互联网金融企业多数为纯线上服务，与客户没有直接接触，它收集客户数据的来源主要分为如下几类：
第一类是自身积累的数据，这主要包括客户在金融服务类网站的行为记录，如电商的交易日志、支付的流水记录，以及一切登录浏览等行为；
第二类是通过各类线上线下的合作伙伴处获取的数据，如行业黑名单、法院审判结果、第三方信用评估等；
第三类是通过爬虫从互联网上采集的公开数据，包括新闻、各种空间自媒体、微博；
第四类是客户授权从其他系统获得的数据，如客户的信用报告、联系人、工资单、银行流水、电商记录、信用卡流水、通话记录等。
这些信息单独存在的价值都不大，但当它们汇聚成海量信息，成为大数据，经过数据采集、清洗、分析、建模、机器学习等一系列步骤，就可以建立集中式大数据平台提供服务。目前大数据在互联网金融行业的应用较为突出的领域有授信、风控反欺诈、营销、动态定价等。
（1）用户画像
无论是借钱还是投资，企业都需要深入了解客户，包括收入水平、偿还能力、消费偏好、资产配置等，甚至还包括他的心理状况、社会关系、所处行业的趋势等。这些对于客户投资借贷行为的预测都有着至关重要的意义。通过大数据分析，互联网金融企业可以把客户的属性标签从几十个扩展到几百甚至几千个，从而360度无死角地描述一个客户。
（2）快速授信
互联网金融通过大数据等技术手段降低了征信成本和营销成本，使更广泛的人群也拥有了贷款/投资的机会，现在行业小额贷款的审批速度己经普遍达到了十秒甚至秒级。
（3）风控/反欺诈
互联网在降低金融服务成本的同时，也给金融欺诈打开了方便之门。各种以“钻补贴推广空子"获利的“羊毛党”日益猖獗。身份伪造、恶意逾期等行为使互联网金融行业损失数以十亿元计，每个企业都为如何堵漏洞发现欺诈绞尽脑汁。通过对用户网络行为、设备动态、平台行为、交易行为，及整体行为的分析，可以形成一个用户的行为数据图谱。
