大數據環境下電商企業信用評價指標體系研究

摘 要：電子商務網絡的虛擬性和開放性給商家和消費者帶來的信息不對稱問題，嚴重制約了電子商務企業發展。且由于電商企業會計信息質量問題，以財務指標為主的傳統信用評價指標體系有待完善。而在大數據環境下，電商企業能夠在合理時間內快速收集各類信息，發現企業真實經營狀況，消除信息不對稱，較大地提高了電商企業信用信息服務能力。本文利用層次分析方法研究在大數據環境下電商企業信用評價模型，并初步建立了其信用評價指標體系，以期為電商企業改善信用評價問題提供方向。

關鍵詞：電商企業 信用評級 層次分析法

一、引言

近年來，隨著互聯網技術的快速發展、居民收入水平的不斷提高，中國的電子商務也得到了迅速的發展。尤其是在大數據環境下，電商企業能夠進一步的獲得企業相關信息，為消費者帶來個性化服務的同時實現自身價值最大化，推動電商企業自身的發展。但是電子商務面臨的客戶群具有不穩定、流動性大的特點，以及網絡本身的虛擬性和開放性更是加大了電商企業面臨的風險，尤其是信用風險，這嚴重制約了電子商務企業的發展。降低信用風險最有效的途徑是建立符合電子商務企業自身特點的信用評價指標體系。本文從大數據環境下，企業能夠較便捷獲取海量的信息并對其進行高效的管理從而將其運用到電商企業信用評價中來這一優勢出發，結合層次分析法，建立包含大數據這一特點的電商企業信用風險評價體系，以期降低電商企業的信用風險，使電商企業得到突破性的發展。

二、構建大數據環境下電商企業信用評價指標體系

1.層次分析方法及步驟。層次分析法在20世紀70年代被美國運籌學家賽惕教授提出后便廣泛應用于需要定性與定量相結合的多準則決策中。該方法參考人們在解決復雜問題時的思維方式對難點問題進行分解、判斷及綜合，可更合理的細化互聯網金融風險因素和權重，對方案進行兩兩比較，較好地提高了預警準確度。通過采用層次分析方法建立大數據環境下電商企業信用評價的層次分析模型，半定量地計算信用評價因子權重。層次模型以大數據環境下電商企業信用作為目標層，將大數據環境下電商企業信用評價各主要影響因子作為準則層（第二層），繼續細分第二級因子構成電商企業信用評價基礎指標層（第三層）。通過專家評分建立次一級因子對上一層因子重要性兩兩比較結果判斷矩陣R。兩兩重要性比較按1～9取值，數值越小則表示前者比后者越不重要。計算判斷矩陣R的最大特征根和特征權重向量，同時要求信用評價判斷矩陣滿足一致性和隨機檢驗以保證層次分析計算結果的合理性。從而求得各層電商企業信用評價因子相對權重。本文各指標及其分值均建立在考慮大數據環境下電商信用評價的真實狀況，借鑒前人的研究成果，并咨詢多位專門從事企業信用評價管理人士及高校熟悉信用評價問題的專家意見的基礎上予以確定。

2.構造層次分析結構模型。在總結國內外電商企業信用評價指標的研究成果的基礎上，考慮到大數據環境下電商企業信用評價的特殊性，結合相關咨詢，選取四個一級指標來構建大數據環境下電商企業信用評價模型的準則層。這四個準則層指標分別是企業運營狀況；動態財務狀況；網絡用戶體驗；公共信息狀況。同時選取企業特征，所屬行業景氣度，企業內控狀況，訂單日均轉化率等18項二級指標，構成了基礎指標層，構建了一個較為全面的大數據環境下電商企業信用評價指標體系，分別是：目標層：大數據環境下電商企業信用T。準則層：企業運營狀況A、動態財務狀況B、網絡用戶體驗C、公共信息狀況D。基礎指標層：所屬行業景氣程度、企業特征、企業內控狀況；訂單日均轉化率、日均成交額、客戶違約率、訂單發貨速率、資金周轉率、存貨周轉率；產品質量的滿意度、信息真實度、服務質量、配送質量、買家收藏頻率；機構對企業的信用記錄、法律糾紛記錄、企業評估咨詢信息、主要股東及配偶信用記錄。

3.利用層次分析方法計算權重。在前面建立大數據環境下電商企業信用評價的層次分析模型的基礎上，半定量地計算信用評價因子權重。層次模型以大數據環境下電商企業信用作為目標層，將大數據環境下電商企業信用評價各主要影響因子作為準則層（第二層），繼續細分第二級因子構成電商企業信用評價基礎指標層（第三層）。通過專家評分建立次一級因子對上一層因子重要性兩兩比較結果的判斷矩陣R。計算判斷矩陣R的最大特征根和特征權重向量，同時要求信用評價判斷矩陣滿足一致性和隨機檢驗以保證層次分析計算結果的合理性。從而求得各層電商企業信用評價因子相對權重。其次對各層的指標進行兩兩對比，綜合考慮10位專家對各指標打分的情況，構造與之對應判斷矩陣，然后求出其最大得特征值和其所對應權向量，最后檢驗矩陣的一致性，如果結果顯示CR<0.1，則表示判斷矩陣符合一致性要求，權重的分配可接受。

3.1以準則層指標網絡用戶體驗C對應的基礎指標權重層次分析計算為例，介紹大數據環境下電商企業信用指標層次分析的過程及其合理性。準則層指標網絡用戶體驗C包括：產品質量的滿意度、信息真實度、服務質量、配送質量、買家收藏頻率。按照中間層指標判斷矩陣計算最大特征根及特征向量（即權重，以下稱為權向量），最大特征值λmax5.3，歸一化特征向量（權向量）為（0.4，0.3， 0.2，0.1，0.04）。判斷矩陣階數m=5，查表得到CR=0.04<0.1，故矩陣滿足一致性檢驗，權重分配合理。同理其他各項指標權重值為：T=（0.1，0.3，0.4，0.2）；A=（0.3，0.1，0.6）；B=（0.1，0.2，0.1，0.1，0.3，0.2）。D=（0.5，0.3，0.1，0.1）。

3.2層次總排序。求出指標層中的影響因素相對于準則層各自評價目標的權重與特征向量后，可以計算出準則層中的因素相對于目標層的權重與特征向量，即各層指標相對于上一層指標的相對重要性，則可以判斷各因素對大數據環境下電商企業信用評價的影響大小。從評價結果可知，對于大數據環境下電商企業信用評價影響因素從大到小的排序是：網絡用戶體驗>動態財務狀況>企業運營狀況>公共信息狀況。

4.結論。從本文構建的準則層四個指標中，可以看出網絡用戶體驗占據較大比重。所以電商企業有必要在提高網絡用戶體驗質量方面投入更大的精力，因為隨著大數據時代的來臨，這個指標的相關數據不再需要手工記錄，而是可以更加高效、快捷的得到，有助于電商企業了解客戶對電商企業的評價，使得企業能在運營的同時不斷改善企業形象，提高企業的信用水平，及時的為企業發展提供一個良好的外部環境。其次是動態財務狀況，這些財務指標是在傳統財務指標的基礎上發展而來，是反映電商企業自身經營情況首要指標，大數據技術能夠有效的幫助決策者篩選出需要的指標，及時發現企業信用問題，為企業改善發展狀況提供參考。再就是企業運營狀況以及公共信息狀況。盡管這兩項指標排最后，但僅僅是相對的，最終其對電商企業提高信用水平，改善企業形象，得到突破性發展的作用不容小覷。

三、結語

信用問題一直是阻礙電子商務企業發展的一大難題，且目前電商領域尚未建立一個在大數據環境下即具有可操作性又覆蓋全面的電商企業指標體系來促進其信用水平的提高。本文在前人研究成果的基礎上，基于層次分析方法初步構建了一套具有大數據特色的適合電商企業的信用評價指標體系，較好反映了影響電商企業信用各個因素的層次性，為電商領域改善信用問題提供了方向，也為進一步完善大數據環境下電商企業信用評價模型提供了有益參考。但是，本文在選取信用指標時，僅考慮了已有文獻研究成果以及現實中已有過程中的問題，缺乏在更大范疇內考慮大數據環境下未知的、潛在的信用問題。對于在指標分值的選取以及評級上則利用的是問卷調查法，也許存在一定主觀性。在未來的研究中，可以從更大的視角來仔細考慮大數據給電商企業帶來的影響，搜集更為量化的基礎指標數據進行研究，以為更準確、客觀地評價電商企業信用問題提供依據。

參考文獻：

[1]丁振輝.大數據背景下小微企業信用評級研究[J].征信，2014，（11）.

[2]譚中明.中小企業信用評價體系研究[J].學術論壇，2009，（5）.