(壹)拓寬信用評級的技術渠道，有助於實現準確評級。
首先，互聯網征信在技術手段上是對傳統征信模式的發展。基於大數據和互聯網技術的快速發展，互聯網征信拓寬了傳統信用評級的技術渠道。傳統的信用評級大多基於壹定的數學模型。在考察個人或企業的違約率與其他觀察變量的相關性的基礎上，根據歷史數據確定違約率與信用評級的關系。最後通過對被評級人的調查，給出能大致代表被評級人違約率的信用評級。
(二)豐富了信用評級的數據來源，有助於評級更加真實。
傳統的評級方法除了技術手段外，還有壹定的局限性。第壹，根據歷史數據預測未來數據是必要的，但根據歷史數據預測未來數據存在不確定性。第二，只能依靠個人或企業的財務數據進行分析。在對個人或企業進行評級時，維度相對單壹，無法得到全面立體的評級。而且在很多情況下，財務數據更容易被篡改，缺乏其他數據進行交叉驗證，降低了評級的可靠性。互聯網評級可以在很大程度上避免上述缺點。第壹，互聯網征信覆蓋的數據範圍更廣，進壹步豐富了評級使用的數據，不僅包括金融數據、支付數據、交易數據等傳統金融機構的內部數據，還包括社會數據、購買記錄、評價記錄等非金融機構的外部數據，有助於更加全面、準確地描述個人。第二，互聯網征信使用數據的頻率更高，互聯網征信的數據采集頻率是實時的，記錄了個人的每壹筆交易或社交內容，因此互聯網征信有可能實時調整評級。互聯網征信的背後是海量的交易數據，可以不斷實現數據之間的交叉驗證，以增強評級結果的真實性。
(三)豐富信用評級的經營主體，有利於加強市場競爭。
根據央行的最新通知，意味著央行已獲準接入8家公司的個人征信業務，這為這8家征信公司合法開展個人信用評級工作奠定了法律基礎，也為個人信用評級的發展提供了堅實的法律保障。
不足之處
(A)數據質量需要提高
互聯網征信的基石在於擁有海量數據，能夠通過海量數據篩選出合適的數據。然而，互聯網公司掌握的數據質量仍然存在重大缺陷。第壹，互聯網公司不能收集個人敏感信息，法律上有禁區，比如個人的支付記錄、存款等，而這些敏感信息是影響個人征信結果的重要因素。第二，互聯網公司的數據積累太短，導致數據寬度很長，但深度不夠。任何模型都需要在壹定的時間長度內不斷驗證和試錯。就互聯網征信而言，累計時間長度甚至達不到要求，所以互聯網公司的征信結果可能沒有說服力。
(B)互聯網信貸模式的可靠性需要測試。
在解決了數據問題的基礎上，還需要解決模型的可靠性問題，模型的可靠性來自兩個方面。首先，如何確定壹個合理的模型；其次，在確定合理的模型後，如何讓信用主體和信用結果的使用者接受。從第壹個方面來說，確定壹個合理的模型是非常復雜的。模型的成功取決於三個因素:模型設計、數據匹配和應用場景。得益於大數據技術和雲計算技術，互聯網征信的模型在設計上越來越復雜。模型越復雜，理論上越能真實反映征信情況。然而，模型越復雜，數據質量越高。互聯網公司要防止模型設計和數據不匹配的問題。此外，可能還存在模型設計和應用場景的匹配問題。對於不同的應用場景，模型越復雜越好。有必要為應用場景持續設計模型。