当淘宝卖家小林正为过年阶段经营旺季所需资金发愁，此时，旺旺跳出一个消息：亲，根据你店铺经营的波动，系统判断你最近的资金需求有所提升，结合你的信用状况，将给予您30万的信用贷款授信。30万，这恰是此时小林店铺所需要的资金量。

科幻？但这样的场景你一定很熟悉：晚上7点30分，CCTV新闻联播之后的天气预告，可以告知你未来1—2天每个城市的天气状况，会不会下雨，下多少。如果你上网，甚至可以在中国气象网查到未来3—7天的天气状况。

既然数据可以用来分析气象走势，为什么不能用来分析商家的信用等级并支撑信用贷款呢？

目前，信贷服务多是在企业产生信贷需求以后，再进行信贷审核，以企业当前的经营状况来进行信贷风险判断。但矛盾的是，很多企业产生信贷需求的时间点，恰是企业经营的低点，由此造成企业所获得的信贷资金，往往和其需求不匹配；而且单以一个时间点的状况对企业进行判断，无法掌握企业后续的经营走势，不利于风险防范。

正是带着这种思考，在蚂蚁微贷（原阿里小贷）数据运用中，如何透过数据去判断小微企业的信用等级、未来经营走向和融资需求（包括其需求出现的时间节点和量）已经成为重点。

在整个蚂蚁微贷业务决策中，数据分析处在核心位置。其中，上百个基于电商数据建立的模型交叉生效，构成整个风险决策体系核心。目前，蚂蚁微贷的模型体系涵盖贷前、贷中、后管理、反欺诈、市场分析、信用体系和创新研究六大部分。在众多模型中，有一个特殊的模型，它像是一个水晶魔球，专门负责预测未来，称之为“水文模型”。

试想，在淘宝网这个电商生态系统里，每家店铺的销售数据就像一条条河道里的水文，会随着市场的热度、客户的喜好、卖家的运营以及季节周期性的波动而忽高忽低。不同的淘宝店铺尽管销售产品千差万别，但可以根据行业、主营类目、星级进行归类划分，这好比不同的店铺出现在河道里的不同位置，可以纵向对比他们的水位高低好坏。如果能提前预知店铺未来交易的变化，那就可以提前预判其资金需求的节点、量级，又能横向对比出店铺运营的好坏，尽早识别出店铺运营潜在的风险。

那么，如何预测店铺未来的经营状况呢？这涉及交易、流量、收藏、广告、评价、处罚、社交、运营等综合反映店铺经营情况的变量，并将单一变量，通过各种衍生，获得一系列变量。将这些变量从原来的绝对值变量转变为相对值变量，剔除了季节性对绝对值的影响，就能使不同规模、类型的卖家具有相同的可比性。对于一个卖家来说，在不同的月份上，这些变量的表现就会如同水文一样呈现变动，蚂蚁微贷称之为“水文变量”。

在构建水文模型的时候，蚂蚁微贷摸索出了解决两大世界级数据分析领域难题的方法，一是如何进行大浪淘金般的数据挖掘，二是海量数据如何在云计算平台进行加工运算处理。

目前，直接或间接反映店铺情况的基础指标就有70多种，涉及交易类、流量类、收藏类、广告类、评价类、处罚类、社交类、运营类等。蚂蚁微贷按类目、星级分别统计一个“水文数据”库，且在库中记录过去的、静态的常数及其分布情况。有了总体的统计常量，就可以把每个店铺在各自所属的类目和星级进行比对，进行各种衍生，如同比、环比增长，以及在同行业对比的排名和变化趋势，总计共几百种衍生方式，从而得到为数众多的相对性指标（即自变量），同时对自变量进行标准化，使之脱离量纲，变得可比。目前水文库中存在的水文指标已超过三万个。

庞大的数据需要有足够的运算能力支撑。在构建水文模型的过程中，所有数据放在一起有数百T之大。传统的数据分析方法根本无法直接处理，只能靠抽样损失信息来处理。而阿里云平台提供了强大的云计算功能，对数亿条数据进行分析时，在传统数据挖掘平台上需要数天、甚至数周才能完成运算，在阿里云平台上却只要数小时就能获取结果。

正是依赖于这样的云计算、大数据，蚂蚁微贷的纯信用贷款模式才能顺利运作，在完全无抵押、无担保的情况下，为小微企业提供资金支持。

(转载自《阿里商业评论》，原题为《大数据、云计算：信用贷款的“水晶球”》)