传统金融的风控对用户的信用评估主要采取的方法是让客户提供收入证明、房产证、银行流水等确定是否具备偿还能力；第二种是通过实地考察和直接面对面沟通，验证客户提供资料的真实性；第三种查询客户征信记录被查询的次数，上述三种方法存在的不足之处在于多由手工操作，效率低，且资料容易造假，信用评估效果差。
而传统银行信贷违约有两大原因，一是员工的恶意欺诈；二是很多公司的数据维度是有限的，重要的信用维度没有纳入到风控评测体系中，这其中包括用户重要的行为数据，可以辅助判断信贷对象是否为高风险客户。随着业务的逐步扩张，怎么再去找更多的维度或者在原有数据维度上构建更细腻度的特征来刻画之前无法覆盖的用户群体是关键。
号外!号外! smart信贷风控联合建模服务上线啦!从此为您保驾护航!再也不用担心客群自身信息维度不全导致的欺诈风险。smart信贷风控联合建模每日采集移动端行为数据超280亿，拥有数亿日活用户数据和丰富的强相关场景数据，如用户行为特征、用户兴趣特征、贷款活跃度特征等数1200个维度的风险特征变量，丰富传统风控的数据纬度，通过机器学习等算法进行建模和评分，助力精准评估用户信用和预测欺诈风险。
smart信贷风控联合建模为金融机构提供一站式数据整合,评分结果由api接口实时输出，降低数据接入成本，完善了传统风控的维度。采集维度更加丰富的场景化的用户行为数据,如用户的工作生活地点、商旅行为、设备号是否串改、手机号经常更换、p2p借款app的安装或活动是否频繁，app的某些特殊使用习惯等通过移动端的大数据分析，从而对客群进行精准的信用评估。