從經濟學原理上講，商業的本質是平衡供需，而從一個商業機構的角度出發，開發和培育用戶的需求是商業能夠延續的基礎，因此利用經濟學原理解釋用戶需求就可以窺見大數據所解決的問題，公式如下：

用戶需求=基礎需求+影響用戶需求的強相關因素+影響用戶需求的弱相關因素

在傳統的商業運營過程中，強相關因素已被廣泛熟知，如用戶總資產、可支配收入等。因此大數據在這些方面對用戶需求的支持非常有限，其應用價值自然也很小。

但在一些現有商業環境尚未覆蓋的領域，或者傳統商業環境無法服務的用戶群體，強相關因素或無法預估或干脆沒有，然而里面存在著大量用戶需求。比如中小微企業融資問題，個人消費信貸問題等。這時就需要利用大數據技術對所有弱相關因素進行匯總。

由于數據量龐大，雖然每一條數據對用戶需求的開發確認所起的作用不大，但大量弱相關因素一起發揮作用就能媲美這些強相關因素。

當用戶需求轉變成用戶信用時，大數據技術在信貸領域應用的理論基礎便隨之成立。

阿里金融就是大數據衍生產品開發的最佳范例。阿里金融所掌握的海量數據成為它的核心競爭力。金融服務行業以數據為核心，隨著互聯網技術的不斷發展，誰挖掘、掌握了有價值的數據，誰就擁有更強的競爭力。

直接為中小企業感知和直接提供中小企業所需要的服務，終將催生各種各樣個性化的金融服務。業內經營決策者通過對行業數據進行整合、分析，可以更準確地了解行業動態及發展趨勢，制訂更適合小微企業需求的金融產品與服務以及營銷方案，才能實現新的利潤增長模式。

1、大數據降低金融機構對供應鏈的信息不對稱

傳統金融機構為了控制風險，對于中小企業的貸款實行信貸配給。對于產業和貿易，金融機構信貸人員往往基于財務報表等明規則來判斷和監管企業，但是對一些行規和潛在的貿易規則并不是很清楚。由于之間存在嚴重的信息不對稱，金融機構為了獲得有效的信息和實施貸后監管需要付出較高的信息收集和監督代理成本。

大數據的出現恰好緩解了金融機構與中小企業之間的信息不對稱情況。作為金融行業的主要組成部分，銀行業利用數據來提升競爭能力具有得天獨厚的條件。

第一，銀行業天然擁有大量的客戶數據和交易數據，這是一筆巨大的財富。

第二，銀行業面臨的客戶群體足夠大，能夠得出具有指導意義的統計結論。

第三，在小數據時代，銀行業已經在以信用評級模型和市場營銷模式為代表的數據分析上積累了大量的實戰經驗，具備大數據分析跨越的基礎。

隨著大數據時代的來臨，銀行運用科學分析手段對海量數據進行分析和挖掘，可以更好地了解客戶的消費習慣和行為特征，分析優化運營流程，提高風險模型的精確度，研究和預測市場營銷和公關活動的效果。在這種情況之下，利用大數據的能力將成為決定銀行競爭力的關鍵因素。

2、大數據促進物流企業精準管理存貨

在供應鏈金融中，物流企業掌握著中小企業存貨倉儲、發貨運輸、存貨周期等運營信息，并通過對存貨進行管理和控制與傳統銀行合作成為其中的關鍵環節。

在供應鏈金融中，金融不但要求物流企業對存貨進行管理，還要求分享物流企業掌握的信息。從目前的情況來看，物流企業所掌握的信息還遠遠不能滿足實際需求，信息不對稱的現象依然非常嚴重，一個很大的原因就是物流企業所能掌握的信息始終有限。

在大數據時代，信息非常豐富。物流企業通過更新設備，整個各種資源，從而更大范圍地獲取企業信息，更好地服務金融業務。物流企業的信息獲取、整合和利用主要體現在以下兩個方面：

第一，大數據技術可以極大地擴展數據來源。利用大數據平臺，物流企業能從互聯網、移動平臺等多種非傳統渠道中即時捕捉以前無法獲得或使用的客戶和市場數據（產品市場生命周期、盯市價格變化等），這使得許多依靠傳統方式無法完成的工作成為可能，從而使供應鏈金融業務的事前風險預判結構更準確，更具指導意義。

第二，通過大數據技術可以將許多非結構化數據與傳統數據快速整合、關聯補充，完成企業行為模式分析和發現。這有助于物流企業確定被監管企業運營狀態變化規律，建立運營狀態變化路徑，按變化路徑設置風險控制點，逐點評估業務風險，從而形成全新的事中風險動態計算體系及管理模式。

3、大數據可用于資信評估和風險分析

大數據可用于目標客戶的資信評估。在客戶許可的情況下，金融機構可以利用大數據對客戶財務數據、生產數據、電水消耗、工資水平、訂單數量、現金流量、資產負債、投資偏好、成敗比例、技術水平、研發投入、產品周期等這一系列數據進行研判，研判完成后如果有共識、有標準，這些數據馬上變成評判的指標。只看財報和交易數據是有風險的，因為這些數據有可能造假，但通過大數據來掌握財務情況，不會有假。

大數據可用于風險分析、警示和控制。大數據的優勢是行情分析和價格波動分析，盡早提出預警。行業風險是最大的風險，在行業內大多數企業都不景氣的情況下，多控制一個環節、早預見一天，就能有效減少風險。（來源：供應鏈金融學堂）