如何建立大数据环境下个人信用风险进行评估的模型和方法大数据环境下，数据稀疏性强、单变量风险区分能力弱，这些特点决定了传统评估模型和方法不能直接应用于大数据，需要针对大数据的特点，设计符合大数据特点的个人信用风险评估模型，较为精确地计量个人信用风险。如何进一步提高基于大数据的风险评估模型的稳定性和可解释性神经网络和支持向量机在信用评分领域进行了广泛的尝试，一些测试案例也证明了区分能力优于 FICO 等传统信用评分模型体系，但由于其模型内部复杂，对信审人员来说基本是一个“黑箱”，变量解释性困难，并没有取得广泛的商业应用。如何对互联网大数据进行有效组织，使其能够方便地为个人信用风险评估服务通过网络爬虫技术或者线下机构合作获取的数据字段千差万别，如何对这些海量的大数据信息进行有效组织、存储和预处理，从海量的大数据信息中挖掘出具有风险评估能力的指标，为建立计量模型奠定基础，实现将大数据与个人信用风险评估的结合