论文部分内容阅读
摘 要：电子商务网络的虚拟性和开放性给商家和消费者带来的信息不对称问题，严重制约了电子商务企业发展。且由于电商企业会计信息质量问题，以财务指标为主的传统信用评价指标体系有待完善。而在大数据环境下，电商企业能够在合理时间内快速收集各类信息，发现企业真实经营状况，消除信息不对称，较大地提高了电商企业信用信息服务能力。本文利用层次分析方法研究在大数据环境下电商企业信用评价模型，并初步建立了其信用评价指标体系，以期为电商企业改善信用评价问题提供方向。
关键词：电商企业 信用评级 层次分析法
一、引言
近年来，随着互联网技术的快速发展、居民收入水平的不断提高，中国的电子商务也得到了迅速的发展。尤其是在大数据环境下，电商企业能够进一步的获得企业相关信息，为消费者带来个性化服务的同时实现自身价值最大化，推动电商企业自身的发展。但是电子商务面临的客户群具有不稳定、流动性大的特点，以及网络本身的虚拟性和开放性更是加大了电商企业面临的风险，尤其是信用风险，这严重制约了电子商务企业的发展。降低信用风险最有效的途径是建立符合电子商务企业自身特点的信用评价指标体系。本文从大数据环境下，企业能够较便捷获取海量的信息并对其进行高效的管理从而将其运用到电商企业信用评价中来这一优势出发，结合层次分析法，建立包含大数据这一特点的电商企业信用风险评价体系，以期降低电商企业的信用风险，使电商企业得到突破性的发展。
二、构建大数据环境下电商企业信用评价指标体系
1.层次分析方法及步骤。层次分析法在20世纪70年代被美国运筹学家赛惕教授提出后便广泛应用于需要定性与定量相结合的多准则决策中。该方法参考人们在解决复杂问题时的思维方式对难点问题进行分解、判断及综合，可更合理的细化互联网金融风险因素和权重，对方案进行两两比较，较好地提高了预警准确度。通过采用层次分析方法建立大数据环境下电商企业信用评价的层次分析模型，半定量地计算信用评价因子权重。层次模型以大数据环境下电商企业信用作为目标层，将大数据环境下电商企业信用评价各主要影响因子作为准则层（第二层），继续细分第二级因子构成电商企业信用评价基础指标层（第三层）。通过专家评分建立次一级因子对上一层因子重要性两两比较结果判断矩阵R。两两重要性比较按1～9取值，数值越小则表示前者比后者越不重要。计算判断矩阵R的最大特征根和特征权重向量，同时要求信用评价判断矩阵满足一致性和随机检验以保证层次分析计算结果的合理性。从而求得各层电商企业信用评价因子相对权重。本文各指标及其分值均建立在考虑大数据环境下电商信用评价的真实状况，借鉴前人的研究成果，并咨询多位专门从事企业信用评价管理人士及高校熟悉信用评价问题的专家意见的基础上予以确定。
2.构造层次分析结构模型。在总结国内外电商企业信用评价指标的研究成果的基础上，考虑到大数据环境下电商企业信用评价的特殊性，结合相关咨询，选取四个一级指标来构建大数据环境下电商企业信用评价模型的准则层。这四个准则层指标分别是企业运营状况；动态财务状况；网络用户体验；公共信息状况。同时选取企业特征，所属行业景气度，企业内控状况，订单日均转化率等18项二级指标，构成了基础指标层，构建了一个较为全面的大数据环境下电商企业信用评价指标体系，分别是：目标层：大数据环境下电商企业信用T。准则层：企业运营状况A、动态财务状况B、网络用户体验C、公共信息状况D。基础指标层：所属行业景气程度、企业特征、企业内控状况；订单日均转化率、日均成交额、客户违约率、订单发货速率、资金周转率、存货周转率；产品质量的满意度、信息真实度、服务质量、配送质量、买家收藏频率；机构对企业的信用记录、法律纠纷记录、企业评估咨询信息、主要股东及配偶信用記录。
3.利用层次分析方法计算权重。在前面建立大数据环境下电商企业信用评价的层次分析模型的基础上，半定量地计算信用评价因子权重。层次模型以大数据环境下电商企业信用作为目标层，将大数据环境下电商企业信用评价各主要影响因子作为准则层（第二层），继续细分第二级因子构成电商企业信用评价基础指标层（第三层）。通过专家评分建立次一级因子对上一层因子重要性两两比较结果的判断矩阵R。计算判断矩阵R的最大特征根和特征权重向量，同时要求信用评价判断矩阵满足一致性和随机检验以保证层次分析计算结果的合理性。从而求得各层电商企业信用评价因子相对权重。其次对各层的指标进行两两对比，综合考虑10位专家对各指标打分的情况，构造与之对应判断矩阵，然后求出其最大得特征值和其所对应权向量，最后检验矩阵的一致性，如果结果显示CR<0.1，则表示判断矩阵符合一致性要求，权重的分配可接受。
3.1以准则层指标网络用户体验C对应的基础指标权重层次分析计算为例，介绍大数据环境下电商企业信用指标层次分析的过程及其合理性。准则层指标网络用户体验C包括：产品质量的满意度、信息真实度、服务质量、配送质量、买家收藏频率。按照中间层指标判断矩阵计算最大特征根及特征向量（即权重，以下称为权向量），最大特征值λmax5.3，归一化特征向量（权向量）为（0.4，0.3， 0.2，0.1，0.04）。判断矩阵阶数m=5，查表得到CR=0.04<0.1，故矩阵满足一致性检验，权重分配合理。同理其他各项指标权重值为：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层次总排序。求出指标层中的影响因素相对于准则层各自评价目标的权重与特征向量后，可以计算出准则层中的因素相对于目标层的权重与特征向量，即各层指标相对于上一层指标的相对重要性，则可以判断各因素对大数据环境下电商企业信用评价的影响大小。从评价结果可知，对于大数据环境下电商企业信用评价影响因素从大到小的排序是：网络用户体验>动态财务状况>企业运营状况>公共信息状况。
4.结论。从本文构建的准则层四个指标中，可以看出网络用户体验占据较大比重。所以电商企业有必要在提高网络用户体验质量方面投入更大的精力，因为随着大数据时代的来临，这个指标的相关数据不再需要手工记录，而是可以更加高效、快捷的得到，有助于电商企业了解客户对电商企业的评价，使得企业能在运营的同时不断改善企业形象，提高企业的信用水平，及时的为企业发展提供一个良好的外部环境。其次是动态财务状况，这些财务指标是在传统财务指标的基础上发展而来，是反映电商企业自身经营情况首要指标，大数据技术能够有效的帮助决策者筛选出需要的指标，及时发现企业信用问题，为企业改善发展状况提供参考。再就是企业运营状况以及公共信息状况。尽管这两项指标排最后，但仅仅是相对的，最终其对电商企业提高信用水平，改善企业形象，得到突破性发展的作用不容小觑。
三、结语
信用问题一直是阻碍电子商务企业发展的一大难题，且目前电商领域尚未建立一个在大数据环境下即具有可操作性又覆盖全面的电商企业指标体系来促进其信用水平的提高。本文在前人研究成果的基础上，基于层次分析方法初步构建了一套具有大数据特色的适合电商企业的信用评价指标体系，较好反映了影响电商企业信用各个因素的层次性，为电商领域改善信用问题提供了方向，也为进一步完善大数据环境下电商企业信用评价模型提供了有益参考。但是，本文在选取信用指标时，仅考虑了已有文献研究成果以及现实中已有过程中的问题，缺乏在更大范畴内考虑大数据环境下未知的、潜在的信用问题。对于在指标分值的选取以及评级上则利用的是问卷调查法，也许存在一定主观性。在未来的研究中，可以从更大的视角来仔细考虑大数据给电商企业带来的影响，搜集更为量化的基础指标数据进行研究，以为更准确、客观地评价电商企业信用问题提供依据。
参考文献：
[1]丁振辉.大数据背景下小微企业信用评级研究[J].征信，2014，（11）.
[2]谭中明.中小企业信用评价体系研究[J].学术论坛，2009，（5）.
关键词：电商企业 信用评级 层次分析法
一、引言
近年来，随着互联网技术的快速发展、居民收入水平的不断提高，中国的电子商务也得到了迅速的发展。尤其是在大数据环境下，电商企业能够进一步的获得企业相关信息，为消费者带来个性化服务的同时实现自身价值最大化，推动电商企业自身的发展。但是电子商务面临的客户群具有不稳定、流动性大的特点，以及网络本身的虚拟性和开放性更是加大了电商企业面临的风险，尤其是信用风险，这严重制约了电子商务企业的发展。降低信用风险最有效的途径是建立符合电子商务企业自身特点的信用评价指标体系。本文从大数据环境下，企业能够较便捷获取海量的信息并对其进行高效的管理从而将其运用到电商企业信用评价中来这一优势出发，结合层次分析法，建立包含大数据这一特点的电商企业信用风险评价体系，以期降低电商企业的信用风险，使电商企业得到突破性的发展。
二、构建大数据环境下电商企业信用评价指标体系
1.层次分析方法及步骤。层次分析法在20世纪70年代被美国运筹学家赛惕教授提出后便广泛应用于需要定性与定量相结合的多准则决策中。该方法参考人们在解决复杂问题时的思维方式对难点问题进行分解、判断及综合，可更合理的细化互联网金融风险因素和权重，对方案进行两两比较，较好地提高了预警准确度。通过采用层次分析方法建立大数据环境下电商企业信用评价的层次分析模型，半定量地计算信用评价因子权重。层次模型以大数据环境下电商企业信用作为目标层，将大数据环境下电商企业信用评价各主要影响因子作为准则层（第二层），继续细分第二级因子构成电商企业信用评价基础指标层（第三层）。通过专家评分建立次一级因子对上一层因子重要性两两比较结果判断矩阵R。两两重要性比较按1～9取值，数值越小则表示前者比后者越不重要。计算判断矩阵R的最大特征根和特征权重向量，同时要求信用评价判断矩阵满足一致性和随机检验以保证层次分析计算结果的合理性。从而求得各层电商企业信用评价因子相对权重。本文各指标及其分值均建立在考虑大数据环境下电商信用评价的真实状况，借鉴前人的研究成果，并咨询多位专门从事企业信用评价管理人士及高校熟悉信用评价问题的专家意见的基础上予以确定。
2.构造层次分析结构模型。在总结国内外电商企业信用评价指标的研究成果的基础上，考虑到大数据环境下电商企业信用评价的特殊性，结合相关咨询，选取四个一级指标来构建大数据环境下电商企业信用评价模型的准则层。这四个准则层指标分别是企业运营状况；动态财务状况；网络用户体验；公共信息状况。同时选取企业特征，所属行业景气度，企业内控状况，订单日均转化率等18项二级指标，构成了基础指标层，构建了一个较为全面的大数据环境下电商企业信用评价指标体系，分别是：目标层：大数据环境下电商企业信用T。准则层：企业运营状况A、动态财务状况B、网络用户体验C、公共信息状况D。基础指标层：所属行业景气程度、企业特征、企业内控状况；订单日均转化率、日均成交额、客户违约率、订单发货速率、资金周转率、存货周转率；产品质量的满意度、信息真实度、服务质量、配送质量、买家收藏频率；机构对企业的信用记录、法律纠纷记录、企业评估咨询信息、主要股东及配偶信用記录。
3.利用层次分析方法计算权重。在前面建立大数据环境下电商企业信用评价的层次分析模型的基础上，半定量地计算信用评价因子权重。层次模型以大数据环境下电商企业信用作为目标层，将大数据环境下电商企业信用评价各主要影响因子作为准则层（第二层），继续细分第二级因子构成电商企业信用评价基础指标层（第三层）。通过专家评分建立次一级因子对上一层因子重要性两两比较结果的判断矩阵R。计算判断矩阵R的最大特征根和特征权重向量，同时要求信用评价判断矩阵满足一致性和随机检验以保证层次分析计算结果的合理性。从而求得各层电商企业信用评价因子相对权重。其次对各层的指标进行两两对比，综合考虑10位专家对各指标打分的情况，构造与之对应判断矩阵，然后求出其最大得特征值和其所对应权向量，最后检验矩阵的一致性，如果结果显示CR<0.1，则表示判断矩阵符合一致性要求，权重的分配可接受。
3.1以准则层指标网络用户体验C对应的基础指标权重层次分析计算为例，介绍大数据环境下电商企业信用指标层次分析的过程及其合理性。准则层指标网络用户体验C包括：产品质量的满意度、信息真实度、服务质量、配送质量、买家收藏频率。按照中间层指标判断矩阵计算最大特征根及特征向量（即权重，以下称为权向量），最大特征值λmax5.3，归一化特征向量（权向量）为（0.4，0.3， 0.2，0.1，0.04）。判断矩阵阶数m=5，查表得到CR=0.04<0.1，故矩阵满足一致性检验，权重分配合理。同理其他各项指标权重值为：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层次总排序。求出指标层中的影响因素相对于准则层各自评价目标的权重与特征向量后，可以计算出准则层中的因素相对于目标层的权重与特征向量，即各层指标相对于上一层指标的相对重要性，则可以判断各因素对大数据环境下电商企业信用评价的影响大小。从评价结果可知，对于大数据环境下电商企业信用评价影响因素从大到小的排序是：网络用户体验>动态财务状况>企业运营状况>公共信息状况。
4.结论。从本文构建的准则层四个指标中，可以看出网络用户体验占据较大比重。所以电商企业有必要在提高网络用户体验质量方面投入更大的精力，因为随着大数据时代的来临，这个指标的相关数据不再需要手工记录，而是可以更加高效、快捷的得到，有助于电商企业了解客户对电商企业的评价，使得企业能在运营的同时不断改善企业形象，提高企业的信用水平，及时的为企业发展提供一个良好的外部环境。其次是动态财务状况，这些财务指标是在传统财务指标的基础上发展而来，是反映电商企业自身经营情况首要指标，大数据技术能够有效的帮助决策者筛选出需要的指标，及时发现企业信用问题，为企业改善发展状况提供参考。再就是企业运营状况以及公共信息状况。尽管这两项指标排最后，但仅仅是相对的，最终其对电商企业提高信用水平，改善企业形象，得到突破性发展的作用不容小觑。
三、结语
信用问题一直是阻碍电子商务企业发展的一大难题，且目前电商领域尚未建立一个在大数据环境下即具有可操作性又覆盖全面的电商企业指标体系来促进其信用水平的提高。本文在前人研究成果的基础上，基于层次分析方法初步构建了一套具有大数据特色的适合电商企业的信用评价指标体系，较好反映了影响电商企业信用各个因素的层次性，为电商领域改善信用问题提供了方向，也为进一步完善大数据环境下电商企业信用评价模型提供了有益参考。但是，本文在选取信用指标时，仅考虑了已有文献研究成果以及现实中已有过程中的问题，缺乏在更大范畴内考虑大数据环境下未知的、潜在的信用问题。对于在指标分值的选取以及评级上则利用的是问卷调查法，也许存在一定主观性。在未来的研究中，可以从更大的视角来仔细考虑大数据给电商企业带来的影响，搜集更为量化的基础指标数据进行研究，以为更准确、客观地评价电商企业信用问题提供依据。
参考文献：
[1]丁振辉.大数据背景下小微企业信用评级研究[J].征信，2014，（11）.
[2]谭中明.中小企业信用评价体系研究[J].学术论坛，2009，（5）.