问题，以及帮助互联网金融产品和服务的提供者识别风险与危机。这些数据广泛来源于网上银行，电商网站，社交网络，招聘网，婚介网，公积金社保网站，交通运输网站，搜索引擎，最终聚合形成个人身份认证，工作及教育背景认证，软信息（包括消费习惯，兴趣爱好，影响力，社交网络）等维度的信息。
对于P2P网贷行业而言，能否利用互联网技术有效地搜集用户信息，并对用户的信用信息进行判定和管理，成为考量一家P2P网贷平台风控水平的重要标准。严密的风控手段是保证平台出借人的资金安全的重要环节，在风控技术手段创新探索方面，宜信宜人贷作为行业技术创新的代表，显然走得更快人一步。其已通过精确的风险建模，实现了对用户资质的高效审批，为用户提供更便捷的体验。它是基于对自身平台数万名借款用户的了解，同时借鉴宜信八年累积的对于用户的了解，从地域、年龄段、职业、等多维度对借款用户进行了划分，通过精确的风险模型建立，宜信宜人贷建立了一套独有的，行之有效的信用评估系统，通过对用户信息的多维度考察，能够快速对用户的信用资质进行评定，从而极大地提升服务效率。
如某P2P小额信贷机构如何使用个人及机构的外部数据建立自己的征信系统，在极其有限的客户实质接触基础上仅凭问卷数据、自有数据库等对不同客户进行信用评估，并结合内部业务数据建立风险定价系统、风险预警系统、风险管控方案、应对欺诈规则、惩罚方案等一系列影响核心业务盈利能力的系统方案。
通过采用大数据解决方案后，通过自建、购买、客户授权后合作分享等多种方式整合包括互联网社交网络数据在内的多种数据、建立个人及机构消费、借贷、财务交易、资金往来等多源信用数据库，在此基础上建立符合自身业务范围的客制化信用评估模型，根据此模型评估借、贷款双方的信用等级。通过建模确立如何匹配借贷双方，与具体业务相应的风险评级、授权等级、额度发放等级以及与
此相应的风险价格等，并通过已有拖欠、欺诈案例反馈回模型进行机器识别，进一步完善模型。
未来，依托于互联网大数据技术的发展，相信将会出现更优质，更便捷的P2P网贷服务，来帮助更多有信用的借款人释放信用的价值，让信用生金。
但是，互联网金融在如此大好的机遇面前，自身也隐匿着一些绕不开的难题。一方面，其以新生事物野蛮式生长，带来便捷的同时，如何解决风控的问题，是当前互联网金融必须解决的一个问题；但是另一方面，也面临自身因监管缺失带来的风险。可见，互联网金融还有待于时间的磨练。
个性化数据为医疗插上智慧的翅膀
凯文·凯利（KK）在《失控》的第22章，“预言机”里曾提到：信息就是数据，数据一旦流动，就创造出透明。社会一旦联网，就可以了解自己。所以，很多热衷于大数据概念的人，他知道哪里有数据，却没有办法去促成数据的流动。
所以，第一要义，数据如何才能形成流动？它的驱动力在哪里？以现在很热的医疗健康大数据为例，来探究数据是如何流动的？
维克托?迈尔-舍恩伯格的《大数据时代》一书中有两个关于大数据与公共卫生结合的案例令人印象深刻：
乔布斯自罹癌至离世长达8年之久，这几乎创造了胰腺癌历史上的奇迹。据悉，乔布斯曾在此期间支付大量费用获得了自己包括整个基因密码在内的数据文档。借此，医生们能基于乔的特定基因组成以及大数据按所需效果用药，并调整医疗方案。
如果上述案例是个体的，那么带来群体价值的案例，便是Google成功预测流感爆发期。2009年甲型H1N1流感爆发几周前，Google通过对人们网上搜索记录的观察、分析、建模，结果显示，他们的预测与官方数据的相关性高达97%，且判断比疾控中心更及时。
从个人健康管理到公共健康管理，大数据在对个人医疗的改变以及极富价值的预警能力吸引着IT巨头们迫不及待与医疗联姻。例如在中国，某慢性病管理远程医疗解决方案供应商计划外包商保的糖尿病远程管理业务，需要提供：人群的糖尿病管理方案包括接触、回应、问卷、回馈、互动、宣教、指导、测试结果报告、产品销售等各个环节的方案设计以及人群配合度、依从性、短期及长期医
疗效果、经济效果评估方案。远程医疗提供方方案中的的成本、经济效益回报会作为与商保、社保合作方案中的重要组成部分。
通过采用大数据解决方案后，利用既往研究、文献及历史数据中的结果为外包业务人群设计糖尿病病管理全流程数据分析方案，包括数据生成、采集、分析方案等，依据一定假设利用糖尿病决策树模型来逐层确定慢病管理各个环节中的成本及产出。应接触人群、反馈人群、互动人群、依从人群、效果人群、对比人群生成及最终的医疗效果、经济效果评估方案是本项目的关键。利用远程终端的客户反馈数据分析提高客户反馈、依从、购买产品的策略，平衡成本与样本规模，提高供应商的投产比；使用统计学方法清楚论证及展示慢性病管理远程医疗解决方案的经济学价值，投入产出比。便利供应商开展与社保、商保的合作；提高供应商自身的投产比。
虽然我们谈了许多关于医疗行业大数据的价值和作用，但今天的大数据在医疗行业应用仍然处于初级应用的阶段，部分医疗机构仅使用了初级功能如BI等，要想让医疗行业把大数据发挥出最大的价值，需要解决以下几方面问题：
从技术角度来看，数据采集及标准问题。收集数据是大数据基础，但目前医疗机构采集数据的能力有限，阻碍了大数据的应用；从医疗经营角度来看，管理层缺乏数据价值认知问题。虽然目前医疗机构领导们对于数据的重视程度很高，但是范围仅仅局限于对于内部的数据认知，从总体来看，并没有意识到外部数据如互联网数据与内部数据的结合所产生的价值；从投入成本角度来看，现在大数据的投入产出比不明确。现在IT投资都需要讲ROI(投资回报率)，由于医疗行业缺乏大数据的成熟案例，考虑到成本因素，企业决策者大都不都不敢随便在大数据领域砸钱；从产品角度来看，大数据产品单一，行业成熟度不够。
从以上问题我们可以看出，医疗行业开展大数据仍然有一段路要走，不过面对所存在的问题，未来随着技术的推进、意识的提高、成本的下降以及相关政策的成熟，相信用不了几年时间就可以逐步解决问题，未来，大数据必然能够为医疗行业提供更好的服务。
数据分析模型让制造业焕然一新
工业4.0时代正扑面而来。这是继以蒸汽机、大规模流水线生产和电气自动化为标志的前三次工业革命之后的第四次工业革命。其特点是通过充分利用嵌入
式控制系统，即物理信息融合系统（其中大数据扮演主角），实现制造业向智能化转型。
20年沧桑巨变，今天中国已是全球制造业大国。来自中国工业与信息化部的统计数据显示，2013年中国工业占GDP的37%，提供全国25%的就业岗位。在500余种工业产品中，有220多种产量居世界第一。中国制造业在全球的占比约为20%。然而，中国制造业面对云蒸霞蔚的移动互联网和大数据景观却有些不知所措，若不赶紧扭转局面，有可能逐渐丧失制造业大国的地位。大而不强是我们的软肋，大多数中国工厂依然龟缩在产业链低端，缺少制造的核心材料、设备、工艺，停留在近乎原始的OEM（贴牌代工）阶段，缺乏原创技术和创新产品。不过，凭借庞大的内需市场支撑，中国制造的优势尚存，13亿人口积累的消费数据十分可观。因此，如果能在大数据挖掘和分析上下点功夫，中国制造业还能保持较强的竞争力。
在中国制造业依托大数据打翻身仗的阵营中，小米可谓特立独行的领头羊。2010年成立的小米公司是中国制造业企业的成功典范，其主打产品小米手机已蜚声海外，被业内视作苹果、三星的潜在威胁。小米超越同行的业绩，缘于其用包括软件、硬件和应用生态的整体方法，小米在创造全新用户体验的同时，高擎大数据的旗帜，颠覆了中国制造业公司的传统做法。有了这样的底气，小米董事长雷军才敢与传统制造业的空调玫瑰—格力掌门人董明珠立下10亿元的对赌承诺。
那么，大数据是如何帮助研发人员提高新药研发效率的呢？相关专业人士认为：首先，由于药物的生物过程和药物模型越来越复杂，大数据可以通过利用分子和临床数据，预测建模来帮助识别那些具有很高可能性被成功开发为药物的安全有效的潜力备选新分子。其次，利用大数据可以帮助提升临床试验的效率。例如筛选临床试验受试者的筛选标准通过大数据，可以瞄准特定人群，这样临床试验就可以规模更小、时间更短、成本更低，更加有效。同时可以通过大数据分析来实时监控临床试验，及早发现可能出现的问题，避免试验过程中成本增加或出现不必要的延误。第三，相对于原来僵化的数据孤岛，使用大数据可以帮助数据在不同功能单元之间顺畅流动。通过打破内部各功能之间的信息壁垒并提升跟外部合作伙伴的协作，制药公司可以大幅扩展他们的知识和数据网络，如与外部合
作伙伴——医生和CRO共享关键数据。数据的这种顺畅流动，对能创造商业价值的实时预测性数据进行分析非常关键。
此外，为确保合理分配稀缺的研发资金，项目组合与产品线相关的快速决策至关重要。但制药企业经常发现，他们很难做出适当的决定。比如哪个项目该继续，或者有时更重要的是，哪个项目该砍掉。基于信息技术的项目组合管理能快速无缝地实现数据驱动的决策。通过数据分析当前项目的商业开发机会，预测其市场竞争力，帮助企业客观地做出决定，以确保研发投入的合理性。
虽然大数据可以有效地帮助研发人员提升新药研发效率，但目前大数据技术还有一些方面需要改进。牛津大学统计学教授彼得·多纳利指出，目前大数据技术面临的问题有三：首先，信息采集不足。大数据要发挥作用，首先要有足够的病人、药物等相关信息，这是数据分析的基础，然而许多病人可能出于隐私考虑不愿提供这些信息，制药企业也有可能因为商业利益不愿共享药物成分等敏感信息，这就直接导致信息采集不足。
其次，要从海量信息中得出有用的结论，专业的数据分析必不可少，采集到足够信息后，需要由相关领域的专业人士与信息技术专家一起对数据进行有针对性的归纳和分析，而这种跨学科、跨领域合作能否顺利实现，是大数据技术实际应用中的重要问题，而且正考验着制药企业的大数据整合能力。
第三，在技术层面还存在网络容量有限的问题。很多新药研发机构现有的基础设施无法满足海量信息分析和处理的需求，因此如何降低存储成本，以及提升应用价值就成为大数据所面临的关键技术难题。
虽然尚待完善，但毫无疑问的是，大数据在新药研发中必将发挥越来越大的作用。
结语
从目前来看，大数据的应用范围正在持续扩大，大数据的触角正逐渐深入到各个领域，同时也是明天我们治理交通拥堵、雾霾天气、看病难、食品安全等“城市病”的利器，也会为政府打开了解社情民意的更大窗口。
我们现在看这个世界，比如分析家中食品腐烂，主要就是依赖于我们的眼睛再加上我们的经验，但如果我们有一台显微镜，我们一下就看到坏细菌，那么分析起来完全就不一样了。大数据就是我们的显微镜，它可以让我们从全新视角来