依靠微贷技术的成熟，以及资产转让等方式对信贷能力的扩充，2013年，阿里小贷的信贷服务风生水起。数据显示，阿里小贷去年全年新增贷款近1000亿元，截至2014年2月中旬，累计投放贷款已经超过1700亿元，服务小微企业超过70万家，户均贷款余额不超过4万元，不良率小于1%。阿里小贷是如何处理如此庞大的业务量？其中秘密何在？

在阿里小贷业务决策中，数据分析发挥了核心作用。据透露，阿里小贷有超过上百个数据模型，覆盖贷前、贷中、贷后管理，反欺诈、市场分析、信用体系、创新研究等板块。其决策系统每天处理的数据量达到10TB。数据分析用于向公司的管理决策层提供科学客观的分析结果及建议，并对业务流程提出优化改进方案。

水文模型就是阿里小贷2013年着重搭建的重要数据模型之一。

据阿里小贷有关负责人介绍，水文模型参考了人们日常所熟悉的水文管理。以某个城市的水文管理工作为例，城市河道的水位达到某个值，单看这个数据，水利部门无从判断这个值的背后的趋势，也无法依据这个单维度的数值采取应对，但如果将该值放到历史的水文数据以及周边河道的数据中，就可以做出一定的判断，比过往同期，这个数据变高了，高了多少。以往在这个时期以后，河道水位又是怎么变化的，走高或走低？依据这种结合历史水文数据的参考，就可以对水位的变化、变化值有所判断。

据了解，将该模型放到小微信贷中，主要有两方面重要意义：一是完善风险管理，站在更详尽数据基础之上进行授信，减少特殊因素对授信判断的影响。譬如某个经营手机的店铺，在“双11”期间达到300万元销售额，相较于平时可能显得很高，单看这个数据给予用户分层或授信，很可能做出错误的判断，因为如果把这个店铺放到水文模型中，去观察它不同时间、季节的经营数据以及其所处类目同类店铺的数据变化，可以看到也许平常该店铺经营额并不高，甚至和过往“双11”的数据相比，这个店铺今年的营业额反而下降了。因此，水文模型能平滑各种特殊因素对于授信对象的影响，帮助授信单位在最全面的因素上来考量授信对象，以做出最准确的授信或判断。

二是通过模型进行预判，包括对小微企业自身经营的走向，以及小微企业资金需求的节点和量的判断。阿里小贷有关负责人表示，和城市水位变化例子类似，当系统考虑为一个客户授信时，结合水文模型，通过该店铺自身数据的变化，以及同类目类似店铺数据的变化，系统就能判断出这个客户未来店铺的变化，如过往每到某个时间节点，该店铺的营业额就会进入旺季，销售额就会出现增长，同时，每在这个时段，该客户对外投放的额度就会上升，结合这些水文数据，系统则可以做出判断，该店铺的融资需求，结合该店铺以往资金支用数据以及同类店铺资金支用数据，甚至可以判断出该店铺资金需求额度。