基于大數據的跨境電商平臺供應商信用評估研究

田曉蕓

（1.國網電子商務有限公司，北京 100053；2.英大商務服務有限公司，天津 300300）

電子商務行業呈現出逐年上升的發展趨勢，也成為了我國新的貿易增長點，跨境電商平臺屬于跨境貿易中間商，可以以貿易方的身份直接參與到貿易中，也可以不參與到貿易中只為貿易雙方提供交流平臺，目前，我國大部分跨境電商平臺為不參與貿易平臺，導致供應商的信用失去了保障，因此要其進行信用評估。

1 信用評價指標體系

1.1 選定備選指標

本文選擇的跨境電商平臺供應商信用評估備選指標有供應商規模、供應商從事跨境電商行業的時間、供應商信息的完善程度、供應商產品類型及質量、供應商財務狀況、供應商售后水平、供應商工作人員專業程度、供應商產品價格、供應商知識產權意識、供應商品牌知名度等。

選擇上述指標的原因如下。

第一，考慮跨境電商平臺供應商的特點，結合用戶和供應商的關注點以及跨境電商平臺發展建設目標，大體上選擇信用評價指標，本文主要考慮的是供應商的產品、技術、人員、資金、管理五個方面[1]。

第二，需要考慮信用評價指標數據來源，具體是要確保數據來源的廣泛性和全面性，避免出現限制指標完善程度的情況，這樣才能充分發揮大數據時代下跨境電商平臺供應商信用評估工作的進行優勢。

第三，應用逐步回歸方式對備選指標進行篩選，具體是以指標對評估結果的影響變量選擇是否保留指標，最終形成合理的跨境電商平臺供應商信用評估指標。

1.2 指標構建

跨境電商平臺供應商信用評估指標構建分為以下幾個步驟。

第一，獲取數據。在大數據時代下，獲取數據的難度較低，比較有效方式是網絡爬蟲程序，這種程序能夠實現對目標數據的有效抓取，但是考慮到大數據具有非結構化特點，其數據變化較為迅速[2]。因此，為了更好的獲取指標數據，還需要從跨境電商平臺、供應商網站、第三方信息系統三方面全面獲取數據，并執行廣度優先和自動化原則，以此來確保采集數據的實效性。同時還需要盡量避免人工干預和影響數據采集，只有最大限度的實現自動化處理，才能確保數據采集范圍的廣闊，這不但能夠提高指標獲取的客觀性和全面性，還有利于掌握評估指標的整體變化。

具體數據獲取流程如下：以供應商網站為爬蟲入口，對所有需要獲取信息的網頁進行入棧處理；對入棧網頁進行解析，從中提取出需要獲取信息的網址；刪除不需要的數據，并優化數據結構；在已經優化的數據中計算評估指標；將指標數據儲存到建立好的數據庫中。

第二，處理指標數據。在獲取到數據之后，需要對原始的數據進行標準化處理，這樣才能另指標數據的構成同趨化，具體可以選擇z-score標準化方式。

第三，構建指標。不同備選指標的指標侯建方式不同，具體需要視實際的備選指標而定。

2 信用評估模型

2.1 模型算法

基于模型算法，網絡系統能夠通過輸入層、隱含層、輸出層，將任意的N維輸入映射到M維輸出，具體結構示意圖如圖1所示。

圖1 網絡系統結構示意圖

基于上圖，將本文信用評估模型簡化為的N維輸入模型和M維輸出模型，隨后可以將模型算法分為前向傳播階段算法和誤差反向傳播階段算法，計算均選擇梯度誤差反饋訓練計算方式，具體計算過程如下。

2.1.1 前向傳播階段算法

輸入層應用輸入向量和隱層具體神經元的所有連接權重的權重向量，便可以計算得到凈輸入值，將凈輸入值帶入到計算單元的激活函數中，將激活函數計算得到的數值輸入到輸出層中，便可以得到線性函數[3]。

2.1.2 誤差反向傳播階段算法

為了明確預測值和目標值的數據差異，需要分別計算各自的均方誤差，為了減少這種差異，需要應用梯度下降計算方式來計算調節權值。

2.2 改進算法

考慮到梯度誤差反饋訓練計算方式在實際應用過程中存在部分局限性，即由于高維空間中空間曲面中存在馬鞍面，這會導致梯度在趨近于這些位置時數值表現為無窮小，這會增加預測值和目標值的數據差異；該計算方式的局部極小值較多，因此考慮對梯度誤差反饋訓練計算方式進行改進，下面進行具體說明。

2.2.1 增加動量項

在應用梯度誤差反饋訓練計算方式時，調節權值只是按照梯度下降方向進行，并沒有考慮到之前的梯度方向，因此，在計算馬鞍面等參數空間數據時，梯度會相對較小，這樣計算速度便會變慢甚至停止，為了提高計算速度，可以增加動量項。

2.2.2 對學習效率進行自適應調節

學習效率是網絡系統中的重要參數之一，在實際應用中經常需要進行調整，這是因為在曲面中，平坦區域內的學習效率會增加計算次數，此時便需要適當調高學習效率；誤差變化較大內的學習效率會令計算過程發生變化，進而增加迭代次數，此時便需要適當降低學習效率，由此可見，另學習效率進行自適應調節十分有必要[4]。

同時，為了提高收斂過程的進展速度，需要學習效率另進行自適應調節，具體調節過程如下：當網絡系統的一次權值更新過后，如果預測值和目標值的數據差異提高，則說明本次調節無效；如果預測值和目標值的數據差異降低，則說明本次調節有效。

3 基于大數據的跨境電商平臺供應商信用評估建議

3.1 技術建議

3.1.1 完善供應商資金方面的指標

在建立跨境電商平臺供應商信用評估體系時，需要進一步細化和健全供應商資金方面的指標，但是需要注意的是，供應商資金方面的數據屬于商業機密的范疇，同時還會對供應商信用評估結果造成較大影響，因此除了上市公司之外，小型供應商資金方面的數據獲取難度較大[5]。因此，在實際應用過程中，跨境電商平臺需要擴展供應商資金方面數據獲取途徑，還能夠分析供應商交易數據的方式來總結公司的資產情況和負債情況。

3.1.2 提高對樣本的重視程度

網絡模型對樣本的敏感度較高，這表示樣本將會直接影響到評估計算結果，如果樣本數據偏小，可能會導致模型過擬合現象，進而降低了計算模型的泛化能力，因此在選擇規范計算方式的基礎上，需要盡量擴大樣本數據，以此來確保信用評估結果的準確程度。

3.1.3 應用隨機搜索參數搜索方式

考慮到跨境電商平臺供應商信用評估體系涉及到的參數類型和數據較多，為了達到更好的計算效果，需要選擇應用隨機搜索這一參數搜索方式。

3.2 政策建議

3.2.1 完善跨境電商平臺供應商信用評估體系

為了做到對跨境電商平臺供應商信用的全面評估，需要建立信用評估體系，同時增加跨境電商平臺在大宗商品出口方面的介入力度，這便需要跨境電商平臺增加其專業程度，完善其管理制度[6]。同時，通過信用評估體系，各個供應商之間能夠實現信息均衡，避免了信息不對稱問題，這有利于供應商之間相互合作，推動了跨境電商平臺的建設和發展。

3.2.2 應用分類跨境電商平臺供應商信用評估體系

針對不同類型的跨境電商平臺供應商建立相應的信用評估體系，能夠更好的滿足不同類型供應商的信用評估要求。例如，針對平臺質量擔保板塊，可以制定相應的供應商產品和售后質量信用評估體系；針對客戶需求板塊，可以制定相應的供應商服務水平信用評估體系。當然專門的信用評估體系需要建立專門的評估模型，這會增加跨境電商平臺供應商信用評估體系建立難度。

4 結束語

總之，目前基于大數據的跨境電商平臺供應商信用評估體系還存在一定問題，這些問題的存在會影響評估結果的準確程度和全面程度，為此，相關部門需要從技術層面上采取相應的解決完善方式，政府及相關機構也需要完善跨境電商平臺管理政策，以此來提高跨境電商貿易的規范程度，推動跨境電商行業發展。