第三方支付企业为了摆脱瓶颈开始积极拓展新业务，他们先后推出了理财服务、行业解决方案、移动支付、跨境支付结算等业务，大数据为基础的创新业务是其中最具潜力的发展方向。互联网的支付行业走过了多年的发展，有了海量用户数据和交易数据的积累，这些数据已经成了包含巨大价值的“金矿”。第三方支付企业未来最重要的核心业务很可能就是基于数据挖掘和加工的商业创新应用，传统的支付结算的地位会降为“副产品”，之所以还留存就在于它能够源源不断地为企业提供市场数据。
国内的第三方支付企业实际上已经认识到了蕴含巨大价值的大数据，也开始挖掘“金矿”的工作。阿里巴巴集团应该是这行业中走得最快最前的企业了，它用支付宝把淘宝、天猫和阿里巴巴B2B旗下的几个平台都打通，还在网络小贷服务上收获了巨大的利润。除了阿里巴巴外，其他第三方支付企业也开始了与阿里巴巴不同渠道的探索和开发，譬如快钱，它主要集中在企业应收应付账款融资服务的研发，快钱和合作银行之间采用将企业的应收账款或应付账款信息和产业链上下游企业一段时间内的资金流转数据统一的方法来合作，企业客户就可以以此从银行贷到款项。还有易宝支付也尝试着和银行合作，主要为航空领域的代理人提供周转资金，还在交叉营销业务进行新的尝试，通过这两个业务，易宝支付迄今为止的年收入大约是10亿元，在线支付的收入占80%，剩下的20%是营销和信贷业务。上述每一家公司的信贷创新都和第三方支付企业所积累的海量数据有关，显然经营发展的关键资产就是海量数据。从现在的趋势来看，未来基于大数据的新应用和新服务只会越来越多。
社会逐渐认可了第三方支付的独特业务模式，大量的买卖双方数据可以慢慢积累，也因此让第三方支付业务成了受众认可的合法业务。将来假如想继续推进其独立发展的话，下面两个关键点需要关注，一个是为了构建巨大的数据源必须通过创新产品和服务来吸引更多的客户，另一个就是扩展新型的业务，推动数据资产的开发和利用。
P2P网络借贷动了谁的奶酪
美国的Lending Club在新一轮的融资中，于2012年6月募集到了1750万美元，这当中包括了KPCB投资的1500万美元，还有摩根斯坦利前CEO John Mack以个人名义投资的250万美元。有了这两笔投资之后，KPCB合伙人，被人称作“互联网女皇”的Mary Meeker和John Mac都成了Lendjng Club的董事会的董事，从那以后，Lendjng Club的融资已经接近1亿美元。这两位来自互联网领域和金融领域的大腕为何如此关注Lendjng Club呢？这必须从充分了解这个公司开始说起。2006年成立的Lendjng Club，于2007年正式上线，它作为一个网上金融社区，聚集了大量的优秀贷款人和借款人，作为双方借贷关系的中间服务方，它在尝试用一种相较于传统金融机构服务更为高效、便捷且成本更低的运作方式开展业务。
Lendjng Club平台上所设定的利率是不断调整的，依据贷款等级和期限的不同在6.03%到24.89%之间上下浮动。Lendjng Club平台上的贷款有A到G七个等级，一个等级下还有1-5五个等级，贷款时间上限为36个月。Lendjng Club向借贷双方收取中间费用，这是它利润的主要来源，每一笔交易成功后，借款人必须支付贷款总额的1.11%到5%不等比例的费用给Lendjng Club，具体金额由贷款等级和期限来决定，Lendjng Club随后再向贷款人收取借款人借贷总额的1%的服务费。倘若借款人的借贷服务不成功，Lendjng Club还是要收取15美元的费用。倘若借款人偿还贷款的时间超过了期限15天以上，Lendjng Club就要收取滞纳金。发展十分迅速的Lendjng Club，到了2013年1月，贷款发生总额已经超过了12亿美元，中间服务收入也突破了1亿美元。
作为一家典型的P2P网络借贷公司，Lendjng Club的发展情况已经从某种程度上展示了行业的整个发展趋势。最先发源于英国的P2P网络借贷业务，第一个P2P的创新借贷平台也出现在英国，那便是在短时间内迅速将自己业务拓展到美国、德国等国家的Zopa。紧接着2006年Prosper在美国创立，到2013年1月初，平台的会员已经有160万名左右，会员间的贷款也达成了将近4.44亿美元。与传统银行的金融中介相比，P2P金融交易有着高效率、低成本的特点，服务人群的数量和范围也扩大了，加速了金融发展的进程，只不过双方数据信息的可靠与否是推动该项业务发展的关键所在。
相对于欧美各国，中国的P2P模式起步晚，一直到2007年才真正进入中国，不过发展的速度却十分惊人，很短的时间内像是宜信、拍拍贷、红岭创投、贷帮等一批新兴P2P网络借贷公司纷纷出现，传统的网络大腕也参与到了这个市场的角逐中。中国平安集团于2012年3月投资成立了网络投融资平台陆金所开始运营。几个月后的12月，国家开发银行、江苏省金融办和江苏金农公司合作推出了社会融资服务平台“开鑫贷”。投资机构看到了如此巨大的市场想象空间，也“蠢蠢欲动”，最典型的要数向拍拍贷投资2500万美元的红衫资本。哈佛商学院在2012年5月做了一份《中国人人信贷概览及其在中国金融体系中的潜力》，其中报告提到中国的P2P网络借贷平台数量已经超过了100家，而且还在以每年50%的增长速度在增长。显而易见，因为迎合了市场的需求，P2P市场的发展速度很是惊人。由于不健全的信用体系，传统国内的银行开始纷纷提高自己的贷款门槛，而且在金融危机和欧债危机影响下，银行更是收紧了银根，原本在资金周转上就有困难的中小企业更是苦不堪言。而对于普通的贷款人来说，股市低迷、楼市受限且理财渠道有限，也受到了不少的影响。此时的P2P借贷平台显然为他们提供了最为有效的资金支持，用一种更为便捷的运行模式让中小企业和闲散资金的拥有者找到了最好的服务平台。
从运行模式来看P2P网络借贷和EBAY有些类似，他们都搭建了一个平台，为借款人和贷款人搭建了服务的网上平台，借款人需要在平台上填写自己的贷款金额、用途、期限、信用记录以及个人信息等资料，通过对这些资料的初步审核，网站会判定借款人的信用评分和风险等级，再为贷款人提供相应的投资方案。竞拍模式是网站的主要交易机制，贷款人利用贷款利率来竞标，最终利率最低的人被选为最终贷款人，成功后网站从中收取手续费。两者的区别就在于P2P网络接待竞拍的是资金，而EBAY则竞拍实物商品。网站为了规避风险，借款人从贷款人那里获得的资金仅为其所需的一部分，贷款人剩下的资金则分散给其他借款人，而借款人所需的其他资金则分散由不同的借款人提供，这样一来，借款和贷款就形成了复杂的交叉。
总体而言，P2P的运行模式同上述的方式很类似，只不过在特殊的中国市场环境中，引入中国的P2P做了一定的调整，衍生出两种主流的发展模式，其中一种的代表是拍拍贷，它们是单纯的线上借贷平台，这和欧美国家的P2P网络借贷模式比较像，这种平台必须依赖完善的市场信用体系和金融服务体系。在中国推行这模式，显然有成本低、扩张速度快的优势，只不过风险过高。另一种则是线上线下融合的借贷公司，以宜信为代表。这种模式通常线下模式更重，尽管成本高、扩张速度慢，但是风险却低许多。中国的一部分P2P网络借贷平台为了吸引贷款人，会提出“保本承诺”。如果有了违约情况出现，贷款人可以从网站获得本金赔偿，显然这个承诺是为了承担贷款违约的风险，只不过资金链和盈利会受到或多或少的影响。
大数据带来的智能化与柔性化
在商品市场供大于求的时候，企业的价值链就会迅速转向需求驱动。客户在大数据时代介入了企业当中，让企业价值链在引导之下深度整合，推动组织价值的智能化和柔性化，研发、设计、生产、供应、销售、售后服务等等的价值链环节都会有类似的体现。
大数据运用的企业可以对客户进行微分化、个人化的定位，对客户所有的需求特征实时、全面地把握，传统企业显然在智能和柔性程度上缺乏这样的高效。举例来说，Kindle就有这方面特征的功能。用户在Kindle上阅读过的文档都会用附件的形式给亚马逊分配给其的邮箱发送邮件，这个邮箱的真正作用不在于收发邮件，而是Kindle给用户的云存储空间。一旦Kindle连上网络，没下载过的文档就会自动下载下来，云存储空间的任意文档都可以让用户随时随地反复下载阅读。
售后领域，大数据的智能化潜力也是十分巨大的。企业利用远程智能监测、远程辅导等等模式，把人员的投入有效地降低了，服务质量和服务效率更是提高了。例如电梯制造商、飞机制造商、机床制造商等等设备制造商，会把传感器植入售出的设备当中，随时随地地记录设备的运行情况，设备制造商因此即时获得设备在运行中的情况，对出现的问题进行及时诊断，不需要再到现场，通过远程就可以维护产品。远程智能维护过程中，设备保证系统能够有效运转的核心必须是长期积累的海量数据。
生产流程由于大数据所带来的变化有：为了满足个性化需求而进行柔性生产；为了降低生产风险采用模拟技术；为了改善操作环境而进行实时远程监控。
未来生产商会听到越来越强烈的消费者的声音，消费群体也会因此拥有越来越大的群体力量，消费者最终会成为价值链的第一推动力，所以未来商业模式的主流必然是“定制”。个性化需求必须要求多品种、小批量和快速反应，在竞争当中，能够实现柔性生产的企业会有较大的优势。要实现柔性化生产，成本以及技术是最大的难题，尤其要注意生产中大量应用信息技术，这样才可能降低柔性化生产的成本，适应个性化需求的需要，信息技术的改进还会带来生产线流程的进步，最终实现柔性化生产。实现柔性化的基础在于获取、传输、运用数据，就现在而言这样的应用已经在汽车、家具等制造业中非常常见了。
种种风险都会在生产过程中出现，它们无一例外地会带来巨大损失。首先要对历史经验的数据和规律进行总结，模拟分析生产全过程，预见风险，做到防患于未然。
当人工操作已经和生产环境发生矛盾时，或是人工成本大幅增加时，人力就会为机器所替代。企业在机器当中植入传感器，实时传回机器工作的数据，实现远程监控设备的目的，操作人员就可以远程操作设备了。
市场需求预测是供应链管理中最为关键的环节。大量个性化的需求可以通过高效分析大数据而获得，加上了解各种辅助信息和合理的预测，供应链中的各个环节都可以灵活、适时地安排。
供应商通常都会累积一系列数据，对需求预测进行改进来安排供应计划。供应链上下游的数据透明了之后，生产和供应的安排就可以变得更为合理了。例如零售商的数据反馈给生产消费品的企业，设备生产商的数据又反馈给生产零部件的企业，在他们获得数据之后，物流、生产、原材料等供应链的环节就可以得到合理调配和安排。此外，上下游之外的数据也可以进行创新整合来创造价值。举个例子，一家跨国饮料企业将每天外部合作伙伴的天气信息合成，再将其反馈给需求和存货规划流程，根据特定日子的温度、降水和日照三个数据点的分析结果，适当减少了欧洲一个重要市场的存货量，这当中预测的准确率也随之提高了5%。
以往企业中的研发、设计、供应、生产、服务、销售等部门的信息总是彼此独立的，随着结构和非结构化数据技术的不断进步，各个环节之间的信息不再是独立的，也是有机地结合在了一起，研发人员不论从哪个环节下手都可以提取到非常有意义的信息，譬如生产新产品中遇到的问题，销售情况，还有客户的反应等等。定期的分析可以让研发人员获得这些信息，在大数据的时代，研发人员可以实时获得此类数据，通过分析来提取有价值的信息，从而改善产品的设计方案，产品的更新进程和对客户的响应也会随之加速。
