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