目前，大数据运用场景越来越丰富，在金融领域尤为突出。通过大数据挖掘、清晰、分析、整合，我们可以更加完整清晰的分辨用户的信用情况，同时越来越准确的预测用户的还款能力。在移动借贷领域迅猛发展的今年，冒出了非常多充满创新气息的优秀移动借贷应用，它们将大数据、移动互联网及金融结合起来，通过创新理念和先进技术为整个金融行业带来积极的改变。

正如微粒贷、借呗、随手借等，这些结合了大数据、移动互联网及金融的移动借贷应用，正在利用大数据技术，弥补着传统金融风险评估及业务服务上的不足，帮助客户更简单、快捷、公平地接受借贷服务。

近期，笔者亲身体验了一款生于深圳的优秀移动借贷应用——随手借，并与同行业中的微粒贷、借呗等几款优秀应用进行对比。与微粒贷、借呗等具有强大的品牌背书不一样，随手借只是移动借贷领域中崭露头角的初创品牌，但是随手借当前的发展规模和发展速度也不容小视，其产品创新能力和业务服务时效具有值得称道的地方。

随手借，是由深圳市华傲数据技术有限公司研发推出的，现与深圳亚联财小额贷款有限公司共同合作推广移动借贷服务。这款应用定位为用户的“随身钱包”，旨在随时随地满足解决年轻人生活中的小额现金需求，包括：应急周转、旅游购物、交房租、朋友聚会、节日送礼等方面的小额现金需要。

它与微粒贷、借呗等应用一样，能够为用户提供一分钟放款的借款体验。而随手借之所以具有如此快速的服务体验是依靠这三板斧：海量碎片化数据的分析能力、先进的金融建模能力及自动化的审批系统。可以说，在金融服务时效上，随手借的“秒借速度”体现得淋漓尽致。

“互联网金融发展非常快，要在这个行业赶超同类应用，就得快人一步的发展。只有比别人更快的创新速度，比别人更快的服务时效，比别人更快的调整学习，未来才能够避免被人追赶而沦为平庸。”随手借负责人如此说道。

优秀应用必有特别之处。根据随手借的风控团队介绍，随手借拥有6种基于机器学习的金融分析模型，包括：身份识别模型、反欺诈模型、信用评分模型、额度测算模型、行为评分模型、催收策略模型；基于这套完善的金融分析模型，随手借的系统通过对每位申请者近万条的碎片化数据进行清洗、关联、标准化处理后，机器自动智能地挑选出近千个模型变量用于评估申请者的情况。当申请者提交关键资料时，随手借系统能在短短6秒内就能够完成申请者的身份识别、信用评估、额度测试、行为评分等工作，并且，95%以上的申请审核交由机器自动决策，如此，随手借才拥有比行业内其他同类产品更快速的服务时效。

同时，针对年轻人缺少历史信用的情况，随手借开发出基于未来发展潜力的模型算法，这种潜力评估模型相对于传统信用评估模型而言，有其可取之处。传统信用评估模型更多需要历史信用数据作为评估依据，但是年轻人缺少历史信用数据，与年长人士相比较，接受金融服务的机会会少很多，而随手借基于未来发展潜力的评估模型，对年轻人而言，无疑是更全面和公平的。 未来发展潜力是随手借评估年轻人信用情况的重点。

在快速发展的移动互联网领域，随手借的“大数据+移动互联网+金融”模式的想象空间非常大，凭借其创新能力及大数据风控能力，并且围绕年轻人群，切实解决年群人的需求，无疑能够获得广阔的发展前景。也许，在未来的日子里，随手借有机会发展成为如微粒贷、借呗这类巨无霸移动应用。