1月4日下午，在高層視察微眾銀行時發放了微眾銀行的第一筆貸款，向一位卡車司機發放3.5萬元貸款。微眾銀行方面表示，1月4日發出的首筆貸款是一筆真實的客戶貸款。該客戶是第一位受到微眾銀行特別邀請的客戶。值得注意的是，在這項貸款過程中，貸款人通過攝像頭對準臉部，軟體系統識別出身份，與公安部身份數據進行匹配，在“刷臉”認證同時，通過社交媒體等大數據分析，軟體將對貸款人的信用進行評定，從而計算出貸款金額。一時間，綁定大數據的刷臉識別技術引發市場的瘋狂猜想。

　　據了解，對於刷臉識別實現支付的技術，除了微眾銀行之外，阿裏旗下的螞蟻金服等其他網際網路金融技術企業也已經開始展開測試，通過指紋、聲音等生物識別技術來融合移動應用端和實體消費。據熟悉人臉識別的技術工程師介紹，構建安全的生物識別技術，不僅需要網際網路企業自身技術系統的安全性可靠，同時還需要包括外部的安全廠商、電商網站乃至公安系統等多部門來參與，構建完整的完全生態。目前人臉識別技術發展尚未成為普遍支付手段，其中重要的原因在於不同個體之間差異較大，且數據庫保存的照片有限，未來軟體應用開發還需要進一步升級。

　　在具體的大數據徵信的模式方面，儘管微眾銀行方面始終保持沉默，但從已經流出的資料來看，市場人士猜測，微眾銀行的客戶均來自於網際網路，通過騰訊提供的各類大數據，了解客戶的貸款需求，或主動對客戶發出貸款需求。有媒體報道稱，騰訊的網際網路大數據徵信由財付通負責，主要運用大數據技術下的海量資訊，比如線上時長、登錄行為、虛擬財産、支付頻率、購物習慣、社交行為等，為用戶建立基於線上行為的徵信報告，成為金融機構風險控制的新工具。

　　2014年12月，騰訊公司助理總法律顧問王小夏的公開演講勾勒出了微眾銀行大數據的應用基本輪廓。“以信用額度的批准為例，比如定位某個用戶工作及生活區域，可判斷其所處行業、房屋價格及租金，通過出差頻率判斷所處職位差別，通過這種類似的測評可為該用戶構建基本畫像。”據王小夏描述，大數據還可以分析用戶的具體消費習慣並向其做相關的業務推薦。通過大數據獲取某用戶行為數據，不僅可以看出其還款意願和還款能力，也可因此判斷是否可進行適當鼓勵並增加信用額度。王小夏坦言，在資訊採集的內部合規工作方面也會存在不少難題，而個人資訊定義邊界不清、不良資訊存儲年限、數據的跨平臺使用等均是未來面對的挑戰。

　　不過，對於大數據徵信的可靠性，目前市場各方存在廣泛的爭議。有熟悉銀行業風控方面的金融人士表示，按照現有的信貸標準，通過社交網路等渠道形成的徵信方法和數據未必能全部符合傳統商業銀行的監管要求。相比綁定真實交易以及個人金融服務業務的傳統金融機構而言，網際網路企業數據部分可能存在失真，不少社交或金融交易數據可以通過各類渠道修改或造假，如何防範金融詐騙等風險問題，也將是微眾銀行需要考慮的重要問題。

　　一位熟悉騰訊獲客技術系統的私募人士表示，騰訊擁有龐大的社交數據，並通過不同的標簽屬性將人群進行分類，按照獲客要求設置不同條件，就能不斷細分人群刪選出所需要的用戶，從而對放貸進行精確有效的定位，人群越細分、定位越準確，其資金放款的風險也會被嚴格地限定在可控範圍內。不過上述銀行風控人士認為，騰訊社交數據的利用有效性仍值得懷疑，對用戶群體進行模糊化分類可能難以精準地評估其信用等級，與此同時，騰訊此前並不涉及金融信貸領域的市場，缺乏信貸經驗，從社交用戶到金融用戶的轉化率可能不高，加上當前綁定的O2O應用消費場景有限，其支付及交易記錄能否構建一個完整有效的徵信系統，需要保留一個問號。