【毕友导读】在2014年12月12日举办的互联网金融西部巡回论坛（西南财大站）中，成都数联铭品科技有限公司CFO、数据服务部总监吴桐先生受邀出席并做了“大数据在互联网金融风险控制中的应用”主题演讲，本文为其主要观点摘录。

嘉宾简介：

　　吴桐，成都数联铭品科技有限公司CFO，毕业于上海财经大学，中国注册会计师，在审计、财务管理、上市方面具有丰富的经验，是知乎粉丝最多的50位用户之一（MrToy），拥有16万粉丝，主要电子书《财务笔记》，合著畅销书《金钱有术》。

互联网金融改变了什么

　　金融产品有三大要素，即风险、价格和期限，互联网金融并没有改变金融产品的这些要素，改变的只是信息的流动，缩小了信息鸿沟，解决了信息不对称，使金融产品更具便利性。比如P2P，有人说它提高了投资的利率，但实际上只是反映出了市场的真实利率，让金融产品的交易双方跳过金融中介来直接交易，本质上跟淘宝一样。

大数据的三个特点

　　一是数据总量的飞速变化。数据总量飞速发展，已达到PB级，什么是PB级？一部超高清电影20G，普通家用硬盘1T，可以装500部。1PB=1024TB，是1024部家用硬盘，可以装50万部电影，可以储存人类发展史上所有的电影。阿里系的淘宝天猫，每天的数据量都是数百PB。

　　二是数据形态的巨大变化，即从结构化到非结构化。结构化的数据如学生信息表，姓名、性别、电话、住址、生日、家庭成员，政治面貌、学科成绩、挂了多少科等，非结构化数据如照片、语音、浏览记录、校园卡消费记录等等。

　　三是数据的关联性变化，即从因果关系变为相关关系，从为什么变为是什么。如著名的啤酒与尿布组合营销案例充分说明了这一点。

大数据的应用举例

　　信息推荐是最简单和最常见的大数据应用实例。如在淘宝等电商网站查询过某些产品，下次登录时会自动推荐相关产品，这就是信息采集、信息推荐的典型应用。

　　银联POS机项目。银联POS费率在不同行业的费率是不一样的，这样就会出现登记虚假行业以套利的情况。为此可通过对各个行业消费习惯的分析来对比和分析异常数据，从而发现和找到违规情况。

阿里小贷的“水文模型”

　　对于阿里小贷，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。数据分析在此处于一个核心位置。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，阿里小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，我们把它叫做“水文模型”（水文模型，即通过降雨、水木蒸发、土壤散发、径流等来预测水流量）。

　　阿里小贷的水文模型，就是预测淘宝每家店铺未来的现金流。每家店铺的销售数据就像一条条河道里的水文：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。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。

　　水文模型的因素包括交易、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，我们称之为“水文变量”。

　　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。我们按类目、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，总共几百种衍生方式，从而得到为数众多的相对性指标，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。不同于传统的风控模型，控制变量非常非常多，超出人的理解范围。只能依靠大数据算法实现。