两年前马云就曾表示，数据将取代石油成为这个时代最核心的资源。随后，蚂蚁借呗、微粒贷、快贷等一系列的建立在场景数据之上的消费信贷产品铺天盖地而来。场景金融渐成气候，而基于场景的一手数据渐成每家银行、消费金融机构都在努力争取的资源。
　　不能否认，蚂蚁借呗、京东白条这些建立在场景端的信用消费具有极大优势，因为他们获得了一手的、具有真金白银消费记录的真实数据，从而极大地促进了其信用体系的建立。但是，有一点值得注意的是，相对于一手数据的火爆争抢，二手数据似乎处于无人问津的尴尬位置。
　　这里的二手数据，可指两类。第一类，是其他机构收集起来的、未经过多加工的一手数据。原数据公司通过合理合法的专项授权，将数据共享给消费金融机构，从而让数据为消费金融机构所用，但是这部分数据仍然存在着可能被部分删减，数据匹配度低问题。第二类，是指经过原数据公司大量加工后的数据。比如原数据公司仅以个人信用报告，或者评级等形式为消费金融机构提供数据。这些数据通过原公司的二次加工，数据相关性可能得以提升，但可靠性却大幅下降。因此，目前多数银行机构或者消费金融公司，大多不太重视二手数据的处理。每个机构都想嫁接到其他场景APP上，去争取一手数据。
　　但有一点值得思考的是，二手数据是否像大部分机构所想象得那般无用呢？
　　答案肯定是否定的。虽然与原始数据相比，二手数据在相关性、时效性和可靠性上表现较弱。但是在这个大数据时代，大部分公司程序设计不再是依靠单纯的逻辑算法或者是时效，而是通过大量，无逻辑相关的数据去实现刻画个人特征。因此，在大数据时代，二手数据在相关性、时效性上的缺陷其实被弱化了。最后，在可靠性方面，只能说没有任何数据是绝对可靠的。即使是一手数据，也存在着刷单，或人为操作等因素从而让数据变得不可靠。因此，这个问题是各类数据都无法避免的。但或许，我们可以通过设计一个可靠性偏差率来调整机构数据的可靠信比重。就如我们会用风险调整法去估计债务成本，那么，能不能也设计一个类似的基于机构数据的信用评测体系？比如，通过长期的合作，我们给出机构A一个0.23的可靠性偏差率，给出机构B一个0.78的可靠性偏差率。机构A可能是如京东平台这样的数据提供商，由于其数据建立在真金白银的交易上，所以偏差率相对较低。而机构B可能是知乎平台，通过他发表的文章及粉丝量等给这个人增加部分信用。
　　通过这种基于机构数据的信用评测体系以及与各机构的长期合作，银行或者消费金融机构可以与整个商圈建立合作关系，将最大范围地扩张自己的信用体系的底层建设，从而可以让消费金融运营主体把关注更多地放在信用体系与风控的核心技能上，从而增强机构本身的核心金融价值。
　　当然，这种假设仅仅是理想化的构想。如果真去做，可能会面临很多问题，但是如果某机构真的能高屋建瓴地去对待二手数据，那么，该机构以后可能不需要再嫁接任何场景。直接通过一个接口，就可大额授信用户，从而满足其多个场景下的消费。毕竟，人们都是很懒的，能一次性解决的问题，没人愿意在多个APP里去反复申请信贷。