甚至在未来，是否会有可能对用户信用情况做评估上的调整，酌情降低或者提高透支额度？对于这个问题，梁晟的回答很坚定，“银行卡业务最核心的就是信贷，并高度强调风控。分布式计算框架能整合多方数据，使海量数据在线分析成为可能，与信用评估的结合是必然的”。
在上述第三点实时营销方面，大数据的应用也分为细分的几种应用场景：
浦发信用卡市场合作方每年有上万家商户。例如跟星巴克的有活动合约，刷信用卡，满足一系列的规则条件可以 88 折，在某一些节假日可以买一送一，或者当日信用卡总消费金融满 1000 元就可以买一送一，这些活动需要有一套完整的活动规则引擎去进行快速匹配，并发计算量非常大，还涉及到一些事务性处理，引入大数据的计算架构使得这些在线分析成为可能。
用户信息更新需要较长的周期，例如积分，例如：刷卡满了一定金额可以升级钻石会员，但这样的周期往往太长，难以满足日益提升的用户服务质量要求，大数据服务平台建立了用户分析的模型，批量处理用户积分，以及 “白领”、“吃货”、“土豪” 等用户画像标签，也，可以做到以周为单位更新数据。现在用户标签是静态标签，近期还会扩展为动态标签。
针对以上所述痛点，浦发银行信用卡中心和天玑科技的联袂主要从以下几部战略作为切入点：
第一，结合卡类业务实时营销的系统，浦发银行信用卡中心专门成立了数据服务部，由天玑科技大数据团队提供大数据服务平台，包含了实时营销功能，为将来所有的浦发信用卡中心业务部门和外部机构提供数据服务。数据必须要关联才有价值，金融的数据是价值密度非常高、也最真实。回到前面数据量大、数据处理系统庞杂的痛点，数据服务部目前是与外部征信、政府、公安、电商等进行大数据对接的一个核心平台，力图在未来做到数据互联，形成本地完整的大数据小生态圈。
海量数据的存储和分析处理、升级是一方面，另外一方面就是交易数据也同时以流式计算的方式进入大数据服务平台，实时营销模块跟核心系统是分离的，大数据服务平台与核心系统存在交互，为其它业务应用提供数据服务，通过 web-service 接口来大数据服务平台的数据。
第二，作为数据服务的核心系统之一，必须要有明确的定位，将来业务拓展、落地的重任由数据服务部提供数据支持。结合以上大数据实时营销的场景，相比于线上 DSP 广告大多以具体商品作为用户的兴趣标签，信用卡本身掌握更多的线下用户数据、用户刷卡地点。此外，天玑科技方提供的大数据服务目前还会结合消费数量、消费金额量等活动规则，实时进行规则引擎进行匹配，进行流式计算，完全的分布式高效处理数据。
未来业务拓展方面，还会结合商圈和 LBS 进行更精准的推荐和营销，而这些业务要取得一定的外部数据源，大数据服务平台为将来的业务营销方案提供了基础的应用计算框架。假设，未来跟大众点评等有合作的话，就可以获得更多实时的用户、浦发信用卡合作商户的地理位置信息，从数据库里的全国几十万种活动中，挑选出 1-3 个最匹配的活动推送给单个用户。
许多银行都会利用大数据技术进行用户画像，或者历史数据查询，梁晟则认为，此次浦发信用卡中心是国内传统金融圈内第一家做到大数据实时营销的机构，“天玑科技的大数据团队为浦发信用卡中心的市场部、电销部、客服中心和移动金融部等部门的提供实时数据服务，可说是初步综合形成大数据的生态圈。在传统银行向互联网 + 大数据尝试的方向上踏出了坚实的一步”。未来，大数据应用在传统银行业又会创造怎样的成绩？
的确，许多大数据的应用场景还没有真正做到实际落地，大多传统银行机构还在观望，小试牛刀的互联网企业似乎停驻在支付宝的 “花呗” 等线上层面的尝试。数据来源则更显得缺失，大数据更多的是通过线上数据共享获得，较为经典的应用实例就是淘宝的运费险了。运费险做过一套大数据智慧应用的解决方案，退货发生的概率，跟买家、卖家的习惯、商品的品种、价值、促销活动等都有一定相关度。运费险采用了第三方提供的解决方案，应用数据挖掘的方法，建立退货发生的概率模型植入系统，就可以在每一笔交易发生的时候，给出不同的保险费率，使保险费的收取，使之与退货发生的概率相匹配。问题是，真正将线下消费的数据沉淀付诸大数据应用的例子实在太少，国外的案例是 Target，而在国内，天玑科技大数据团队又将交上来怎样的一份答卷？