看過一本書，說的是the world is flat，翻譯成中文，也就是《世界是平的》，講述的是科技與互聯網徹底改變了傳統的商業與生活模式，讓世界越來越趨平化。什么概念呢，也就是互聯網提供了更多標準化的服務，并抹平了山川、河流、文化、政治、經濟對跨國間交流的阻隔，最終讓世界在互聯網上實現了平等、開放的溝通。

站在這個角度，結合大數據對金融服務的改造和局部的顛覆作用，我認為，以阿里小貸為代表的互聯網金融業態，正在通過數據化的標準來革新現有的金融服務格局，并讓更多的弱勢信貸者實現與優勢融資方一樣的，享受金融服務的權利。簡而言之，大數據結合金融，正在讓信貸與融資變得智能化。

大數據應用于金融的潛力

大數據與互聯網的結合，是未來金融發展的方向之一。這里的金融，既包括了傳統金融機構業務的電子化和數據化，更包括互聯網金融機構在建立大數據平臺基礎上開展數據征信和風險控制的諸多衍生操作方式。大數據的特點是“動態，海量，多維度，相關性”，這也完全顛覆了傳統意義上的數據以及由此產生的數據處理，樣本調研和行為預測。

擁有數據，開展分析，這本是各個行業進行計劃與生產，市場與營銷的基礎能力，但事實上，要么是缺乏有效的數據積累意識，要么是缺乏高效的數據平臺和分析工具，中國的數據生態就是這樣處在一個相對碎片化的狀態，而且彼此難以連通。在這一方面，一個明顯的案例就是金融運作數據的方式，金融的主要功能就是資金融通，讓有效的資金流入有效的資金消化渠道，同時提高金融服務效率。

但是，就目前的金融整體效率而言，一方面是利率管制造成的資金供給與需求之間的結構性錯配，另一方面就是融資過程中，對傳統的線下抵押、擔保模式過于倚重而復雜了本可優化的服務流程，也提高了金融機構進行數據驗證和核定的線下調查與審核成本。也正是因為如此，出于成本與收益的邊際效應考慮，銀行在進行客戶選擇與分層定位時，往往更偏好于數據資料完整，資產負債狀況明了的優質大中型企業，而對數據資料不完整，缺乏線下實物資產和抵押品的小微企業，往往是繞遠道而避之。

核心不在于金融的二八定律，也不在于客戶的道德冒險，核心在于融資方與借款人之間缺乏完整的，公開的，可以相互制約的信用機制。而這種信用機制，在缺乏大數據的信貸扁平化功能輔助的情況下，也只能通過相對更保險的線下抵押物擔保來實現借貸雙方的信用約束。

大數據金融起底：阿里小貸為代表的電商金融

什么是大數據，相信在互聯網金融的這波浪潮中，大數據已經成為了金融行業的一個代名詞。數據其實有很多的屬性，而金融屬性相對來說，由于能夠反映數據相關方的真實資金、消費行為能力，也就具有數據價值化的操作空間，甚至可以成為一種資產。

“平臺，數據，金融”三位一體的數據金融模型，是阿里金融對自身大數據金融的核心概括。大數據的積累是一個相當復雜而紛繁的過程，一般而言，目前國內可以具備大數據收集能力的平臺，需要具備這么幾個條件：

1、持續的平臺運作和服務供給，能夠收集跨經濟周期的數據；2、數據需要具備頻繁的流動和交叉，因此平臺絕對需要具備流量基礎；3、數據與自身服務存在有效的轉化途徑，如阿里小貸。從這三個條件篩選一遍，你會發現，當前最好的，也是最能夠積累數據，進行信貸征信服務的，也基本上就是大電商平臺了。銀行雖然也是一個主要的數據積累源頭，但根源在于銀行缺乏頻繁的客戶接觸和激發渠道，它的數據是活性較低的，是分時期和階段性的，且缺乏一定的數據與服務的轉化工具。

為什么是電商，又為什么是阿里金融為代表呢？道理很簡單，電商所掌握的日常消費和支付數據，是目前活性最高的，頻率最快的，與終端消費者距離最短的，同時也是應用場景，涉及行業最多的數據入口和來源。3月7日，阿里巴巴舉辦了西湖品學大數據峰會，當天阿里透露，在阿里數據平臺事業部的服務器上，攢下了超過100PB已處理過的數據，等于104857600個GB，相當于4萬個西雅圖中央圖書館，580億本藏書。

打個形象的比喻，這就像是一個大口徑的吸塵器，把邊邊角角的，散亂的，不成規矩的數據點全部收集起來，然后集中處理，按照不同的行業、屬性、類別、階段進行標準化的數據倉儲，并數據分析模型進行對接，結合最新的數據相關方的行為資料，進行歷史和當前，未來的比較、分析、預測。例如，阿里小貸的一個風控模型需要分析數年里千萬家淘寶店鋪的近3萬多個指標，并在這過程里摸索出解決2大世界級的數據分析領域難題的方法,即海量數據如何在云計算平臺進行加工運算處理，第二個就是如何在3萬多個指標里進行大浪淘金般的數據挖掘。

阿里金融，客觀上而言，是國內最早開始做電商數據積累和金融屬性挖掘的電商平臺，也是2013年互聯網金融的領軍企業。阿里自身的B2B，B2C，C2C的電商生態圈主要的參與者是商戶與消費客戶，在長期的電商生態培育中，商戶與用戶通過高頻的信息流、資金流、商品流交匯，為阿里的數據庫提供了最詳實的數據來源。可以這么說，阿里金融的框架，起源于電商信貸，并通過信貸端的數據處理能力的培育，慢慢擴散到負債端，也就是余額寶產品的開發。

現有國內主要的電商金融平臺，在運作模式上也基本朝著阿里的全金融方向前進，也充分說明，大數據金融與電商平臺結合，將是改變數據征信在中國整體融資服務中作用不足的一種可行路徑。

大數據如何讓信貸扁平化？

那么就阿里金融而言，大數據是如何實現了讓信貸扁平化的？扁平化的幾個維度又在哪里？

1、大數據解決了小微企業和信貸機構的信息不對稱問題，提高了雙方互信。在融資提供者和借款人之間，大數據起到了很好的媒介作用，通過數據這一客觀資料來解決信貸提供者的調查和審批過程，并讓小微企業獲得了更好的數據化資信能力。

為什么大數據能夠解決，而傳統的信貸機制解決不了？一方面，存在銀行金融機構信貸投放標準和小微企業借款人所能提供的標準之間的錯位；另一方面，也存在對小微企業天生不良率高，服務成本大，違約可能性大的誤區。

就第一點而言，商業銀行作為傳統的社會資金融通主體，在進行授信業務審核時，往往需要借款人提供標準化的企業和商戶的運營資料，比如財務報表，利潤表，資產負債，現金流水，以及其他有效抵押品作為違約的保障。這些常規的企業財務資料，對大中型企業并不是什么難事，除非是偽造和改動，一般而言都能符合銀行前端的信貸審核標準，并按照貸前、貸中、貸后的程序一直往下走。但是，小微企業運營時間較短，企業財務制度不完善，也沒有專門的資產管理能力，一般是提供不了這么詳實的數據。這里就存在一個銀行所需要的標準和小微企業所能提供的標準之間的錯位。

那么，怎么解決呢，傳統的做法是，要么把小微信貸的利率上浮30~50%，甚至200%，要么要求小微企業提供聯保，或者足夠的抵押品。要么就直接不做，放棄這部分所謂的“高風險”“低能力”客戶，專門服務那些大企業去。

就第二點而言，在利率市場化未開啟之前，阿里小貸為代表的互聯網金融沒有成熟之前，銀行業一直存在著對小微信貸的誤區，認為其成本過高，風險過大。事實卻并不是這樣，小微企業的風險主要集中于經濟周期，風險也主要是由于缺乏良好的信用記錄（銀行信用資質難以獲得）而導致的融資成本過高，近而擠壓利潤空間的風險。從阿里小貸的不良率來看，截至2013年6月末，不良率為0.84%，低于商業銀行的平均不良率水平。這充分說明，小微企業并不是沒有建立良好信用記錄的能力，通過大數據管理完全可以實現小微企業的良好信用記錄。

2、大數據的動態管理和監測，拉平了貸前、貸中、貸后的業務流程，提高了集約化管理的效率，便于靈活調整，及時處理信貸風險。

這里有必要比較一下傳統銀行與阿里小貸業務方面的觸發機制與管理方式的不同。對于傳統銀行而言，貸款的前、中、后管理很大程度上是分開的，也就是銀行內部的前臺業務營銷與中后臺的風險管控之間的平衡。從觸發的角度而言，銀行是等客戶有了潛在信貸需求和意向之后，才會要求企業提供標準化的財務數據資料，包括擔保抵押情況等，整個信貸流程也從確定需求意向開始進行。另外，即便貸前業務崗已經把客戶的貸款需求和資料上報至信貸審核部門，中臺的審批效率和流程也是因人而異，因行而異，后臺的貸后管理也一定程度上脫節于企業最新的發展狀況。這就像是一個并不需那么高效的信貸鏈條，在各個時點之間存在一定的時間差，而這種時間差一定程度上成為風險的聚集點。

但是阿里金融等電商平臺則基本不存在這種擔憂。為什么，還是大數據和以數據為核心的信貸風控模型在起作用。

通過阿里小貸的信貸通用決策系統（A-GDS——Ali-Generic Decision Service）來實現對現有客戶和潛在客戶的動態化管理。借助大數據的分析，阿里小貸A-GDS系統將電商平臺上所有的小微企業進行透析，根據其分析結果選擇向風險可控的企業開放信貸服務，已然將風險管理前置。商戶的歷史積累以及最近發生的日常交易，資金流，訂單，周期性變化，成交速度和頻率都可以通過數據模型來獲得非常直觀的分析和預測，把靜態的貸款變成了動態化管理，精準地把握商戶經營和資金需求的走向，不僅可以指導系統完成自動化的信貸營銷服務，如結合商戶數據變化的授信調整、利率定價調整（即實現不同客戶的風險定價）等，并可借助系統實現實時對商戶經營監控，及時發現風險并預警。

從業務觸發角度而言，阿里小貸的市場推廣是無形的，融合與企業的日常運作之中，甚至可以提前預知企業的資金需求。這也就是說，貸款的一切前置程序通過大數據分析模型和固定的數據標準，已經積累完畢，只要商戶有融資需求，系統會自動分析，完成貸前審核，并及時提供信貸資金。這樣，阿里小貸的電商金融模式就實現了貸前程序前置，以及貸前、貸中、貸后的流程化，高效，動態運作，提供更便捷的小微商戶授信服務的同時盡可能地通過技術手段降低了風險。和銀行相對固化的貸款程序和貸后管理相比，基于大數據的動態模型通過技術和程序的設置，提高了效率并降低了風險。

3、大數據建立信貸模型，實現信貸資金投向的精細化管理，把錢給到最需要錢和最有可能使用錢的企業。

如同為一個億萬富翁開設一張信用卡，某種程度上，再高的透支額度都沒有意義，因為他沒有真實的透支需求。與其讓其占用授信，不如把這筆授信分拆給到更多的所謂屌絲客戶，因為他們有更迫切的透支需求。在現有銀行信貸操作中，其實很多資金給到了并不缺錢的大企業，這些企業甚至再把這些資金以更高利率轉手賣出。銀行的錢并沒能給到實體經濟中最需要錢的企業。當然，這無損銀行的收益，因為只要信貸放出去即可。

但對于信貸資源有限的互聯網金融機構而言，顯然不能像銀行這么運作。如果這樣，也喪失了互聯網金融高效率的意義。借助數據，類似阿里小貸這樣的機構，必須尋找出誰最需要錢、什么時候需要錢，需要多少錢，只有這樣，其自身的信貸資源才能得到最優效率的分配，才能配得上其互聯網金融的稱謂。

從這個意義上而言，在阿里小貸的過百個核心數據模型中,最能體現大數據運用的水文模型，可以充分提高企業對資金的需求分析能力和阿里小貸對商戶的精細化需求滿足能力。水文交易預測的作用在于：利用水文變量，預測淘寶商戶未來的交易金額，并有效剔除季節性波動影響，其核心在于大規模海量計算，在阿里云ODPS（Open Data Processing Service）的算法平臺協助下實現了對商戶資金需求的精細化管理和預測。

在這種動態的水文模型中，每家店鋪的銷售額就像一條條河道里的水文，會隨著市場的熱度、客戶的喜好、賣家的運營以及季節周期性的波動而忽高忽低；此外，不同的淘寶店鋪盡管銷售產品千差萬別，但可以根據行業、主營類目、星級進行歸類劃分，這就把不同商戶的不同水位的產品和類別進行了市場化的對比，便于日后進行精細化的基于商品的信貸和細分行業的風險預測、信貸政策。此外，這種數據模型是對目前、未來企業資金流動和細分行業發展趨勢的一種分析，可以和現有的細分行業、商戶的貸后管理相結合，以提高動態化的貸后管理能力。

站在服務于實體經濟的角度，阿里小貸的大數據分析模型：水文模型通過對細分商戶和行業的資金、銷售額的水文分布分析，以提高信貸資金的投放比例和最佳的投放行業，實現了提高服務于實體小微企業的金融效率，把最需要的信貸資金用在了最需要錢的商戶上。這和“控制增量，盤活存量”的目標不謀而合。反觀現在的大多數商業銀行，在信貸資金的投向上，往往缺乏一個比較科學的監測和評價機制，往往是依據行業風險程度和行業周期進行，此外，大部分資金通過銀行進入地方債務，房地產以及基建項目等主要的資金池，并沒有很好得服務于底層的金融需求。這種資金投放的方式，相對比較粗放，也難以抗衡突發的行業經濟風險，正如這幾年頻發風險的信托、地產、鋼貿項目等。

大數據結合互聯網，讓傳統信貸突破了信用機制的約束和借貸雙方之間的距離隔閡，而是用大數據的方法和平臺運作的方式，實現了信貸的扁平化，這種趨勢在以阿里小貸為代表的電商金融中更明顯。大數據在互聯網金融領域已經開始了擴散，提高金融的透明度，建立集約化的流程化動態管理，提高資金與需求的精細化匹配，并最終建立良好的信用生態。大數據是一股推動金融自身優化、改良的革命性工具，而信貸扁平化，則是金融服務效率提升的體現。