为了防范风险，银行在信用卡业务及各种贷款业务中都会用到各种反欺诈解决方案。本质上，反欺诈就是根据数学模型对所获取的各种数据进行分析，从而判断某笔交易可能存在的风险。
　　反欺诈解决方案的准确度取决于数据模式是否科学，同时也取决于获取的数据是否全面、准确，由于数据模型是否科学也是建立在事先对大量的数据进行分析的基础上，因此，数据是反欺诈解决方案中的根本，这其中也包括大数据。
　　“大数据意味着大机会。通过在反欺诈系统中增加对大数据的处理能力，从而让决策更为科学和精准，最终帮助企业获得显著的绩效改进和业务收益。”FICO（费埃哲）公司首席执行官Will Lansing如是说。
　　作为一家以分析和处理数据为主要业务的公司的负责人，Will Lansing意识到大数据对金融业务系统的价值，这种价值对中国正在兴起的信用卡业务尤其重要。
　　相对于车贷、房贷等零售信贷业务，信用卡业务利润更高，同时风险也更大，反欺诈系统显得尤其重要。反欺诈需要对用户身份、过往消费行为以及消费发生的时间、地点等要素进行关联分析，资料越详尽，结果就越准确。另一方面，随着信用卡发行量的迅速攀升（目前，全国信用卡的发卡量已经超过2亿张），新的数据几乎每时每刻都在生成，这些因素都在挑战反欺诈系统的执行效率。
　　Will Lansing说，从某种程度上说，反欺诈系统已经是一种大数据的处理系统。因为在大数据的“3V”特征，即Volume（大数据量）、Velocity（高速率）、Variety（类型复杂）中，目前的反欺诈系统处理的数据至少已经具备两个特征：海量数据、数据生成速度非常快。而未来肯定还会在数据类型方面进一步丰富，不仅能分析和处理结构化数据，还能分析和处理邮件、语音、视频等非结构化数据。到那时，对欺诈行为的判断将更为准确。
　　“FICO在数据分析技术上有自己的独特优势，比如，我们拥有自适应分析技术可以提高反欺诈的性能，还有一些已获专利的特征剖析技术可以改善欺诈检测的准确性。”Will Lansing表示。“对大数据的处理技术再配合我们这些独特的分析技术将成为我们的核心竞争力。”
　　Will Lansing指出，到目前为止，人们关于大数据的讨论还主要集中于大数据的基础设施层面，比如，大数据的存储和大数据系统的构建，很少谈及如何对大数据进行分析和处理。即使有，其对大数据的分析处理也主要建立在传统的数据仓库基础上，利用的还是传统的商业智能技术，这是暂时的，就长期来看，随着技术的进步，未来一定会有直接对大数据进行分析的工具。