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步入高速增长期：2013 年12 月底，阿里小贷累计服务小微企业超过65 万家，累计投放贷款超过1600亿元；2014年 2 月中，阿里小贷累计服务小微企业超过 70 万家，累计投放贷款超过 1700亿元。特别是其 跨境和供应链融资产品得到丰富，并成功打造了大数据应用的水文模型。

阿里小贷原有的产品以淘宝贷款和阿里贷款两个方阵为主，包括淘宝（天猫）信用贷款、订单贷款以及阿里信用贷款。在 2013 年，产品线的丰富是阿里小贷业务发展的重要一环。其中，结合阿里 B2B 业务转型，强化对跨境贸易以及跨境业务的小微企业的融资支持是重点，另，结合对小微企业生产经营环节的拆分，在供应链融资产品上也逐渐丰富化。

互联网和大数据在信贷应用上的深化形成了阿里独有的“水文模型”。 据悉，数据分析在整个阿里小贷业务决策中，处在一个核心位置，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。目前，阿里小贷累计有超过上百个模型，覆盖贷前、贷中、后管理，反欺诈、市场分析、信用体系、创新研究六大板块。其决策系统每天处理的数据量达到 10TB。2013 年，阿里小贷着重搭建的重要模型之一就是水文模型。

水文模型是按微企类目、星级分别统计一个“水文数据”库，在该库中的记录都是过去的、静态的常数及其分布情况。并且可以在年与年之间首位相接以预计跨年的成长趋势。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，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。

水文模型是信贷服务上，互联网和数据优势的集中体现，它需要庞大的数据量，需要动用庞大的运算能力。顾名思义，水文模型参考了我们日常所熟悉的水文管理。把这个模型放到小微信贷中，则可产生两个方面的主要意义：一，完善风险管理，站在更详尽数据基础之上的授信，滑平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达到 300 万销售额，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，去观察他不同时间、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，和同类目的店铺相比，双 11 他的经营额的增长或许还没有其他的店铺快，因此，水文模型能滑平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。

另一个积极的意义即预判，不仅能判断小微企业自身经营的走向，还能判断小微企业资金需求的节点和量。

和刚才所举的城市水位变化的例子类似，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。