互联网贷款因依托于互联网新技术及金融科技、聚焦于长尾客户的金融需求，在解决传统融资模式中的信息不对称、提高中小微企业信贷审批效率、降低融资成本等方面具有独特优势。目前，已有相当数量的银行将互联网贷款应用于小微贷款领域，并在一定程度上化解了传统小微信贷业务的痛点，诸如利用大数据技术解决信息不对称问题，通过实时在线监测解决贷后管理问题，线上引流精准营销解决获客留客难题，优化信贷流程解决单位成本偏高问题，依托大数据信贷决策化解操作风险等等。
小微企业通常管理不规范、财务报表不完善、数据不实，经营信息高度内部化，给授信调查带来极大挑战；同时，我国针对小微企业的征信体系相对落后，抵押担保不足，这些导致企业和银行间信息严重不对称，很可能出现逆向选择。而依托于互联网和大数据技术，银行能更容易地对收集来的碎片化信息进行关联分析、交叉检验及信息核实，而通过加强与大数据征信机构合作，还可建立小企业的失信披露机制。此外，“以交易为中心”的信用类产品，也可缓解小微企业缺乏抵押担保问题。
在“电商平台+企业信贷”模式下，借款人在整个供应链上的资金流动更全在平台的掌握之中，借款人的需求是否真实、还款能力是否足够，到期时点是否能有足够资金还款，均可通过对数据的处理计算准确推断。商业银行的互联网贷款业务通常通过合作机构的网站、APP或微信平台等线上引流，运用大数据技术对小微企业的融资需求作前期预测，并通过合适的渠道了无痕迹地推送给目标客户。由于可为小微企业提供更精准的金融产品服务及配套产品，也能提升客户的黏性。互联网贷款业务，审批、操作、风险预警，都在线上完成，大大降低了借贷双方的操作成本。另外，还能以较低成本获得小微企业及个人沉淀在网络上的“软信息”，利用大数据挖掘和分析技术，加快审批流程、提高审批质量、降低信息处理成本。互联网贷款从数据收集录入到评价结果输出，整个过程全部由计算机算法完成，减少人为主观判断，不仅能确保评价结果的客观性，也有助于防范操作风险。而通过在传统建模技术的基础上采用机器学习建模技术，则可进一步提高模型运作的自动化程度，减少人为干预对模型输出的影响。
无疑，在金融与科技日益融合的大趋势下，线上化、自动化的互联网贷款代表着未来发展的方向。然而，现在还有种种障碍极大限制了互联网贷款的普及和推广程度。
从产品方面看，信贷产品服务人群相对狭窄，数据要么来自互联网交易平台，要么来自公共机构，譬如税务部门，大量小微企业在相应平台或机构未留痕迹，依然无法获得相应的便捷服务。反过来，在特定渠道数据可获取的情况下，客户准入门槛又相对较低，因为许多有价值的软信息被屏蔽，由此可能形成逆向选择。为了尽可能避免上述信息不对称问题，互联网小微贷款通常又会对客户准入设置较多限制条件，这又会造成筛选出的客户可能具有高度相似性，从而使得风险分散程度较低，容易在市场波动时出现客户的批量信用塌陷。
从数据方面看，我国征信制度仍不健全，尚不存在一个官方、统一、广泛的信用评价体系，虽然部分税务、工商、司法等信息已经向社会开放，但开放程度依然较低，而商业数据由于价值不断凸显，反而进一步降低其共享性。数据问题对贷后管理的影响尤为突出，除部分银行有高频电商交易数据外，大部分银行只能依赖行内交易数据及人行征信数据，据此进行贷后预警可能存在一定滞后性。此外，一些企业通过关联交易等手段刻意制造流水、虚假纳税等信息，更有甚者则由谙熟各家贷款机构的审核规则的信贷中介通过各种手段对申请人数据进行包装以突破信贷机构的风控规则，致使模型结果的可靠性大打折扣。
目前我国商业银行利用大数据技术仍处探索阶段，模型准确性有待检验。数据分割使很多模型只适用于自己的小生态，同一个人在不同评分模型中得到的结果可能存在较大差异；并且一旦市场环境出现大幅变化，基于过往行为数据所形成的风险评价可能出现较大偏差。更麻烦的是，由于自动化程度很高且业务批量处理，一旦某个环节出错，可能会造成十分严重的后果。此外，对很多商业银行来说，建立更加专业的大数据技术团队并不容易，而委托第三方对其系统、信贷模型进行开发与维护，又意味着需要面临第三方合作机构从业人员潜在的道德风险，第三方开发维护的产品更可能出现同质化。
因此，进一步发展互联网小微贷款，尚需监管机构、金融机构乃至其他公共及私人部门通力合作，通过鼓励创新探索、加强信息交流与业务合作，继而保证在风险可控的前提下，切实增强互联网贷款服务小微企业和实体经济的能力。
