近几年国内消费金融蓬勃发展,互联网消费金融迅速崛起,民间P2P遍地生根,使消费信贷渗透率大幅提升,扩大了金融服务的受众。从2016年末开始,个人短期贷款余额加速增长,其中消费贷款占比提升至80%,贷款规模接近8万亿,到2019年底,消费贷款规模已经接近13万亿。在贷款规模不断增长的同时,消费金融市场也面临着很多问题:如贷款逾期率居高不下,缺少成熟的信贷风控体系,套路贷层出不穷。面对以上问题,一方面需要加强监管,净化市场环境,另一方面需要制定适合消费金融客户群体的信贷风控体系,降低逾期率。目前消费金融公司只能传统的信用风控从人行征信系统获取信用信息,增加了消费金融公司的征信成本,同时也无法掌握借款人全面的负债情况,如借款人在其他平台的负债情况,同时由于消费金融主要业务场景是面向个人客户的消费场景,如新生代农民工、大学生、个体户等,这一部分人在央行的征信信息为空白或不足,使传统的征信指标在该类特定场景中“失灵”,给消费金融公司的业务开展带来负面影响。本研究以持牌消费金融公司代表H公司的信贷数据为例,采用定量分析与定性分析相结合的方法,将贷款客户进行分层分析,研究传统风控模型存在的问题与瓶颈,结合大数据背景下消费金融的风控模式面临的痛点与突破点,以往的研究往往只针对现有的风控模型存在的问题提出改进建议,或者从已发生的信用违约问题反推风险模型的失效性,而本文是以基于行业内大数据技术的金融消费公司为案例进行研究,把复杂的风控模型问题转化为数据问题,降低风控模型中的不确定性风险,在实例研究中,主要从借款人角度研究信用风控影响因素及权重,从放款机构角度研究大数据风控模型的效果及改进措施。研究得出,本文所构建的预测模型拟合度达到98%以上,预测结果与客户的真实信用情况相对误差在2%以内,变动幅度稳定,通过相对误差的比较分析,证明了对贷款客户采用电子商务、社交网络、搜索行为等指标预测信用情况的精准性与稳定性,同时有效的降低了消费金融公司的逾期率与不良贷款率,减少了征信成本。最后从金融市场监管方、消费金融公司、个人客户三个方面对消费信贷风险控制提出了建议和策略,意在规范客户的信用行为。