基于大数据的跨境电商平台供应商信用评估研究

2019-11-08田晓芸

数字通信世界 2019年10期

田晓芸

（1.国网电子商务有限公司，北京 100053；2.英大商务服务有限公司，天津 300300）

电子商务行业呈现出逐年上升的发展趋势，也成为了我国新的贸易增长点，跨境电商平台属于跨境贸易中间商，可以以贸易方的身份直接参与到贸易中，也可以不参与到贸易中只为贸易双方提供交流平台，目前，我国大部分跨境电商平台为不参与贸易平台，导致供应商的信用失去了保障，因此要其进行信用评估。

1 信用评价指标体系

1.1 选定备选指标

本文选择的跨境电商平台供应商信用评估备选指标有供应商规模、供应商从事跨境电商行业的时间、供应商信息的完善程度、供应商产品类型及质量、供应商财务状况、供应商售后水平、供应商工作人员专业程度、供应商产品价格、供应商知识产权意识、供应商品牌知名度等。

选择上述指标的原因如下。

第一，考虑跨境电商平台供应商的特点，结合用户和供应商的关注点以及跨境电商平台发展建设目标，大体上选择信用评价指标，本文主要考虑的是供应商的产品、技术、人员、资金、管理五个方面[1]。

第二，需要考虑信用评价指标数据来源，具体是要确保数据来源的广泛性和全面性，避免出现限制指标完善程度的情况，这样才能充分发挥大数据时代下跨境电商平台供应商信用评估工作的进行优势。

第三，应用逐步回归方式对备选指标进行筛选，具体是以指标对评估结果的影响变量选择是否保留指标，最终形成合理的跨境电商平台供应商信用评估指标。

1.2 指标构建

跨境电商平台供应商信用评估指标构建分为以下几个步骤。

第一，获取数据。在大数据时代下，获取数据的难度较低，比较有效方式是网络爬虫程序，这种程序能够实现对目标数据的有效抓取，但是考虑到大数据具有非结构化特点，其数据变化较为迅速[2]。因此，为了更好的获取指标数据，还需要从跨境电商平台、供应商网站、第三方信息系统三方面全面获取数据，并执行广度优先和自动化原则，以此来确保采集数据的实效性。同时还需要尽量避免人工干预和影响数据采集，只有最大限度的实现自动化处理，才能确保数据采集范围的广阔，这不但能够提高指标获取的客观性和全面性，还有利于掌握评估指标的整体变化。

具体数据获取流程如下：以供应商网站为爬虫入口，对所有需要获取信息的网页进行入栈处理；对入栈网页进行解析，从中提取出需要获取信息的网址；删除不需要的数据，并优化数据结构；在已经优化的数据中计算评估指标；将指标数据储存到建立好的数据库中。

第二，处理指标数据。在获取到数据之后，需要对原始的数据进行标准化处理，这样才能另指标数据的构成同趋化，具体可以选择z-score标准化方式。

第三，构建指标。不同备选指标的指标侯建方式不同，具体需要视实际的备选指标而定。

2 信用评估模型

2.1 模型算法

基于模型算法，网络系统能够通过输入层、隐含层、输出层，将任意的N维输入映射到M维输出，具体结构示意图如图1所示。

图1 网络系统结构示意图

基于上图，将本文信用评估模型简化为的N维输入模型和M维输出模型，随后可以将模型算法分为前向传播阶段算法和误差反向传播阶段算法，计算均选择梯度误差反馈训练计算方式，具体计算过程如下。

2.1.1 前向传播阶段算法

输入层应用输入向量和隐层具体神经元的所有连接权重的权重向量，便可以计算得到净输入值，将净输入值带入到计算单元的激活函数中，将激活函数计算得到的数值输入到输出层中，便可以得到线性函数[3]。

2.1.2 误差反向传播阶段算法

为了明确预测值和目标值的数据差异，需要分别计算各自的均方误差，为了减少这种差异，需要应用梯度下降计算方式来计算调节权值。

2.2 改进算法

考虑到梯度误差反馈训练计算方式在实际应用过程中存在部分局限性，即由于高维空间中空间曲面中存在马鞍面，这会导致梯度在趋近于这些位置时数值表现为无穷小，这会增加预测值和目标值的数据差异；该计算方式的局部极小值较多，因此考虑对梯度误差反馈训练计算方式进行改进，下面进行具体说明。

2.2.1 增加动量项

在应用梯度误差反馈训练计算方式时，调节权值只是按照梯度下降方向进行，并没有考虑到之前的梯度方向，因此，在计算马鞍面等参数空间数据时，梯度会相对较小，这样计算速度便会变慢甚至停止，为了提高计算速度，可以增加动量项。

2.2.2 对学习效率进行自适应调节

学习效率是网络系统中的重要参数之一，在实际应用中经常需要进行调整，这是因为在曲面中，平坦区域内的学习效率会增加计算次数，此时便需要适当调高学习效率；误差变化较大内的学习效率会令计算过程发生变化，进而增加迭代次数，此时便需要适当降低学习效率，由此可见，另学习效率进行自适应调节十分有必要[4]。

同时，为了提高收敛过程的进展速度，需要学习效率另进行自适应调节，具体调节过程如下：当网络系统的一次权值更新过后，如果预测值和目标值的数据差异提高，则说明本次调节无效；如果预测值和目标值的数据差异降低，则说明本次调节有效。

3 基于大数据的跨境电商平台供应商信用评估建议

3.1 技术建议

3.1.1 完善供应商资金方面的指标

在建立跨境电商平台供应商信用评估体系时，需要进一步细化和健全供应商资金方面的指标，但是需要注意的是，供应商资金方面的数据属于商业机密的范畴，同时还会对供应商信用评估结果造成较大影响，因此除了上市公司之外，小型供应商资金方面的数据获取难度较大[5]。因此，在实际应用过程中，跨境电商平台需要扩展供应商资金方面数据获取途径，还能够分析供应商交易数据的方式来总结公司的资产情况和负债情况。

3.1.2 提高对样本的重视程度

网络模型对样本的敏感度较高，这表示样本将会直接影响到评估计算结果，如果样本数据偏小，可能会导致模型过拟合现象，进而降低了计算模型的泛化能力，因此在选择规范计算方式的基础上，需要尽量扩大样本数据，以此来确保信用评估结果的准确程度。

3.1.3 应用随机搜索参数搜索方式

考虑到跨境电商平台供应商信用评估体系涉及到的参数类型和数据较多，为了达到更好的计算效果，需要选择应用随机搜索这一参数搜索方式。

3.2 政策建议

3.2.1 完善跨境电商平台供应商信用评估体系

为了做到对跨境电商平台供应商信用的全面评估，需要建立信用评估体系，同时增加跨境电商平台在大宗商品出口方面的介入力度，这便需要跨境电商平台增加其专业程度，完善其管理制度[6]。同时，通过信用评估体系，各个供应商之间能够实现信息均衡，避免了信息不对称问题，这有利于供应商之间相互合作，推动了跨境电商平台的建设和发展。

3.2.2 应用分类跨境电商平台供应商信用评估体系

针对不同类型的跨境电商平台供应商建立相应的信用评估体系，能够更好的满足不同类型供应商的信用评估要求。例如，针对平台质量担保板块，可以制定相应的供应商产品和售后质量信用评估体系；针对客户需求板块，可以制定相应的供应商服务水平信用评估体系。当然专门的信用评估体系需要建立专门的评估模型，这会增加跨境电商平台供应商信用评估体系建立难度。