大数据应用下电子商务平台的设计与实现

朱志辉 朱梅芳

摘 要：随着信息技术的发展，人类每天产生海量的数据信息超过了任何历史时期产生的数据信息。大数据已经成为企业和社会关注的战略性资源，如何通过有效的手段挖掘有效的数据信息，以便更好地为企业和社会服务。近年来，随着智能手机的广泛应用和普及，使得移动电子商务快速发展，各个电子商务平台之间的竞争越来越激烈。将大数据技术应用在电子商务平台中，充分挖掘用户的个人潜在需求，将用户感兴趣的商品信息推荐给用户，成为当下大数据时代电子商务企业提高自身竞争力的有效手段。

关键词：大数据时代 电子商务平台 移动电子商务

中图分类号：F724.6 文献标识码：A 文章编号：2096-0298（2017）09（b）-012-03

近年来随着信息技术的发展，我国电子商务快速发展，根据相关数据显示，2016年我国电子商务的交易额达到了26.1万亿元，同比增长19.8%，我国电子交易市场规模占全球电子商务零售市场的39.2%，我国电子商务市场的国际影响力不断增强，连续成为全球规模最大的网络零售市场。中国网络购物用户规模、电子商务交易额、电子商务从业人数不断增长，电子商务平台上承载了用户大量的个人信息和交易信息，而电子商务的数据信息不仅量多，而且结构复杂，其中业务数据信息比较多，如何通过大数据技术充分发掘这些有效的数据信息，从而充分利用这些数据信息，已经成为当下电子商务平台关注的焦点。目前国内外电子商务企业已经认识到电子商务平台数据信息的价值，国内的阿里巴巴、京东等电子商务平台已经开始应用大数据技术，通过海量数据的发掘、交换、整合和分析，发现数据的价值。电子商务平台通过用户在线商品信息的浏览、每一次购物评论，形成用户真实的购物档案，并通过大数据技术对其进行分析和挖掘，从而发现用户行为的规律，根据这些规律为用户未来消费提供预测，这些预测虽然不是百分之百的精准，但是为广告商投放广告提供了一定的指导。因此在电子商务平台上，大数据的应用将会提供更多元的功能。

1 大数据技术

关于大数据的定义，没有明确的定义，目前比较权威的是美国麦肯锡研究所，一种规模大到在获取、存储、分析、管理方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据无法用单位计算机处理数据信息，而是通过分布式架构，对这些海量数据进行挖掘。大数据被誉为21世纪的煤炭，通过大数据技术能够为大量的消费者提供产品或者为服务企业提供精准营销，中小微型企业可以利用大数据做服务转型，在互联网压力下的传统企业可以通过大数据信息为转型升级服务。随着社会的发展，未来大数据将会越来越实时化、进入到电子商务垂直领域，并形成发展生态链，开放性越来越大，大数据将走向数据交换和数据交易。

2 电子商务

电子商务是在互联网上以电子交易方式进行的商务活动，是传统商务信息化、网络化的一种商务活动。目前主要有三种模式：B2B、B2C、C2C。电子商务作为当下社会最有价值的商务模式，它以信息技术为基础，以商务为核心，打破了时间、空间的限制，极大地提高了生产、销售和管理水平，降低了企业销售成本。在“互联网+”背景下，无线通信技术在电子商务中得到广泛应用，大部分的电子商务平台完成了向移动端发展的转变。2016年中国网络购物用户规模达到了4.67亿，其中手机网络购物用户规模达到了4.41亿人，占手机网民的63.4%，较2015年增长了29.8%，如图1所示。

移动端用户在规模和信息交换的实时性、多样性等方面优势比PC端更具优势。因此近年来，移动支付不断上升。将大数据和云计算技术应用在电子商务平台上，能够为企业提供百亿数量级别的查询和数十亿级别的各类业务处理提供了良好的支撑。因此，近年来，大数据技术成为国内众多电子商务平台发展的重点技术。

3 大数据技术在电子商务领域的应用

大数据技术在电子商务平台主要在用户体验、市场营销、库存管理以及用户管理等方面。

3.1 大数据技术在电子商务平台的客户体验

电子商务平台网络上的界面结构和功能是吸引客户的关键，大多数电子商务企业为了提高交易额，往往通过大数据技术用户消费行为模式，并通过用户历史购物记录，在这个基础上通过web挖掘技术改进关键词加权，将用户的关键词进行延伸，提高商品信息搜索的精准率，并根据不同消费者的消费习惯，动态调整商品信息的布局，实现对商品信息的分类和聚合，呈现商品信息初步浏览的效果。以淘宝为例，淘宝网往往根据用户曾经访问某商品的比例和浏览人群设置广告的排版和布局，从而增加广告投放的投资效益。通过大数据技术的应用，能够满足消费者个性化的需求。

3.2 数据技术应用于市场营销

电子商务企业将大数据技术应用在电子商务平台上，能够最大限度降低企业在营销、管理过程的人力、财力和时间成本。电子商务企业的技术人员可以构件分布式存储系统，并通过web挖掘技术将用户在不同网络平台上的个人信息、浏览习惯贴上标签，并按照不同格式的数据进行存储管理，并对潜在的用戶提供商品和服务的销售。

3.3 数据技术应用于库存管理

在零售行业中，库存销量比是企业重要的效率指标，管理人员可以根据仓库库存及时查询到商品的流入和流出，并通过在线市场供求变化进行数据分析，从而准确预测到市场供求变化，制定商品生产计划，降低库存积压风险，从而提高商品生产、销售效率，提高企业的资金周转能力。

3.4 数据技术应用于客户管理

电子商务平台上的客户管理其本质是为用户提供可持续的商品和服务，通过大数据技术，电子商务企业可以将消费者分成普通用户和核心用户，并根据消费等级建立会员级别。目前国内很多大型的电子商务企业，通过大数据技术分析消费者的消费行为定量定性测评买家的信用，并根据商家的商品销量和服务质量测定卖家的信用，这样让买卖双方都能够遵守电子商务交易规范，从而促进电子商务健康发展。在消费者反馈环节，传统的市场营销活动中，需要通过电话回访、问卷调查等方式采集用户反馈信息，不仅耗时耗力，而且采集的反馈信息准确率比较低。通过大数据技术和云计算，可以将海量数据信息进行统计、查询和更新，将其加工成具有商业价值的数据信息，从而为电子商务企业的市场营销提供精准、全面的反馈信息。以支付宝为例，支付宝注册用户达到了6亿人，通过对客户信息的研究，分析用户群的个性，在写推荐文案的时候，可以针对用户特性进行描述。而针对老客户，则通过购物记录，分析用户需要什么样的商品，从而向用户精准营销，提供用户购买频次。

4 大数据应用在电子商务平台发展遇到的问题

4.1 大数据应用效率低

随着操作系统和集成技术的发展，让国内很多电子商务系统出现了数据孤岛和异构问题，再加上企业竞争，电子商务平台数据信息不能进行业务交换、信息共享、协同和控制。大部分电子商务企业的数据和系统都是自己独立开发的，大数据应用的海量信息不能在电子商务行业进行共享。以国内的阿里巴巴为例，作为全球最大的电子商务平台，阿里巴巴的信息基础设施相对比较完善，但是其数据具有一定的封闭性，其他互联网企业无法在业务与电子商务安全方面实现互联网信息的共享和操作。在一些中小型电子商务企业无法承受系统开发和维护成本，所以数据信息的开发利用率比较低。

4.2 消费者个性化需求不断扩大

随着电子商务的不断发展，电子商务平台上各类商品信息越来越多、覆盖面积越来越广，商品的同质化现象严重。面对琳琅满目的商品，消费者往往无从选择，很多消费者在购买之前，需要对商品进行反复选择，这在一定程度上增加了消费者购物的时间成本。因此，如何优化用户体验，为用户提供个性化的商品服务迫在眉睫。信息时代，电子商务企业的竞争已经转变成了数据的竞争。数据成为了电子商务企业主要竞争力，谁拥有了大数据，谁就有了市场竞争力。但是消费者不会直接告诉企业其个人需求，需要企业充分挖掘消费者的消费习惯、消费模式、浏览习惯，对比消费者在网络上留下的各种足迹。这就需要企业充分对消费者的个人数据信息进行采集、分析和对比，从而为消费者提供个性化的商品和服务推荐，从而提高商品的交易额。

4.3 消费者个人隐私和数据安全问题

随着大数据技术在电子商务平台的广泛应用，消费者个人隐私和数据安全成为当下社会关注的焦点。由于互联网的开放性、共享性，使得这个问题更加突出。具体体现在两个方面：一方面由于电子商务是一种新型的商业模式，国家对电子商务活动的相关法律法规还不够完善，电子商务交易活动涉及的敏感数据的使用权和所有权还没有明显的界定，在大数据采集、分析和挖掘过程中没有考虑到个人隐私问题，如果这些数据信息处理不善，很容易对用户个人隐私造成威胁。另一方面，由于各个电子商务平台信息安全技术水平不一，一些黑客通过互联网很容易窃取企业机密和个人隐私信息，对用户的财产和人身安全造成威胁。因此，电子商务平台在开发和设计过程中，还要加强信息安全保护。

5 大数据应用下电子商务平台的设计

大数据技术已经广泛应用在城市交通、通信行业、医疗、商业运营等领域，不仅方便了人们的生活，而且促进了行业发展，为行业带来巨大的商业价值。大数据相关社区不断成熟，各种数据中心的建立，极大地降低了大数据技术的门槛，并建立较成熟的生态圈，逐渐形成了数据采集、数据分析、数据存储、工作流处理、精准营销等配套系统和解决方案。因此，电子商务平台系统在开发设计过程中，还需要考虑到各个因素，确保平台自身的运营效率和安全性。

5.1 电子商务个性化推荐系统设计与实现

电子商务推荐系统主要是为消费者在购买商品的时候提供个性化的信息，帮助消费者购买作出决策，是面向消费者的系统。而个性化推荐系统则能够及时收集消费者个人信息，并根据消费者的偏好为消费者提供个性化推荐，提高企业服务水平。个性化推荐系统主要分为五个模块、数据信息收集模块、推荐搜索引擎、处理模块、用户交互模块和管理模块。

5.1.1 数据收集模块

数据收集模块包括数据接口、网站数据收集、日志数据收集、用户网站行为数据收集。数据接口是系统向不同推荐引擎提供数据接口功能，从而实现不同推荐引擎都能找到该殷勤的数据接口；网络数据收集指系统收集该电子商务网络的用户数据和商品数据信息；日志数据收集指提取系统日志中消费者行为数据信息；用户网站行为数据收集则是收集消费者在网站上的直接行为。

5.1.2 推荐搜索引擎

推荐搜索引擎包括离线推荐搜索引擎、在线推荐搜索引擎、推荐引擎组合管理。离线推荐搜索引擎是系统通过离线推荐引擎进行推荐算法功能；在线推荐引擎则是通过在线推荐引擎进行推荐算法功能；推荐引擎组合管理则是根据不同用户制定不同推荐的功能。

5.1.3 处理模块

根据用户数据信息对推荐结构进行过滤，对数据信息过滤以后，按照推荐结果对信息进行排序，最后对推荐结果进行解释。

5.1.4 用户交互模块

用户交互模块有三个功能：在线收集、用户反馈、推荐结果封装。在线收集指为系统提供收集用戶使用系统信息的功能；用户反馈则是提供用户向系统发送反馈信息的功能；推荐结果封装则是系统向上一层系统提供推荐结果时具有封装功能。

5.1.5 系统管理

系统管理主要有两方面功能，第一是系统提供对系统运行参数进行优化配置功能。第二是系统提供对系统运行参数和状态浏览功能的实现。完善大数据技术在电子商务领域应用的安全技术。为了有效解决大数据技术在电子商务领域应用中的数据安全和个人隐私问题，应该完善交易成功前的两层数据传输安全防护技术和交易成功后的保留在服务器中的数据的客户隐私保护技术，不断增强大数据技术在电子商务应用中的安全性。

5.2 电子商务平台安全防护技术

5.2.1 通过身份认证技术

为了确保电子商务交易的安全性，并保护用户个人隐私数据的安全性，电子商务平台系统在设计的时候，可以通过身份认证技术判定交易双方身份的真实性。近两年，一些不法分子通过计算机漏洞攻击用户网络支付系统，盗取用户个人信息，擅自修改用户密码和用户隐私数据信息。通过身份认证技术可以有效的防止用户窃取消费者个人信息。比如消费者个人密码口令，或者用户指纹、人脸或者虹膜等方式的认证，防止黑客窃取用户信息。

5.2.2 数字证书和数字签名

为了确保电子商务交易过程中双方信息的真实性，通过第三方机构对买卖双方真实身份进行验证，并为其颁发身份凭证。数字证书将双方身份信息综合在一起进行数据信息加密，并制作数字签名密钥。通过PKI提供公钥加密和数字签名服务的安全基础平台，管理密钥和证书信息，确保网络交易信息安全性。如今大部分企业已经意识到数据安全性和隐私性的重要性，但是系统开发和维护需要大量的成本，一些企业为节约成本而忽视了对用户数据信息的保护。比如一些快递单号上面有每一个消费者的个人信息，这些都威胁到用户数据安全。因此，国家还需要进一步加强这方面的立法，加强对这方面违法行为的打击力度。

6 结语

在信息时代，大数据在电子商务平台的应用已经成为一种发展趋势。很多企业都加大对大数据技术的研发，电子商务平台在设计的时候，可以将大数据技术应用在客户管理、用户商品推荐、库存管理、用户体验等方面数据分析，从而通过大数据挖掘技术，帮助电子商务企业的管理者进行决策，提高电子商务企业的市场竞争力，促进我国电子商务的可持续发展。

参考文献

[1] 倪宁.大数据时代下电子商务平台的探索和研究——以淘宝网为例[J].江苏商论，2014（5）.

[2] 彭海静，郦丽.大数据背景下第三方电子商务平台的企业商业秘密保护研究[J].江苏商论，2016（5）.

[3] 胡烨.电子商务环境下UGC的数据挖掘及营销应用[J].中国高新技术企业，2015（5）.

[4] 庚炀.基于大数据的线上线下电商用户数据挖掘研究[J].中国经贸，2014（18）.

[5] 楊放.云计算在大数据环境下对电子商务的初探[J].硅谷， 2014（6）.

[6] 沈晨晴.综合型B2C电子商务平台服务质量与顾客忠诚度关系研究——以天猫为例[J].商场现代化，2016（28）.

[7] 郭德颖.探究大数据在广电行业中的应用发展[J].通讯世界， 2014（22）.

[8] 王星，周影.大数据环境下的电子商务安全问题及对策[J].对外经贸，2017（1）.

[9] 郑志新.大数据时代电子商务产业数据管理与共享机制[J].信息技术与信息化，2016（6）.

[10] 王馨晨.大数据背景下数据挖掘技术在电子商务营销拓展中的应用——以某网商企业为例[J].生产力研究，2017（4）.

[11] 朱命冬，申德荣，解宁，等.面向关联关系数据的分布式相似性查询方法[J].计算机科学与探索，2014（7）.

[12] 李文海，许舒人.基于Hadoop的电子商务推荐系统的设计与实现[J].计算机工程与设计，2014，35（1）.