科技猎以征信工具角度切入，聚信立真正的壁垒在于数据
征信领域的公司大致可以分为数据服务商和模型服务商两类，在国内征信环境不健全的情况下，提供风控模型服务相对困难，特有的数据则是稀缺的资源。
聚信立以工具服务为切入，为贷款机构提供数据的收集、整合、分析服务，通过对电商、运营商和社保等数据的利用，提高贷款机构风控模型的精度。以电商数据为例，获得用户授权后，聚信立会首先对借款人购物数据进行爬取，之后再通过分析转换成有风控意义的指标，例如分析用户是否购买过赌博用具，是否使用信用卡支付等。
这类数据服务是具有网络效应的，用户查询的次数越多，系统就会越完善，相应的回报结果就更精确。因此对于这一业务，先发优势将是一个主要壁垒。通常聚信立与用户的协议，允许聚信立在 6 个月之内保留数据，用于建模和分析。
“技术是另外一个壁垒，我们搭建数据爬取、解析和运维的系统用了 18 个月，” 聚信立的创始人罗皓说，“另外，我们提供的服务需要与用户系统进行深度对接，目前我们拥有超过 400 个企业用户，初创公司如果达到这一量级，在系统对接上需要花费 2-3年。”
罗皓认为，市场上与聚信立提供完全同质化服务的竞争对手并不多，拿同盾科技来说，其服务与聚信立更多的是一种互补。同盾主要的功能是反欺诈，提供黑名单的查询，优势是 SDK 布点简单，接入的用户多，使用场景广。相比之下聚信立提供的数据应用场景更垂直，但在风控中所占权重更大。罗皓介绍，聚信立提供的数据在客户风控模型中的权重平均在 25%左右，最高可以达到 65%。
聚信立目前尚不为用户提供完整的风控建模服务，虽然很多机构也有这样的需求。“提供建模服务的商业模式比较复杂，涉及到谁来承担风险、利润如何分配的问题，” 罗皓说，“我们只是提供分析的工具，用户需要自己对结果负责。”
聚信立近期收购了一家消费分期平台公司，主要负责对接消费场景、收集相关数据。“我们自己并不放贷，否则会伤害用户的利益，” 罗皓说，“不放贷、不卖数据是我们的底线。” 聚信立对这一业务未来的规划，是成为场景和资金方的路由器，实现场景和资金的多对多，为资金方对接更多优质资产端，为场景方提供更多资金选择，提高转化率、佣金率，加快审批速度。
聚信立创始人罗皓先后在通用电气金融公司、渣打银行和摩根士丹利发现信用卡部门，担任建模师、产品风险经理、数据挖掘主管等工作，任职期间开发消费者评分卡模型共计达上百个，也曾带领数据挖掘团队进行商业智能引擎的开发和推广。
聚信立 2013年8月 上线，同年获得纽信创投数百万元的天使投资，2014年 获合力投资数百万元 Pre-A 轮投资，2015年 获得京东商城数千万元 A 轮投资。目前聚信立拥有 1100 万借款人数据，累计查询 1.2 亿次，公司共有 90 多名员工，已经处于盈利状态。罗皓表示，聚信立今年希望对接更多银行客户，因此正在准备下一轮融资，以进一步增强公司实力。