拍拍贷借款目前是不上征信的。拍拍贷从贷款申请到放款，都是不计入央行征信体系的，但是拍拍贷现在正努力建设自己的征信系统，建设完成后，如果出现逾期还款或者是不还款的情况，是会被计入拍拍贷的征信系统，对你的个人征信产生影响，一旦逾期就很难在平台上贷到款了。照目前的趋势来看，不久的将来类似拍拍贷的网贷平台都会被计入央行的征信系统，同时有借款逾期或其他不良记录都会被上传，所以建议您还是按时还款吧。 拍拍贷现在还没有计入央行的征信系统，所以借款暂时是不上征信的。但是出现借款、逾期等记录会上传到拍拍贷自己的征信系统内，如果逾期还款首先会影响到你的个人信用，影响以后的生活工作，再者逾期时间越长逾期费用就会越高，负担越大。 如果逾期了贷款平台会有专门的催收人员给你沟通，如果还是不还款的话就会影响到你的家人及朋友。 逾期行为特别严重可能还会受到**，麻烦会更大，所以还是要按时还款。2018年拍拍贷已连入央行征信系统。

根据新华社和人民网报道，2018年中国人民**宣布，为防范化解P2P网贷平台风险、建立和完善互联网信用体系，首批网络借贷平台借款人恶意逃废债信息已纳入央行征信系统，共涉及逾期金额近2亿元。

在此规定下，已有多家互金平台（P2P平台）上传老赖名单到央行征信系统，拍拍贷、宜人贷、搜易贷、51信用卡等都已上传名单。

另外，央行表示，下一步，网贷平台失联、跑路的高管信息也将纳入征信系统。各地还将陆续上报新的恶意逃废债网贷借款人名单，补充完善相关信息，对逃废债行为人形成制约。

扩展资料：

央行相关人士称，经网贷平台和各地金融办筛选审核后，首批借款人恶意逃废债信息已纳入金融信用信息数据库，可向3900多家接入这一数据库的放贷机构提供服务。同时，网贷借款人恶意逃废债信息还同步纳入了百行征信系统，供已签约的241家机构便捷查询。

业内人士介绍，这些P2P“老赖”们的信息，包括借款人的姓名或企业名称、身份证号或统一社会信用编码、手机号码、累计借款金额、逾期金额、是否失联等信息，将被4000余家金融机构掌握，按照法律规定，进入征信系统的“老赖”将被限制多方面权利，并在商业、出行、生活等方面剥夺部分权利，以接受信用惩戒。

大数据风控的价值已经不用再多介绍了。这已经成为互金公司的核心竞争力，也是互金区别于传统金融的重要特征。互金公司能够为传统金融机构所不能服务的人群提供普惠金融服务，基于大数据的风控手段功不可没。通过全方位收集用户的各项数据信息，并进行有效的建模、迭代，对用户信用状况进行评价，可以决定是否放贷以及放贷额度、贷款利率 。

相比于传统金融的风控模式，大数据风控可以通过机器的大规模数据运算，完成大量用户的贷款申请审核工作，提升工作效率。传统金融的审核由人工完成，效率会相对有限；大数据风控可以针对业务运行中出现的新情况、新数据进行快速迭代，增强模型的有效性；机器和软件可以“24*365”模式工作，摆脱工作时间的限制。

互金公司发力大数据风控

目前很多互金公司都在做大数据风控，虎嗅之前的文章对BAT在消费金融业务进行盘点时总结了BAT在大数据风控方面的技术。京东也有相关的布局。

BATJ的大数据风控技术

除了BATJ这样的大公司，近年来新兴起的已经具备一定规模的互金公司也大力布局大数据风控，以网贷公司和贷款搜索平台为主，大多推出了相关的大数据风控技术体系。

国内部分网贷公司与金融搜索公司的大数据风控技术

除此之外，还涌现了不少做大数据风控技术的金融科技公司，开发大数据反欺诈模型和信用评估模型，向资金端或资产端有资源的金融企业输出技术。这类企业也不断获得资本青睐。统计显示，近四个月内，至少有8家做大数据风控技术输出的公司获得融资，其中九次方大数据、51信用卡、用钱宝都已融到B轮以上。

从BAT这样的大公司，到互金领域的创业公司，都在着力研发大数据风控技术。大数据风控的价值可见一斑。

大数据风控具体是怎样的？

大数据风控模型的构建，包含了明确模型目标、定义目标变量、确定样本、确定分析技术、构建模型、模型初步验证、数据处理、模型迭代等环节。我们专访了用钱宝CEO焦可等业内人士后发现，核心工作包括三方面，即获取数据、建立模型、模型在实践中优化、迭代。

数据的来源

对于大数据风控业务而言，数据来源主要包括几部分：

一是用户申请时提交的数据信息，如年龄、性别、籍贯、收入状况等，这些数据可以了解用户的基本情况，验证用户的身份；

二是用户在使用过程中产生的行为数据，包括资料的更改、选填资料的顺序、申请中使用的设备等，可以通过用户的行为来进行特征挖掘；

三是用户在平台上累积的交易数据，如果公司运营比较久的话，可以累积比较多的用户借款相关数据，这类数据对于判断用户信用会有很高的价值；

四是第三方数据，包括来自政府、公用事业、**等机构的数据，以及用户在电商、社交网络、网络新闻等互联网应用上留存的数据。这类数据可以从多角度展示用户的特征，利用这些数据进行建模分析，可以找出不同特征与信用水平之间的相关性。