大數據背景下跨境電子商務信用評價體系構建

陳志雄

【摘要】隨著“一帶一路”戰略指導目標的逐步發展，我國跨境電子商務呈現出蓬勃的發展態勢，大數據的應用發展也逐漸成為國家跨境電商發展的重要戰略措施。一直以來，信用問題都是影響我國電商發展進程的一個重要因素。大數據的運用是有效構建評價體系的重要手段。為了更好的營造跨境電商貿易氛圍、提高貿易交易數量、維護貿易安全，我國必須構建基于大數據征信評價體系，利用與大數據匹配的指標賦權方式—模糊層次分析法作為指標賦予權重，在此基礎之上建立與大數據匹配的信用評價方式，結合先進的機器進行預測與訓練，從而得出準確完整的評價結果與動態的評價體系。

【關鍵詞】大數據 跨境電子商務 信用評價

隨著“互聯網+”趨勢的影響，我國的跨境電商迅速發展，成為“中國制造”的重要輸出口。據中國電子商務報告的調查顯示，在2015年中，我國的電子商務平臺的總消費額度達到7.65萬億元，跨境電子商務交易在其中占據了2萬億元的交易份額，與同期相比增加了42%的幅度，占據進出口總額度中的17%。據中國產業信息網站發布的前景分報告中顯示，在未來的幾年我國跨境電商達成的交易數量與規模會不斷攀升，成為增長速度最快的進出口貿易領域。但是，在跨境電商發展的過程中，也遇到了眾多的攔路虎。其中，信用問題一直是困擾電子商務發展的重要難題之一。電子商務相較于傳統的貿易交易模式具有信息不對稱的現象，并且跨境交易中的買賣雙方處在不同的國家與地區，賣家與買家之間很難摸清對方的可靠程度，導致交易過程中存在一定風險。信用缺失會導致一些列的道德成本與逆向選擇，增加了交易成本與風險，大數據的引用為跨境電商的金融服務、營銷策略、戰略選擇等帶來巨大變革，同時也為征信系統注入了新的思路，使原來混亂龐雜的數據，可以依據科學的挖掘、整合、匹配轉變為高效與準確的信用數據。

一、基于大數據的指標確定原則

（一）合法性

跨境電商交易雙方來自不同的國家，每個國家設立的隱私保護法規不盡相同。關于隱私保護的法規，歐盟制定了《歐盟數據保護指令》，美國在1995年頒布了《安全港協定》，英國政府在1998年出臺了《數據保護法》案，但是中國在隱私保護法規的建設方面還處在起步階段。大數據征信要保征得到授權后進行使用、收集，避免產生不必要的糾紛[1]。

（二）完整性

大數據征信有助于指標體系的構建，使征信信息真實可靠。但是，在數據征信過程中卻難免面臨信用孤島的問題，在跨境電商中尤為凸顯。外部信息孤立化、內部信息碎片化，缺乏統一的執行標準，信息不能聯接融合，為數據征信工作帶來較大難度。需要在征信工作中加強頂層設計，進行系統信息梳理工作，通過交換合作的方式進行信息挖掘。

（三）有效性

指標有效性建立在數據有效性的基礎之上。大數據不是指大量的數據，大量的數據也并不一定能產生有效的價值。在挖掘電商信用原始數據時，注重信息的挖掘方向與數據清洗工作，注重找到征信中的“定海神針”即可，降低盲目尋找的征信模式。

二、基于大數據的指標體系構建

（一）第三方數據下的指標

第三方數據的主要來源是質檢、工商與稅務、銀行、跨境電商網絡平臺等渠道，屬于傳統的靜態數據。第三方數據的獲取模式往往需要通過公開或者合作進行交換。從政府部門可以獲取跨境電商的資質認證指標；通過企業內部與第三方可以獲取電商的財務指標，這種經典的指標在征信系統中有較強的說服力。通過跨境電商與銀行或網絡金融機構之間的產生的借貸記錄可以反映電商的信用指標。

（二）電商平臺交易數據下的指標

電商網絡平臺交易中產生的數據屬于動態數據，可利用大數據技術進行實時監測。產品質量與服務質量是組成電商征信的重要指標，其中與產品質量相關的是合格率、退貨率問題；與服務質量相關的是服務態度、物流速度等問題。用戶對交易的評價可以在網站上進行展示，供預購買者進行參考。一般情況下，信用良好的電商企業，會積累一定的忠誠顧客，在一定時間內會形成與吸引一定規模的交易量，從交易規模中也可以直觀看出電商的信用指標。

（三）網絡軌跡數據下的指標

社交網絡已經成為現今高覆蓋率、高傳播率的、高商業價值的網絡平臺，可以傳輸動態非傳統數據，實現網絡價值均衡分配效果。社交網絡是用戶表達觀點、抒發情緒的重要渠道，所以，可以在其中發現與跨境電商交易的信息與評價，可以利用大數據算法，提取其中的關鍵字、視頻與音頻，帶入到評價模型中進行計算，分析客戶的滿意度，總結商家的征信指標。

三、基于大數據指標權重確定方法

在計算指標權重中，層次分析法是使用最為廣泛的一種方式。層次分析方法是一種能有效對多準則、多目標進行分析的工具，是幫助決策者將復雜數據模型化的有力手段。層次分析手段將定量指標與定性指標進行有機結合，結合數理統計與德爾菲法的科學性，具有方法簡單、思路清晰、系統性強的顯著特點。其主要構建步驟包括構建兩兩比較檢驗一致性與梯階層次結構模型。

四、基于大數據的信用評價模型

（一）評價模型與大數據特征匹配

大數據具有多樣性、大容量、價值性、高速性等特征。數據的大容量特點對評價模型提出可伸縮的要求；大數據的多樣性要求評級模型要能駕馭處理多種類型的復雜數據；數據的高速性要求評價模型要具備較快速的數據處理能力；大數據的價值性要求評價模型在數據不完整、不準確的情況下可以進行高價值的預測與評價。

（二）評價模型要與跨境電商的實際情況相符

跨境電商的交易活動隸屬于不同的國家，具有交易時間長、交易步驟多、交易行為與心理不確定的特征，大大提高了交易數據的異質與容量，增加收集難度，使數據指標容易出現噪音、異質、高容量的特征，評價模型只有高度匹配這些數據才能充分發揮效果。目前，比較前沿的信用評價方法有盲數評價法、神經網絡、模糊綜合評價法、支持向量機等方法。在這四種模型中，最有發展長景、最受各界關注的是盲數評價法。盲數評價法目前主要應用于礦業、電力以及建筑，在征信評價中還處在摸索階段。信息數據在客觀上往往具有復雜的特征與不確定性，而盲數在面對這種干擾因素時往往具有其他模式不具備的優勢，學者們也在不斷對盲數算法進行提升與改進，克服盲數在運算中計算量增加過于迅速的缺點，王磊等人創建了先合并在將區間相交的算法，再將小可信度區間合并達到降階目的。

跨境是一種有著長足發展的貿易模式，但是由于其具有特殊的交易屬性，導致交易存在大量的不確定性與征信系統漏洞，為了維持跨境電商的有效運營，需要運用大數據構建跨境電商的征信系統、通過模糊層次分析方法為征信指標賦予權重。在此基礎之上，創建評價模型，全面、完整動態的勾勒出電商的信用指標，促進跨境電商可持續發展。

參考文獻

[1]劉章發.大數據背景下跨境電子商務信用評價體系構建[J].中國流通經濟，2016，06：58-64.